Forwarded from МФТИ — Физтех
Новый институт займется решением исследовательских и прикладных задач в области машинного обучения и AI, актуальных для страны. Основная цель нового института — создание высокотехнологичных платформенных ИИ-решений для повышения технологического суверенитета и реализации прорыва в ключевых отраслях отечественной экономики.
Искусственный интеллект стал главной технологией XXI века, которая обеспечит повышение эффективности во всех сферах деятельности. Страна сейчас делает ставку на ИИ как на основной драйвер технологической независимости. МФТИ — один из российских лидеров образования в области IT и искусственного интеллекта, а также форвард разработки и обучения использованию технологий машинного обучения. Создание Института ИИ — закономерный этап, который консолидирует сильнейшие компетенции и опыт в интересах российских промышленности и бизнеса, — рассказал ректор МФТИ Дмитрий Ливанов.
Институт искусственного интеллекта МФТИ представляет собой уникальное сочетание передовой российской математической школы и обширного опыта в области искусственного интеллекта. На его базе будут проводится не только исследования, но и разрабатываться решения, востребованные бизнесом и промышленностью.
Главный фокус института — создание инновационных программных продуктов и платформ, которые открывают доступ к передовым технологиям и помогают эффективно решать актуальные задачи различных отраслей.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍2😁1
🎓 — Семинар 6. Model-based Policy Optimization using Symbolic World Model | Андрей Городецкий
Некоторые механические системы подчиняются функциональным зависимостям с небольшим количеством параметров, однако их приближение моделью с фиксированной архитектурой, например MLP, обычно требует настройки гораздо большего числа параметров.
В докладе Андрей расскажет про задачу символьной регрессии, метод её решения с помощью трансформера, применение этого метода для получения модели динамики среды и её использование в model-based policy optimization для обучения агента управлению низкоразмерными системами.
👉🏻 Дата: 10.10.24, четверг в 17:00
📹 Трансляция Youtube
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
#семинары #RL #robotics
Некоторые механические системы подчиняются функциональным зависимостям с небольшим количеством параметров, однако их приближение моделью с фиксированной архитектурой, например MLP, обычно требует настройки гораздо большего числа параметров.
В докладе Андрей расскажет про задачу символьной регрессии, метод её решения с помощью трансформера, применение этого метода для получения модели динамики среды и её использование в model-based policy optimization для обучения агента управлению низкоразмерными системами.
👉🏻 Дата: 10.10.24, четверг в 17:00
📹 Трансляция Youtube
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
#семинары #RL #robotics
🔥3👍2
💫 — Начинаем семинар присоединяйтесь к трансляции!
YouTube
Семинар 6. Model-based Policy Optimization using Symbolic World Model
❤5
Forwarded from ФПМИ.Студентам
🧠 «НЕЙРОИНФОРМАТИКА» – многоплановый научный форум, на котором обсуждаются вопросы теории и приложений искусственных нейронных сетей, проблемы нейробиологии и системной биофизики, задачи адаптивного поведения и когнитивных исследований и другие актуальные проблемы нейронаук.
⚡ Не упустите шанс стать частью масштабного события в области нейронаук!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3
Forwarded from Grounding Knowledge 🦾
#IROS2024 Первый день конференции, по традиции, посвящен воркшопам и туториалам, среди которых было и организованное нашей командой мероприятие под руководством Константина Яковлева - Multi-Robot Path Planning: Heuristic Search Meets Reinforcement Learning (Tutorial). В полдня мы уместили довольно разнообразную программу. В первой части с лекциями выступили Свен Кениг (UC Irvine, создать большого количества метода многоагентного классического планирования, по которым ездят роботы в Амазоне) и Гийом Сарторетти (Университет Сингапура, основоположник обучаемого MAPF). Успели даже подискутировать на счет проблем RL в многоагентных задачах. Во второй частия, Алексей Скрынник и Антон Андрейчук рассказали про нашу среду и набор инструментов для обучения и тестирования обучаемых и классических MAPF алгоритмов - POGEMA. Рассказали и про наши последние результаты: базовую модель MAPF-GPT и обзор сред в MARL. В конце подробно на python тетрадке показали как все запускать, скачивать и обучать. Интерес, на удивление, в робо-сообществе был значительный, даже код запустить не поленилась почти половина участников.
👍4❤🔥2