⚡️— Начинаем семинар, присоединяйтесь к трансляции!

🎓 — Семинар 12. Leveraging Single and Multi-Task RL Algorithms for Mobile-Aloha Robot | Aditya Narendra

Traditional Reinforcement Learning (RL) methods often require careful algorithm design, hyper-parameter tuning, and experimentation to perform optimally across multiple tasks. Multi-task models, however, offer increased efficiency, better generalization, and improved resource utilization, which are crucial for robots performing diverse autonomous tasks. On the other hand, single-task models often demonstrate better results and more robust task-specific policies.

In this paper, we demonstrate the versatility of these models through experiments on the Mobile Aloha robot, which has both manipulation and navigation capabilities. The main idea behind our work is to demonstrate the use of various types of RL algorithms (single and multi-task) for multi-control robots (in our case, Mobile Aloha) which has not been explored much in the past. The presentation would include the work done in two different simulators: Mujoco and Isaac-Sim.

👉🏻 Дата: 28.11.24, четверг в 17:00

📹 Трансляция Youtube

Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!

#семинары #robotics #RL

🎓 — Семинар 13. Использование графа сцены для нейросетевой навигации робота | Никита Осколков, Zhang Huzhenyu

В последнее время для робототехнических задач навигации и манипулирования все активнее используются методы, основанных на картах знаний и обучении с подкреплением. В докладе будут представлены передовые подходы к построению графов 3D-сцен и рассказано об их применении в задачах управления и принятии решений роботом. Будет описан генератор графов, разработанный в фотореалистичном симуляторе Isaac Sim.

Также будет представлен практический опыт использования метода построения карты знаний BBQ на пользовательском наборе данных из симулятора Isaac Sim, который демонстрирует универсальность подхода на различных примерах.
Кроме того, мы обсудим базовые подходы обучения с подкреплением в задаче навигации робота по изображениям бортовой камеры. Наконец, рассмотрим влияние использования карт знаний в сценариях, где входные данные навигационной модели включают текстовые описания задач или маски объектов.

👉🏻 Дата: 05.12.24, четверг в 17:00

📹 Трансляция Youtube

Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!

#семинары #robotics #RL

⚡️— Начинаем семинар, присоединяйтесь!

Теперь можно сказать официально - команда Автороботикс в составе крутых инженеров из МАДИ и блестящих AI-специалистов из Центра когнитивного моделирования МФТИ преодолела (хоть и частично) технологический барьер и стала победителем технологического конкурса НТИ 5 уровень. Среди 8 участников, включая Иннополис и ЛЭТИ, наша электрическая газель под управлением интеллектуальной системы единственная в полностью автномном режиме в реальной дорожной ситуации перевезла полтонны груза без нарушений ПДД на почти сотню км с макимальной скоростью 90 км/ч🚛. И это без сотен тысяч часов наката по одному маршруту и без тысяч тереабайтов данных для обучения как у Яндекса или Теслы. Все эффективнее и надежнее🦾. Команда замечательных профессионалов - горд, что смог с вами поработать! Молодцы!🙌

🎓 — Семинар 14. Transformer-based online RL | Никита Качаев, Даниил Зелезецкий

Трансформерные модели показали прорывные результаты в различных областях машинного обучения благодаря способности учитывать длительные временные зависимости и эффективно масштабироваться, что делает их применение перспективными для обучения с подкреплением. В задачах RL трансформеры способны улучшить способность агента к памяти, генерализацию и принятие решений на основе долгосрочной истории взаимодействий

Однако, внедрение трансформеров в RL сталкивается с рядом трудностей. Среди главных вызовов — нестабильность обучения, сложность оптимизации и высокая вычислительная стоимость. В докладе будет рассмотрен текущий прогресс в использовании трансформерных моделей для задач онлайн обучения с подкреплением и сделан обзор работ по on-policy/off-policy методам. Обсуждение охватит ключевые преимущества а также ограничения применения трансформерных моделей в онлайн RL

👉🏻 Дата: 12.12.24, четверг в 17:00

📹 Трансляция Youtube

Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!

#семинары #transformers #RL

⚡️— Начинаем семинар, присоединяйтесь!

Подключайтесь к выступлению руководителя нашего Центра Александра Панова на AIJ!
https://aij.ru/program?concreteDate=2024-12-13

А это я собираю данные на Алохе в режиме телеуправления по видео с камеры манипулятора (экранчик внизу) — непростая задача 😅