剧集
高保真模拟:真实 AI 的关键途径
替换为 Ashish Kapoor
开发和测试真实 AI 是一个昂贵且耗时的过程。 机器学习是使这些系统能够在不确定性下运行的关键组件之一。 但是,为了利用机器学习和深度学习的最新进展,我们需要在各种条件和环境中收集大量带批注的训练数据。 此外,此类数据驱动系统远非完美,可能导致可能危及安全的故障案例。 在此会话中,我们将探讨高保真模拟如何帮助我们缓解其中一些问题。 我们将讨论这种近乎现实的模拟不仅有助于收集训练,还可以嵌入模仿学习或强化学习循环,以提高样本复杂性。 我们的讨论将围绕 AirSim(一个基于 Unreal Engine 构建的开源模拟器)为中心,该模拟器提供物理和视觉现实的模拟。
开发和测试真实 AI 是一个昂贵且耗时的过程。 机器学习是使这些系统能够在不确定性下运行的关键组件之一。 但是,为了利用机器学习和深度学习的最新进展,我们需要在各种条件和环境中收集大量带批注的训练数据。 此外,此类数据驱动系统远非完美,可能导致可能危及安全的故障案例。 在此会话中,我们将探讨高保真模拟如何帮助我们缓解其中一些问题。 我们将讨论这种近乎现实的模拟不仅有助于收集训练,还可以嵌入模仿学习或强化学习循环,以提高样本复杂性。 我们的讨论将围绕 AirSim(一个基于 Unreal Engine 构建的开源模拟器)为中心,该模拟器提供物理和视觉现实的模拟。
想提供反馈? 在此处提交问题。