CCF-GAIR 2020
您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
人工智能 正文
发私信给AI科技评论
发送

1

视频:Pieter Abbeel NIPS 2017大会报告 《Deep Learning for Robots》(附PDF)

本文作者:AI科技评论 2017-12-08 13:08
导语:12月6日下午,加州大学伯克利分校教授、机器人与强化学习领域的大牛Pieter Abbeel在NIPS 2017的报告视频。

雷锋网按:美国时间12月4日,第31届神经信息处理系统大会(Neural Information Processing Systems,NIPS)在美国长滩会议中心开幕。其中,在正会第二天(12月6日)下午,大会邀请加州大学伯克利分校教授、机器人与强化学习领域的大牛Pieter Abbeel发表了题为《Deep Learning for Robots》(深度学习在机器人领域的应用)的报告。雷锋网特此整理了报告的视频及PPT供读者进行学习。


关于演讲者

视频:Pieter Abbeel NIPS 2017大会报告 《Deep Learning for Robots》(附PDF)

Pieter Abbeel 是加州大学伯克利分校教授、机器人与强化学习领域的大牛。他于比利时 KU Leuven 获电子工程学士、硕士学位,之后在斯坦福大学师从吴恩达,并与2008年获得计算机科学博士学位。Pieter Abbeel 自2008年起在加州大学伯克利分校担任教职。

在攻读博士期间,Pieter Abbeel发表了多篇重要的学术论文,并与导师吴恩达提出了学徒学习(Apprenticeship learning)这一增强学习的全新概念。2011年,Pieter Abbeel通过深度神经网络使用策略搜索所,实现了机器人叠毛巾的演示。他也因此被MIT Technology Review评选为当年的“TR35”获奖者。Pieter Abbeel还是创业公司Embodied Intelligence的董事长兼首席科学家(参见雷锋网文章:《离开 OpenAI 和导师一起创业,他们要让机器人不编程也能像人一样干活》)。

摘要

视频:Pieter Abbeel NIPS 2017大会报告 《Deep Learning for Robots》(附PDF)

在报告中,Pieter Abbeel介绍了人工智能驱动的机器人研究中的多个未解决的问题,包括:更快的增强学习、远景推理、任务可用性、终身学习、对模拟的利用、最大限度地提取现实世界中的信号等。接下来Pieter Abbeel详细介绍了多种用于机器人研究的深度学习方法,包括:强化学习、元学习、模仿学习、持续学习,以及这些方法的重要参考文献及细分领域研究进展。

注:大会官网并未提供本次报告摘要,以上摘要为雷锋网根据现场内容整理而成。

演讲视频及Slide

PPT下载:付费本文或加入雷锋网会员,获取NIPS 2017演讲PPT。

只能帮你到这里了

本文是雷锋网付费专属内容

支付19.90元,继续阅读全文。

雷锋网原创文章,未经授权禁止转载。详情见转载须知

视频:Pieter Abbeel NIPS 2017大会报告 《Deep Learning for Robots》(附PDF)

分享:
相关文章

文章点评:

表情
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说