source avatarriRoyal.Base.eth

مشاركة

المهارة الحقيقية في الانتقال من المحاكاة إلى الواقع قد تكون في معرفة ما لا يجب عشوائيته. سطر هادئ واحد في أحدث تقرير أسبوعي من @axisrobotics جذب انتباهي: العشوائية المجالية الآن تحافظ على الأجسام المفصلية ثابتة بينما تُغيّر باقي المشهد. هذا التمييز مهم. التنوع الاصطناعي مفيد حتى تبدأ التغييرات في تغيير بنية المهارة التي تحاول تعليمها. يجب أن تختبر سياسة تعلم الأدراج أو الخزائن ظروفًا محيطة مختلفة دون أن تفقد باستمرار التفاعل المستقر الذي تحتاجه لفهمه. إذًا، المشكلة ليست: كم من التباين يمكننا توليده؟ بل: أي المتغيرات يجب تغييرها، وأيها يجب أن تبقى ثابتة؟ هذا يحول العشوائية المجالية من خدعة كمية إلى قرار هندسي حول ما يجب على الروبوت تعلم تجاهله. المزيد من البيانات الاصطناعية ليس بالضرورة أفضل. التباين المُحكم بشكل أفضل هو.

No.0 picture
إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة قد حصلت عليها من أطراف ثالثة ولا تعكس بالضرورة وجهات نظر أو آراء KuCoin. يُقدّم هذا المحتوى لأغراض إعلامية عامة فقط ، دون أي تمثيل أو ضمان من أي نوع ، ولا يجوز تفسيره على أنه مشورة مالية أو استثمارية. لن تكون KuCoin مسؤولة عن أي أخطاء أو سهو ، أو عن أي نتائج ناتجة عن استخدام هذه المعلومات. يمكن أن تكون الاستثمارات في الأصول الرقمية محفوفة بالمخاطر. يرجى تقييم مخاطر المنتج بعناية وتحملك للمخاطر بناء على ظروفك المالية الخاصة. لمزيد من المعلومات، يرجى الرجوع إلى شروط الاستخدام واخلاء المسؤولية.