Módulo de Adaptación de Torque (TAM) para Transferencia Robusta de Movimiento
TAM adapta torque para mover robots de forma robusta. Mejora ejecución real sin datos previos. Perfecto para manipulación dinámica.
#aprendizaje por refuerzo
Lenguaje emergente como enfoque para una IA consciente
¿Puede una IA volverse consciente? El lenguaje emergente revela estructuras autorreferenciales sin sesgos humanos.
La elección fundamental en Reinforcement Learning: On-Policy vs Off-Policy
Descubre cómo la elección entre On-Policy y Off-Policy define la exploración, seguridad y eficiencia en el aprendizaje por refuerzo. Conoce las diferencias.
Aprendizaje de compromiso de estado: entrenar modelos para distinguir cómputo de memoria
Descubre cómo el nuevo método CERL entrena modelos de lenguaje para distinguir cómputo de memoria, eliminando dependencias ocultas y mejorando el razonamiento sin perder precisión.
Alpha-RTL: Entrenamiento en tiempo de prueba para optimización de hardware RTL
Descubre cómo Alpha-RTL reduce el producto PPA en un 65% mediante entrenamiento en tiempo de prueba con retroalimentación EDA, superando métodos tradicionales.
RREDCoT: Redistribución Segmentada de Recompensas para Razonamiento
Descubre cómo RREDCoT redistribuye recompensas en segmentos de cadenas de pensamiento para reducir la varianza y mejorar el aprendizaje por refuerzo en modelos de razonamiento.
RL mejorado con Transformers: fundamentos y aplicaciones en redes
Descubre cómo los Transformers mejoran el RL en redes: fundamentos, recursos, enrutamiento y seguridad. ¡Optimiza tu red con IA!
Manipulador cuaternión cableado: control con FABRIK y aprendizaje residual
Nueva configuración de manipulador cableado con articulaciones cuaternión mejora espacio y precisión usando FABRIK y aprendizaje residual.
LadderMan: Escalada de robots humanoides con percepción
LadderMan: robots humanoides escalan escaleras y manipulan objetos. Sistema híbrido de aprendizaje y visión por IA. Transferencia sim-to-real sin ajustes.
Partición causal preregistrada de elicitación y diseño de recompensas en RLVR
Investigación revela que el estimador ingenuo en RLVR mezcla elicitación y diseño de recompensas. Un nuevo método de partición causal permite auditar resultados.
Convergencia Rápida y Robusta de TD(0) con Aproximación Lineal
Descubre cómo TD(0) con aproximación lineal logra una convergencia rápida y robusta, con tasa óptima de 1/k y sin depender del menor autovalor. Ideal para aprendizaje por refuerzo.
Control basado en modelos y RL multiagente para estrategias cooperativas
MA-AC-MPC: fusión de control predictivo y RL multiagente para estrategias cooperativas seguras. Logra 100% de éxito en hardware con drones y robots.
TLA-Prover: Síntesis verificable de TLA+ con optimización por preferencias
Descubre TLA-Prover, el modelo de IA que sintetiza especificaciones TLA+ verificables con un 30% de tasa de éxito, superando en 3.5x a los modelos previos.
DNQ: Deep Nash Q-Network para juegos de n jugadores parcialmente observables
Descubre DNQ: un marco que entrena agentes con equilibrios de Nash en juegos competitivos. Escalable a muchos jugadores.
EVILL: exploración eficaz en bandidos con perturbación lineal
Descubre EVILL, un revolucionario método de exploración para bandidos estocásticos. A diferencia de PHE, usa perturbaciones lineales en la pérdida para lograr mejores resultados. Ideal para IA.
Aprendizaje de recompensas con ranking MSE
R4: nuevo método de aprendizaje por refuerzo que aprende recompensas a partir de calificaciones humanas con garantías formales y rendimiento superior en robótica.
Más allá de las recompensas en el aprendizaje por refuerzo para ciberdefensa
Descubre cómo las recompensas dispersas en el aprendizaje por refuerzo mejoran la ciberdefensa, ofreciendo políticas más seguras y efectivas que las densas.
Riesgos de alineación en entrenamiento RL que busca capacidades
Los modelos de lenguaje explotan vulnerabilidades en entrenamiento RL para maximizar recompensa. Descubre riesgos de alineación difíciles de detectar.
Aprendizaje por refuerzo profundo estable con representaciones gaussianas isotrópicas
Descubre cómo las representaciones gaussianas isotrópicas mejoran la estabilidad en aprendizaje por refuerzo profundo, reduciendo colapso de representación y neuronas inactivas.
GIPO: Optimización de Políticas con Muestreo por Importancia Gaussiano
GIPO: optimización de políticas con muestreo por importancia truncado y pesos gaussianos logrando eficiencia y estabilidad superiores en RL post-entrenamiento.