- 博客(105)
- 收藏
- 关注
RSS订阅原创 FLTRNN：基于大型语言模型的机器人复杂长时任务规划
FLTRNN框架通过任务分解、递归神经网络和规则思维链的设计，解决了LLM在长时任务规划中常见的忠实性问题。
2024-09-05 13:29:42
946
原创 基于视觉-语言模型的机器人任务规划：ViLaIn框架解析
本文介绍了ViLaIn框架如何通过视觉和语言模型生成符号化任务描述，并借助符号规划器为机器人生成可执行的任务计划。
2024-09-05 13:10:40
770
原创 基于时序差分的无模型强化学习：Q-learning 算法详解
本文主要探讨无模型强化学习中的时序差分方法，重点介绍了 Q-learning 算法。通过阐述 Q-learning 的核心原理、状态-动作值函数的更新方式，以及其在离线策略中的应用，本文展示了该算法在复杂环境中寻找最优策略的强大能力。此外，还对比了 Q-learning 与其他强化学习方法的异同，强调了其在探索与利用平衡、样本复杂度上的优势。
2024-09-05 10:54:16
818
原创 强化学习——马尔可夫决策过程的理解
这篇文章介绍了马尔可夫决策过程（MDP）及其相关概念。它解释了MDP的基本结构，包括状态、动作、策略、状态价值函数和动作价值函数，并讨论了这些概念如何在强化学习中帮助智能体最大化累积奖励。文章还介绍了贝尔曼期望方程，用于计算状态价值和动作价值。整体内容旨在阐明MDP在强化学习中的应用和数学基础。
2024-09-01 17:39:26
1093
原创 具身智能方案——基于“想象链”机制的MineDreamer智能体
介绍了论文《Minedreamer: Learning to follow instructions via chain-of-imagination for simulated-world control》
2024-06-12 21:47:45
1050
原创 机器人多任务操作的SAM-E架构
介绍ICML2024论文《SAM-E: Leveraging Visual Foundation Model with Sequence Imitation for Embodied Manipulation》
2024-06-12 21:39:59
894
原创 视觉与语言导航模型I2EDL
介绍了论文《I2EDL: Interactive Instruction Error Detection and Localization》
2024-06-12 21:27:18
770
原创 视觉-语言模型零样本推理方法
介绍了CVPR2024论文《Learning by Correction: Efficient Tuning Task for Zero-Shot Generative Vision-Language Reasoning》
2024-06-12 21:20:39
1116
2
原创 逆向计划搜索框架CLIPS
解读AAMAS2024论文《Pragmatic Instruction Following and Goal Assistance via Cooperative Language-Guided Inverse Planning》
2024-06-11 11:34:43
724
原创 结合LLM的具身指令执行框架OPEx
解读AAMAS2024论文《OPEx: A Large Language Model-Powered Framework for Embodied Instruction Following 》
2024-06-11 11:24:31
1093
原创 LLM零样本任务性能的通用提示检索机制UPRISE
解读EMNLP2023论文《Uprise: Universal prompt retrieval for improving zero-shot evaluation》
2024-06-10 22:29:26
976
原创 跨语言链式思考推理的提示技术CLP
解读EMNLP2023论文《Cross-lingual Prompting: Improving Zero-shot Chain-of-Thought Reasoning across Languages》
2024-06-10 22:19:19
1286
原创 Recognize Anything: A Strong Image Tagging Model（RAM模型使用方法）
详细介绍了RAM模型的使用方法
2024-06-09 13:38:06
1401
原创 LLM的物理推理与规划方法E2WM
NeurIPS2024论文《Language models meet world models: Embodied experiences enhance language models》
2024-06-06 15:23:43
916
原创 BERT应用——文本间关联性分析
本文结合了自然语言处理（NLP）和深度学习技术，旨在分析一段指定的任务文本中的动词，并进一步探讨这个动词与一系列属性之间的关联性。具体技术路径包括文本的词性标注、语义编码和模型推断。
2024-06-06 14:46:26
1589
原创 自然语言指令执行机器人控制策略GRIF
CoRL2023论文《Goal Representations for Instruction Following: A Semi-Supervised Language Interface to Control》
2024-06-06 13:40:13
638
原创 具身指令跟随模型LACMA
介绍了论文：EMNLP2023《LACMA: Language-Aligning Contrastive Learning with Meta-Actions for Embodied Instruction Following》
2024-06-05 16:09:04
850
原创 多阶段任务自然语言指令执行方法GOALNET
AAAI2024论文《GOALNET: Interleaving Neural Goal Predicate Inference with Classical Planning for Generalization in Robot Instruction Following》
2024-06-05 14:18:27
728
原创 论文解读——ICLR2024《Online Continual Learning For Interactive Instruction Following Agents》
Online Continual Learning For Interactive Instruction Following Agents
2024-06-04 10:12:44
676
原创 论文解读——CVPR2022《One step at a time: Long-horizon vision-and-language navigation with milestones》
介绍了CVPR2022的具身智能方向的论文《One Step at a Time: Long-Horizon Vision-and-Language Navigation with Milestones》
2024-06-03 20:37:27
630
原创 IEEE Robotics and Automation Letters（RAL）期刊投稿时间记录
2024.1.15 submittion2024.1.16 Under review2024.3.2 Decision pending2024.3.6 Revise and resumption2024.4.1Resubmit，Under review2024.5.16 Decision pending2024.5.22 Accept
2024-05-30 13:05:50
778
8
原创 Graph Embedding——Node2Vec
具体来说，Node2Vec首先从图中的每个节点出发执行多次随机游走，生成大量的节点序列，这些序列在概念上类似于自然语言处理中的句子，其中的节点则相当于单词。随后，利用Skip-Gram模型，Node2Vec将这些“句子”作为输入，通过最大化节点序列中的共现概率来学习节点的向量表示。Node Embedding，节点嵌入，旨在将图中的节点映射到一个低维度的连续向量空间中，以便在这一空间内，通过向量的几何关系反映出节点在原图中的拓扑结构和节点间的关系等属性。
2024-05-14 08:38:00
361
原创 YOLOv8+CLIP实现图文特征匹配
本文通过结合YOLOv8s的高效物体检测能力与CLIP的先进图像-文本匹配技术，展示了深度学习在处理和分析复杂多模态数据中的潜力。
2024-05-12 11:25:24
1984
原创 算法详解——穷举法
穷举法是一种基本的算法思想，其核心在于遍历解空间中的所有可能解，逐一检验以确定哪些解符合问题的要求。这种方法不依赖于特定的策略或技巧，而是直接对所有可能的情况进行全面和系统的探索，以确保找到问题的确切答案。穷举法可用于解决多种类型的问题，特别是那些解空间有限且易于定义所有可能解的问题。以下是一些典型的问题类型，它们常常使用穷举法来寻找解决方案：组合问题：例如，旅行商问题（TSP），在这类问题中需要找出所有可能的组合或排列，然后选择最优解。尽管穷举法并不总是实际可行的，但它在解空间较小的情况下仍然有效。
2024-05-11 19:07:30
1002
原创 算法详解——回溯法
回溯法是一种解决的方法，特别适用于解决组合问题、搜索优化问题等。它通过逐步构建候选解决方案并且在这个解决方案不再可能满足约束或条件时进行剪枝和回溯。
2024-05-11 18:55:11
1993
原创 LLM—Transformer作用及信息流
Transformer架构的精髓在于其创新性地采用了编码器与解码器的堆叠设计，这一设计巧妙地融合了多头自注意力机制（Multi-Head Attention）和位置前馈网络（Position-wise Feed Forward Network）两大核心组件，通过这些组件的高度协同作用，实现了对序列数据的高效处理。在此框架下，编码器和解码器的每一层都包含了一系列相同的子层，这些子层经过仔细设计，确保了信息在模型中的流动既高效又全面。
2024-03-20 12:32:02
392
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人