推荐大家看这个来自 Google 的 Jesse Berent 的演讲
主题是将数字墨迹与大型视觉/语言模型结合起来🖊️🧠。视频探讨了如何利用这些强大模型来改善在线手写识别功能以及数字笔迹生成。演讲者还讨论了使用多模态方法进行机器学习任务的优势以及处理手写数据的挑战 。总而言之，对于任何对未来手写识别和人机交互感兴趣的人来说，这是一个非常棒的演讲 ✨。（时长 53 分钟） https://youtu.be/JspO32WBluI?si=vxKc9nhrEmaOhjoC
#机器学习 #人工智能
主题是将数字墨迹与大型视觉/语言模型结合起来🖊️🧠。视频探讨了如何利用这些强大模型来改善在线手写识别功能以及数字笔迹生成。演讲者还讨论了使用多模态方法进行机器学习任务的优势以及处理手写数据的挑战 。总而言之，对于任何对未来手写识别和人机交互感兴趣的人来说，这是一个非常棒的演讲 ✨。（时长 53 分钟） https://youtu.be/JspO32WBluI?si=vxKc9nhrEmaOhjoC
#机器学习 #人工智能
YouTube
SwissText2024: Jesse Berent (Google) on "Connecting Digital Ink with Large Vision/Language Models"
Recording of Jesse Berent's keynote at the 9th SwissText Conference in Chur, Switzerland on "Connecting Digital Ink with Large Vision/Language Models".
About SwissText: The Swiss Text Analytics Conference (SwissText) is an annual conference in Switzerland…
About SwissText: The Swiss Text Analytics Conference (SwissText) is an annual conference in Switzerland…
👍2
部署中学习：面向通用机器人策略的集群强化学习
Learning while Deploying: Fleet-Scale Reinforcement Learning for Generalist Robot Policies
Yi Wang, Xinchen Li, Pengwei Xie, Pu Yang, Buqing Nie, 等 (+11)
⭐ 8
• 本研究提出“部署中学习”（Learning While Deploying, LWD）框架，旨在通过实际部署，持续改进机器人的视觉-语言-动作（VLA）策略。
• LWD框架采用大规模离线到在线强化学习范式，支持策略在部署过程中不断迭代优化。
• 该框架融合了分布式机器人经验与人工干预，从而高效指导和加速策略的学习。
• 这种边部署边学习的模式为开发能够适应复杂动态环境的通用机器人策略提供了有效途径。
🔗 arXiv · 🤗 HF
#强化学习 #机器人 #通用策略 #多模态 #集群学习 #人机协作
Learning while Deploying: Fleet-Scale Reinforcement Learning for Generalist Robot Policies
Yi Wang, Xinchen Li, Pengwei Xie, Pu Yang, Buqing Nie, 等 (+11)
⭐ 8
• 本研究提出“部署中学习”（Learning While Deploying, LWD）框架，旨在通过实际部署，持续改进机器人的视觉-语言-动作（VLA）策略。
• LWD框架采用大规模离线到在线强化学习范式，支持策略在部署过程中不断迭代优化。
• 该框架融合了分布式机器人经验与人工干预，从而高效指导和加速策略的学习。
• 这种边部署边学习的模式为开发能够适应复杂动态环境的通用机器人策略提供了有效途径。
🔗 arXiv · 🤗 HF
#强化学习 #机器人 #通用策略 #多模态 #集群学习 #人机协作