https://twitter.com/DrJimFan/status/1715397393842401440


Eureka, robota hangi eylemlerin iyi ve kötü olduğunu söyleyen ödül fonksiyonları ve ardından robotun gerçek eylemlerini kontrol eden öğrenilebilir bir sinir ağı oluşturarak robotlara karmaşık eylem rehberliği sağlamak için GPT-4 gibi büyük ölçekli dil modellerini kullanan bir projedir. eureka ayrıca, robotun performansını artırmak için ödül fonksiyonlarına dahil edilen insanlardan gelen doğal dil geri bildirimlerini de kabul eder. Proje, GPT-4 kullanarak ödül fonksiyonunu optimize eden bir dış döngü ve dış döngünün robota ne yapması gerektiğini söylediği ve iç döngünün robotun eylemi gerçekten gerçekleştirmesine izin verdiği takviye öğrenme yoluyla robotu eğiten bir iç döngü ile hibrit bir gradyan mimarisi kullanıyor. eureka, ödüllerin kalitesini ve güvenliğini artırmak için insan geri bildirimini kullanarak takviye öğrenmeyi destekliyor ve deneylerde simülasyon hızlarını başarıyla hızlandırdı, insan uzmanlardan daha iyi performans gösterdi ve ödül fonksiyonunu geliştirdi. ve geliştirilmiş ödül fonksiyonları.

Proje adresi: https://eureka-research.github.io
makale:https://arxiv.org/abs/2310.12931
Github: https://github.com/eureka-research/Eureka