generative models

DeepMind avanza en control motor flexible de cuerpos simulados mediante aprendizaje emergente

Google DeepMind publica tres nuevas investigaciones sobre control motor en entornos simulados. Los sistemas desarrollados aprenden comportamientos complejos…

Por qué importaEste avance es fundamental para la robótica y sistemas autónomos: permite entrenar agentes que se adapten a múltiples tareas y cuerpos físicos sin…

DeepMind presenta ReQueST para entrenar agentes de RL desde retroalimentación humana sin estados inseguros

Google DeepMind ha publicado un método llamado ReQueST (Reward Query Synthesis via Trajectory Optimisation) que permite entrenar agentes de aprendizaje por…

Por qué importaEl problema de exploración segura es crítico para desplegar RL en aplicaciones reales (robótica, vehículos autónomos, sistemas de control) donde…