uc伯克利

经典的「没有免费午餐定理」表明： 如果某种学习算法在某些方面比另一种学习算法更优，则肯定会在其它某些方面弱于另一种学习算法。 也就是说，对于任何一个学习问题，没有最优的算法，只有最合适的算法。 而在

【 图片来源： UC Berkeley  所有者：UC Berkeley 】 雷锋网(公众号：雷锋网) 按：加州大学伯克利分校数年前研发的独特的单腿跳机器人Salto近期迎来了新的升级，而且即将在ICRA2019会议上亮相。IEEE Spectrum上就有一篇最新进展的介绍，雷锋

雷锋网 AI 科技评论按：前几天我们刚刚介绍了加州大学伯克利分校 Pieter Abbeel 教授领导伯克利机器人学习实验室（UC Berkeley's Robot Learning Lab）开发的 会叠衣服的家务向机器人 BLUE ，今天伯克利人工智能实验室（BAIR）这边也带来了一项新的机器

雷锋网 AI 科技评论消息，加州大学伯克利分校 Pieter Abbeel 教授今天在推特公开宣布了伯克利机器人学习实验室最新开发的机器人 BLUE。这款机器人的特点是低成本（不到 5000 美元）、基于 AI 控制，而且可以在非结构化的环境中执行人类熟悉的日常活动，比如，叠一条毛巾。BLUE 机器人叠毛巾，实际花费时

雷锋网(公众号：雷锋网) AI 科技评论按：相比于传统方式中需要工程人员手动设计机器人每一个动作的精确参数，AI 时代的研究人员们有了一种全自动化的、有着广阔前景的新学习方式：深度强化学习可以让机器人从经验、从与世界的互动中直接学习行为，因为它可以借助通用化的神经网络表示，处理复杂的传感器输入。然而，许多现有的

雷锋网 AI 科技评论按：NIPS 2018 的录用论文近期已经陆续揭开面纱，强化学习毫不意外地仍然是其中一大热门的研究领域。来自加州大学伯克利分校人工智能实验室（BAIR）的研究人员分享了他们获得了 NIPS 2018 spotlight 的研究成果：Visual Reinforcement Learning wit

图片来源：加州大学伯克利分校雷锋网 AI 科技评论按：就像人类和大多数陆地动物一样，步行机器人需要具备在崎岖地面行走的能力。它们会被用于灾害应对和搜救工作。然而，设计一个控制算法让机器人能够适应不连续的地面环境是一项极具挑战的工作。因为它对立足点的选择要求及其严格，不能受到任何妨碍。它的运动由复杂的动力学方程控制。

2018年05月12日，由伯克利全球华人校友会（BCAIA）举办的“ UC Berkeley 150周年 校庆“在北京圆满落幕。 这次校庆活动是近年来举办规模最大的伯克利华人活动。会议上齐聚UC Berkeley杰出校友，校友家长以及产业代表。大家共同探讨了未来如何更好的创办校友

公众号：AI 科技评论本文的作者是来自加州大学伯克利分校人工智能实验室（BAIR）的博士生 Vitchyr Pong，他的主研方向为深度强化学习。在本篇博客中作者介绍了自己发表于正在进行的 ICLR 2018 的一项最新工作——时间差分模型（Temporal Difference Models），该模型属于强化学习中的

雷锋网 AI 科技评论按：本文的作者是来自加州大学伯克利分校人工智能实验室（BAIR）的博士生 Vitchyr Pong ，他的主研方向为深度强化学习。在本篇博客中作者介绍了自己发表于正在进行的 ICLR 2018 的一项最新工作——时间差分模型（Temporal Difference Models），