tag: Reinforcement Learning

Reward AI เปิดตัว OM-1 นโยบายควบคุมหุ่นยนต์อเนกประสงค์ที่ฝึกฝนผ่านการสาธิตโดยมนุษย์ด้วยถุงมือเซนเซอร์ 7-DoF โดยไม่ต้องใช้การควบคุมระยะไกลหรือข้อมูลเดิมจากตัวหุ่นยนต์ สามารถเรียนรู้งานใหม่ได้ภายในเวลาไม่ถึง 30 นาที

สรุปกระบวนการสร้างและฝึกโมเดลภาษาขนาดเล็กให้สามารถวาดภาพสีน้ำที่สวยงามผ่านโค้ด JavaScript โดยใช้เทคนิค Reinforcement Learning (RL) ร่วมกับไลบรารี p5.brush และเครื่องมือจาก Hugging Face เพื่อเลียนแบบรสนิยมทางศิลปะของมนุษย์

Pollen Robotics ทีมผู้พัฒนาจาก Hugging Face เปิดตัว Microduck หุ่นยนต์สองขาสูง 25 ซม. ที่รองรับการฝึกฝนผ่าน Reinforcement Learning ในราคา 399 ดอลลาร์ พร้อมเปิดเผยกระบวนการฝึกแบบ sim-to-real สู่สาธารณะ

Harvey เปิดตัว Harvey Tenet โมเดลวิจัยที่พัฒนาจาก Kimi K3 ผ่านกระบวนการ Reinforcement Learning เพื่อเพิ่มประสิทธิภาพในภารกิจทางกฎหมายที่ซับซ้อน โดยทำคะแนนบน Legal Agent Benchmark ได้ดีขึ้นเกือบเท่าตัว

ทีม Kimi ของ Moonshot AI และ kvcache-ai เปิดตัว AgentENV ระบบ Sandbox สำหรับ AI Agent ที่ใช้เทคโนโลยี Firecracker microVM สามารถ Snapshot และ Resume ได้ในระดับมิลลิวินาที พร้อมรองรับการฝึกโมเดล Kimi K3 ขนาด 2.8 ล้านล้านพารามิเตอร์

Google Research พัฒนาเฟรมเวิร์ก Reinforcement Learning (RL) ที่ช่วยให้คอมพิวเตอร์ควอนตัมสามารถปรับจูนพารามิเตอร์และแก้ไขข้อผิดพลาดได้แบบเรียลไทม์ระหว่างรันอัลกอริทึม

Sakana AI เปิดตัว Error Diffusion (ED) แนวทางการฝึก AI รูปแบบใหม่ที่ใช้หลักการชีวภาพโดยไม่พึ่งพา Backpropagation เพื่อแก้ปัญหาการขนส่งน้ำหนักและรองรับฮาร์ดแวร์ยุคใหม่ ผลการทดสอบพบว่าสามารถใช้กับโครงข่าย Convolutional ได้เป็นครั้งแรกและทำประสิทธิภาพได้ดีในงานเสริมแรงเรียนรู้

Rich Sutton ผู้บุกเบิกด้าน Reinforcement Learning ระดับโลก เปิดตัวสตาร์ทอัพ Oak Lab ในโตรอนโต เพื่อท้าทายขีดจำกัดของ Deep Learning ในปัจจุบัน และสร้าง AI ที่สามารถเรียนรู้จากสิ่งแวดล้อมได้อย่างต่อเนื่อง