التعلم عبر الروبوتات المتعددة يحصل على دفعة كبيرة! 📚 وسع الباحثون مختبر إسحاق لتدريب سياسات روبوتية متعددة العوامل متجانسة على نطاق واسع. يدعم الإطار الجديد الفيزياء عالية الدقة، والمحاكاة المسرعة بواسطة GPU، وعمل الوكلاء المتجانسين وغير المتجانسين معا في مهام التنسيق. قاموا بمقارنة طرق مختلفة (MAPPO: تحسين السياسات القريبة من الوكلاء المتعدد وHAPPO: PPO العامل المتجانس) عبر ستة سيناريوهات تحدية وأظهروا أن التدريب على الروبوتات متعددة الروبوتات واسع النطاق ليس ممكنا فحسب، بل هو أيضا فعال. إنها خطوة مهمة للتعاون الروبوتي في العالم الحقيقي، حيث تحتاج فرق الروبوتات إلى التنسيق، وتقسيم المهام، وتكييف الأدوار، والتفاعل بشكل ديناميكي، وليس فقط العمل كنسخ متطابقة. الكود مفتوح المصدر، ويدفع مختبر إسحاق أقرب لما تحتاجه الروبوتات فعليا: بيئات قابلة للتوسع وتعتمد على الفيزياء حيث يمكن للعديد من الروبوتات المختلفة أن تتعلم العمل معا. إليكم صفحة المشروع: ~~ ♻️ انضم إلى النشرة الأسبوعية للروبوتات، ولا تفوت أي أخبار →