Comments 14
Поздравляю!
Сингапур удивил, что даже с приглашением на конференцию такие сложности. Интересно, с чем это связано.
Мне один момент в начале не понятен. Вы пишете
с осени этого года — студент первого курса магистратуры Питерской Вышки по направлению «Программирование и анализ данных». Кроме того <...> веду занятия — лекции и практики — в бакалавриате Питерской Вышки.
Это разве нормально, что лекции бакалаврам читает магистр первого года? Практики там, лабораторные, это еще понятно (хотя с практиками, на самом деле, тоже не очень). Но лекции? Это какая-то распространенная модель в Вышке, или лично вы так выделяетесь?
Здравствуйте,
Ситуация с Сингапуром меня тоже очень удивила. Как я поняла, в этой стране еще очень много стереотипов, поэтому они редко выдают визы незамужним девушкам.
Практики — это помощь преподавателю в проверке домашних и практических работ; лекции — у нас есть возможность объявлять факультативные курсы по выбору, один из которых я и планирую провести. Речь не идет, конечно же, о том, что я веду у бакалавров лекции из основной сетки.
Ситуация с Сингапуром меня тоже очень удивила. Как я поняла, в этой стране еще очень много стереотипов, поэтому они редко выдают визы незамужним девушкам.
Практики — это помощь преподавателю в проверке домашних и практических работ; лекции — у нас есть возможность объявлять факультативные курсы по выбору, один из которых я и планирую провести. Речь не идет, конечно же, о том, что я веду у бакалавров лекции из основной сетки.
Интересно, с чем это связано.
скорее всего — 1) чтобы не было «импорта» невест, и 2) нелегальных хмхм эскорт-услуг.
А конференция попала в список блокирования — чтобы не было исключений…
Спасибо за статью. Интересно. Но ожидал увидеть видео вашего бегающего «робота».
Написано не очень понятно и стиль так себе.
Потенциальные функции отдельных частей тела строились с использованием обратных расстояний между соответствующей координатой части тела в видеогенерированных данных и робота-гуманоида.То есть чем больше похоже на видео, тем лучше?
Плюсую. Сыро и популистично. Почему Simbody? Почему три формулки на такую математичную работу? Ни строчки кода ни боле менее серьезного уравнения. Но главное — причем тут картинки бегунов? За начальный алгоритм сгодилось бы и тупое передвижение ногами. А если еще и обратную связь добавить от «гироскопа» — то такая модель и 5 метров запросто бы прошла и даже похоже на пьяного робота.
JetBrains Research это спонсирует? Мне хочется думать что просто плохая статья и в работе все это есть.
JetBrains Research это спонсирует? Мне хочется думать что просто плохая статья и в работе все это есть.
Здравствуйте,
В этой статье я, в первую очередь, хотела рассказать, как начала заниматься наукой: где меня этому научили, как я начала публиковать статьи и выступать на международных конференциях. Уместить и это, и подробное описание работы в одном посте практически невозможно, поэтому для интересующихся я дала ссылки на публикации: вот и вот. Если у вас есть какие-то конкретные вопросы, давайте обсудим.
Теперь отвечу на вопросы, которые вы уже задали:
Окружение OpenSim, использующее физический движок Simbody, я выбрала потому, что на данный момент это самое современное окружение, которое моделирует все кости и связки в теле человека. Однако из-за того, что это окружение такое подробное, многие стандартные алгоритмы обучения с подкреплением на нем не работают, и приходиться придумывать что-то новое. Например, обучение по демонстрациям.
Эмпирически заданные правила, такие как «тупое передвижение ногами», лишают модели возможности обучаться. Как я написала выше, было теоретически доказано, что вознаграждение, основанное на потенциальной функции, не ухудшает оптимальную политику. В то время как правила наподобие «соверши шаг левой ногой, затем правой» сильно ограничивают возможное поведение модели, из-за чего она не может найти оптимальную политику.
В этой статье я, в первую очередь, хотела рассказать, как начала заниматься наукой: где меня этому научили, как я начала публиковать статьи и выступать на международных конференциях. Уместить и это, и подробное описание работы в одном посте практически невозможно, поэтому для интересующихся я дала ссылки на публикации: вот и вот. Если у вас есть какие-то конкретные вопросы, давайте обсудим.
Теперь отвечу на вопросы, которые вы уже задали:
Окружение OpenSim, использующее физический движок Simbody, я выбрала потому, что на данный момент это самое современное окружение, которое моделирует все кости и связки в теле человека. Однако из-за того, что это окружение такое подробное, многие стандартные алгоритмы обучения с подкреплением на нем не работают, и приходиться придумывать что-то новое. Например, обучение по демонстрациям.
Эмпирически заданные правила, такие как «тупое передвижение ногами», лишают модели возможности обучаться. Как я написала выше, было теоретически доказано, что вознаграждение, основанное на потенциальной функции, не ухудшает оптимальную политику. В то время как правила наподобие «соверши шаг левой ногой, затем правой» сильно ограничивают возможное поведение модели, из-за чего она не может найти оптимальную политику.
Не понятно все равно. Что такое политика? Набор временных функций? Итерации естесственно по времени? Как зависит результат от выбора шага по времени? Почему вы говорите что вознаграждение стало основанно на потенциальной функции, предыдущее вознаграждение по пройденному расстоянию не работают в этом случае? Как пройденное расстояние зависит от выбора видео? Если вознаграждение определяет наилучший градиент на каждом шаге, то как быть с локальными максимумами и минимумами? Мы же меряем итоговое пройденное расстояние. Модель агента не имела массы выше таза? Что такое discount factor в статье, релаксационный параметр что-ли?
это самое современное окружение, которое моделирует все кости и связки в теле
Надо же… а мышцы моделирует? А что за параметры этих мышц? И что, вы там управляете каждой мышцей отдельно? Я просто понять не могу на чем акцент. Физический движок однозначно не самый лучший, к тому же полумертвый судя по датам на сайте. Карта скелета (кости, связки, мышцы) — тут вообще не физ движки надо смотреть а какие то медицинские ресурсы.
Эмпирически заданные правила, такие как «тупое передвижение ногами», лишают модели возможности обучаться
Введите всего лишь один параметр — длинна шага, и на этой задаче можно диссеры писать. Но скелеты и связки конечно наводят ореол крутости, вне сомнений.
ссылки на публикации: вот и вот
Посморел, на пару формул больше. Там даже есть интеграл ).
То есть чем больше похоже на видео, тем лучше?моя версия — т.к. «неправильно ходить» можно множеством способов, модель дополнительно штрафуется, если она ходит «не так как на видео» (или поощряется, если «похоже на видео, но все равно падает»)
3-ий снизу график, легенда. Человек, вероятно, бегущий, а не бугещий?
Работа очень крутая. Не ожидала такого от Сингапура. Берите трек на NIPS)
Здравствуйте,
Спасибо. А мы уже!
Команда JetBrains Research заняла в этом году 6 место в соревнование NeurIPS 2018: AI for Prosthetics Challenge.
И скоро должна выйти Competition book NeurIPS, в которой будет подробно описано как мы это сделали.
Спасибо. А мы уже!
Команда JetBrains Research заняла в этом году 6 место в соревнование NeurIPS 2018: AI for Prosthetics Challenge.
И скоро должна выйти Competition book NeurIPS, в которой будет подробно описано как мы это сделали.
Sign up to leave a comment.
Как я научила робота бегать по видео с YouTube