Recherche sur la génération de réponses empathiques dans les systèmes de dialogue d’intelligence artificielle Contexte académique Avec le développement rapide des technologies de l’intelligence artificielle, les systèmes de dialogue en domaine ouvert (open-domain dialogue systems) sont progressivement devenus un sujet de recherche chaud. Ces systèm...
Recherche sur la navigation coopérative en environnement hybride multi-agents : Une nouvelle méthode d’apprentissage par renforcement basée sur l’apprentissage relationnel par graphe La technologie des robots mobiles connaît un essor grâce au développement du domaine de l’intelligence artificielle, la capacité de navigation restant l’un des axes de...
Étude sur le contrôle optimisé de l’apprentissage par renforcement en temps fixe pour les systèmes non linéaires appliqué au pilote automatique des navires intelligents Ces dernières années, la technologie de conduite autonome intelligente est devenue un sujet brûlant dans le domaine de la commande automatisée. Dans les systèmes non linéaires compl...
Rapport de dynamique scientifique : Q-Cogni — Un cadre intégré d’apprentissage par renforcement causal Ces dernières années, les avancées rapides de l’intelligence artificielle (IA) ont conduit les chercheurs à explorer en profondeur la construction de systèmes d’apprentissage par renforcement (Reinforcement Learning, RL) plus efficaces et explicab...
Revue des recherches sur le traitement des infections pulmonaires avec de nouveaux dérivés de coumarine Contexte Avec l’augmentation continue de la résistance aux antibiotiques, en particulier le problème de la résistance d’Acinetobacter baumannii aux antibiotiques, les chercheurs du monde entier ont commencé à chercher de nouveaux agents antimicro...
Comparaison des expériences et des préférences économiques fondamentales de 11 pays Contexte et motivation Des recherches récentes montrent que l’encodage de la valeur des récompenses chez l’humain dépend fortement du contexte, ce qui peut parfois conduire à des décisions sous-optimales. Cependant, il n’est pas clair si cette limitation computation...
Exploration du Contrôle des Robots Sensibles au Risque Basée sur le Mécanisme d’Auto-Attention Contexte de la Recherche La cinématique et la dynamique dans le contrôle des robots sont des facteurs clés pour garantir l’accomplissement précis des tâches. La plupart des schémas de contrôle des robots reposent sur divers modèles pour optimiser les tâch...
Contexte et objectifs de l’étude L’apprentissage par renforcement (Reinforcement Learning, RL) est devenu ces dernières années un domaine dynamique et transformationnel de l’intelligence artificielle, avec pour objectif de maximiser la récompense cumulative grâce à l’interaction entre un agent et son environnement. Cependant, l’application du RL da...
Marche de Robot Humanoïde dans le Monde Réel Basée sur l’Apprentissage Renforcé Introduction Les robots humanoïdes ont un potentiel énorme à opérer de manière autonome dans des environnements diversifiés, ce qui peut non seulement réduire la pénurie de main-d’œuvre dans les usines, mais aussi aider les personnes âgées à domicile et explorer de nouv...
Introduction Ces dernières années, l’apprentissage par renforcement (Reinforcement Learning, RL) a montré son efficacité dans la résolution de diverses tâches complexes. Cependant, de nombreux problèmes de décision et de contrôle du monde réel impliquent plusieurs objectifs conflictuels. L’importance relative de ces objectifs (préférences) doit êtr...