Zobrazeno 1 - 6
of 6
pro vyhledávání: '"Hazara, Murtaza"'
Few-shot adaptation is a challenging problem in the context of simulation-to-real transfer in robotics, requiring safe and informative data collection. In physical systems, additional challenge may be posed by domain noise, which is present in virtua
Externí odkaz:
http://arxiv.org/abs/2010.08397
Modern reinforcement learning methods suffer from low sample efficiency and unsafe exploration, making it infeasible to train robotic policies entirely on real hardware. In this work, we propose to address the problem of sim-to-real domain transfer b
Externí odkaz:
http://arxiv.org/abs/1909.12906
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Although motor primitives (MPs) have been studied extensively, much less attention has been devoted to studying their generalization to new situations. To cope with varying conditions, a MP’s policy encoding must support generalization over task pa
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od_______661::c16df3ad7961b31f5174f6cca9d69631
https://aaltodoc.aalto.fi/handle/123456789/37806
https://aaltodoc.aalto.fi/handle/123456789/37806
Autor:
Hazara, Murtaza, Kyrki, Ville
Publikováno v:
2016 IEEE-RAS 16th International Conference on Humanoid Robots (Humanoids); 2016, p194-201, 8p
