Sergey Levine

Physical Intelligence va UC Berkeley

Lý do theo dõi: Hoc cho robot

Biến động nhân sự

Chưa có biến động nhân sự.

Bài báo

Bài báo2026-10-06 · arXiv (Cornell University)

Làm rõ mối quan hệ giữa khả năng kiểm soát môi trường và độ trung tâm cấu trúc trong tác nhân trí tuệ nhân tạo

The Geometry of Empowerment

Sergey Levine và 3 người khác

Nội dung: Các nhà nghiên cứu đã tiết lộ mối quan hệ giữa sự trao quyền, nghĩa là khả năng của tác nhân AI trong việc kiểm soát môi trường xung quanh, và độ trung tâm cấu trúc, yếu tố mang lại khả năng tiếp cận rộng rãi với các kết quả trong tương lai.
Kết quả chính: Đề xuất một cấu trúc hình học mới có thể giải thích và phân tích điều này bằng cách kết nối việc tối đa hóa sự trao quyền với các phương pháp học kỹ năng.
Ý nghĩa: Cung cấp những hàm ý lý thuyết cần thiết để xây dựng các phương pháp tối đa hóa sự trao quyền có khả năng mở rộng.Tóm tắt AI

Agent & lập trình

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Bài báo2026-10-05 · arXiv (Cornell University)

Phát triển tiêu chuẩn mới nghiên cứu hiện tượng công nghệ sao chép hành vi của trí tuệ nhân tạo

Behavioral Cloning Mystery

Sergey Levine và 1 người khác

Nội dung: Đề xuất OCBench, một công cụ đánh giá thao tác robot có các đặc điểm tương tự như sự thị phạm của con người.
Kết quả chính: Cho thấy công cụ này cho phép nghiên cứu khoa học về các hiện tượng khác nhau liên quan đến việc sao chép hành vi và kiểm định các giả thuyết trong môi trường dựa trên đơn vị xử lý đồ họa (GPU).
Ý nghĩa: Cung cấp nền tảng để phân tích các hiện tượng từng có nguyên nhân không rõ ràng trong công nghệ học tập của robot trong một môi trường được kiểm soát.Tóm tắt AI

Robot & AI vật lý

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Bài báo2026-08-24

Công nghệ học cách hành động trong lúc robot suy nghĩ

Learning to Act While Waiting: RL Finetuning of Generalist Robot Policies Under Inference Latency

Sergey Levine và 19 người khác

Nội dung: Các nhà nghiên cứu đã phát triển ARLI, một khung học tăng cường nhận thức độ trễ nhằm giải quyết các vấn đề phát sinh do thời gian suy nghĩ (độ trễ suy luận) của các mô hình robot.
Kết quả chính: Phương pháp mới này cho phép robot tiếp tục học tập thành công ngay cả trong môi trường có độ trễ, cho thấy hiệu suất tương đương hoặc vượt trội hơn môi trường lý tưởng không có độ trễ.
Ý nghĩa: Nó mở ra khả năng giúp AI robot phức tạp và khổng lồ tự chủ cải thiện hiệu suất trong môi trường thực tế mà không bị đơ hay giật hình.Tóm tắt AI

Hiệu quả suy luận Robot & AI vật lý

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Bài báo2026-08-03

Làm sáng tỏ lý do tại sao gom nhóm hành động (action chunking) cải thiện hiệu suất điều khiển robot

Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control?

Sergey Levine và 5 người khác

Nội dung: Thông qua các thí nghiệm, nghiên cứu đã phân tích nguyên nhân cải thiện hiệu suất của kỹ thuật 'gom nhóm hành động', trong đó điều khiển robot dự đoán và thực thi nhiều hành động cùng một lúc.
Kết quả chính: Nghiên cứu cho thấy các giả thuyết trước đây là sai, tiết lộ rằng yếu tố thành công cốt lõi của việc gom nhóm hành động là hiệu ứng 'ensemble ẩn (implicit ensembling)' học hỏi các mối quan hệ thời gian đa dạng, đồng thời đề xuất một chính sách mới tận dụng điều này.
Ý nghĩa: Bằng cách khám phá ra các yếu tố chính nâng cao hiệu suất của công nghệ điều khiển robot, nghiên cứu cung cấp nền tảng lý thuyết cho việc phát triển các mô hình học tập robot hiệu quả trong tương lai.Tóm tắt AI

Robot & AI vật lý

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Bài báo2026-06-11 · arXiv.org

Phát triển công nghệ mới giúp định hướng hành vi của robot chính xác hơn

Improving Robotic Generalist Policies via Flow Reversal Steering

Sergey Levine và 4 người khác

Nội dung: Để cải thiện hiệu suất của các chính sách robot tổng quát được huấn luyện trên nhiều tập dữ liệu robot khác nhau, một phương pháp gọi là Flow Reversal Steering (FRS), giúp biến đổi các hành động chưa tối ưu thành hành động tốt hơn, đã được đánh giá trong các thiết lập điều khiển.
Kết quả chính: Việc sử dụng FRS có thể chuyển đổi các chỉ dẫn sơ lược từ con người hoặc mô hình thị giác-ngôn ngữ thành hành vi robot tốt, cho thấy mức cải thiện tỷ lệ thành công nhiệm vụ tuyệt đối lên tới 95% chỉ với chưa đầy 1 phút huấn luyện.
Ý nghĩa: Điều này cho thấy tiềm năng giúp robot thực hiện tốt hơn các tác vụ mới bằng cách tận dụng các chỉ dẫn của con người hoặc các kỹ thuật hiện có.Tóm tắt AI

Robot & AI vật lý

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Trang này tổng hợp các bài báo đã công bố, thông báo chính thức và tin báo chí chỉ nhằm mục đích cung cấp thông tin. Tóm tắt do AI viết dựa trên phần tóm tắt của bài báo và được biên tập viên kiểm tra; có thể khác bản gốc, vì vậy hãy kiểm tra bản gốc cho các nội dung quan trọng. Đây không phải khuyến nghị mua bán chứng khoán hay tư vấn đầu tư. Biến động nhân sự ghi nguồn từ thông báo chính thức hoặc báo chí lớn; một phần lý lịch tham khảo Wikidata (CC0). Các bản tóm tắt trên trang này được AI dịch từ bản tiếng Hàn đã được biên tập viên kiểm tra.