会话

高保真模拟:AI Real-World路径

替换为 Ashish Kapoor

开发并测试实际 AI 是一个昂贵且耗时的过程。 机器学习是使这些系统能够在不确定性下运行的关键组件之一。 但是,为了利用机器智能和深度学习的最新进展,我们需要收集各种条件和环境中大量带批注的训练数据。 此外,此类数据驱动系统还远非完美,可能会导致故障情况损害安全性。 在此研讨会中,我们将探讨高保真模拟如何帮助我们缓解其中一些问题。 我们将讨论这种近乎真实的模拟如何不仅有助于收集训练,还可以嵌入到学习或强化学习循环中,以提高样本复杂性。 我们的讨论将围绕 AirSim(一种基于 Unreal Engine 构建的开源模拟器)进行,它提供物理和视觉上真实的模拟。