Комбинирование Behavior Trees и ML подходов

Подходы к машинному обучению, такие как обучение с подкреплением или обучение на основе демонстрации, могут быть очень привлекательными для разработчиков ИИ, которые хотят, чтобы их агенты вели себя эффективно и реалистично. Однако эти алгоритмы редко обеспечивают гарантии безопасного решения данной задачи во всех различных ситуациях. Вместо этого такие гарантии часто легче найти для подходов, разработанных вручную на основе моделей.

В этой статье демонстрируется модульность деревьев поведения для расширения данной конструкции с помощью эффективного, но, возможно, ненадежного компонента машинного обучения таким образом, чтобы сохранить гарантии. Этот подход иллюстрируется примером перевернутого маятника.
Деревья поведения, которые гарантируют производительность с точки зрения безопасности и сходимости целей, могут быть расширены с помощью компонентов,разработанных с использованием машинного обучения, без ущерба для этих гарантий производительности.

#ML #BT

https://arxiv.org/pdf/1809.10283.pdf

3D-Machine-Learning

Обширнейшая и активно обновляемая подборка публикаций, курсов и датасетов по машинному обучению в отношении трёхмерных объектов.

#3D #mesh #ML
https://github.com/timzhang642/3D-Machine-Learning