科研进展-北京大学人工智能研究院

科学研究

首页 >> 科学研究 >> 科研进展

人工智能研究院杨耀东课题组提出去中心化高效多智体强化学习方法

近日，北京大学人工智能研究院助理教授杨耀东课题组及合作团队在人工智能顶级学术期刊Nature Machine Intelligence上发表题为“Efficient and scalable reinforcement learning for large-scale network control”的论文。论文提出的基于模型的去中心化策略优化方法取得重大突破。这一成果首次在多智能体系统中实现了高效的去中心化协同训练和决策，显著提升了人工智能决策模型在大规模多智能体系统中的扩展性和适用性。论文截...

2024-09-14

彭一杰课题组提出一种解决大规模决策问题的高效蒙特卡洛树节点选择策略

近期，北京大学光华管理学院管理科学与信息系统系副教授、人工智能研究院多智能体与社会智能中心执行主任彭一杰课题组以“An Efficient Node Selection Policy for Monte Carlo Tree Search with Neural Networks”为题的文章被运筹与管理科学领域高水平期刊Informs Journal of Computing接受。近年来，智慧化运营管理、制造业及机器人控制等领域正面临着日益增多的大规模决策挑战。这些挑战的核心在于如何在庞大的动作空间中精...

2024-08-25

人工智能研究院朱毅鑫课题组及合作者在示范解决一类物体的强泛化灵巧操作方面取得进展

人类与环境的交互以手作为媒介来完成，通过手进行各种操作对我们来说习以为常且必不可少。机器人和环境的交互的媒介是末端执行器（End Effector）——它可以是一个夹子、一个吸盘，也可以和人类一样，是一双灵巧手（Dexterous Hand）。教会机器人使用灵巧手意义重大，因为机器人需要一个和人类似的手才可以使用各种专为人类设计的工具，融入人类的生活环境。然而到目前为止，用灵巧手操作（甚至是抓取）物体仍是一个亟待解决的...

2024-07-17

人工智能研究院朱毅鑫团队及其合作者在人物-场景交互动作生成方面取得重要进展

近日，北京大学人工智能研究院朱毅鑫助理教授团队与北京通用人工智能研究院黄思远研究员团队联合在CVPR2024会议上发表了题为“Scaling Up Dynamic Human-Scene Interaction Modeling”的论文。该研究聚焦于人与场景交互的动作生成问题，在建模、方法和训练数据方面均有创新贡献。作者们提出了一种使用自回归条件扩散模型的动作生成框架，实现了丰富、真实且无长度限制的人体动作生成。通过引入一种局部场景表征方法，高效地将场...

2024-07-15

北京大学团队“AI+人文”跨学科研究取得标志性成果

由北京大学人工智能研究院支持、北京大学数字人文研究中心研究并设计、北京大学王选计算机研究所参与研发的有关定量文化分析系统的研究论文登上Nature旗下唯一人文社科期刊Humanities and Social Sciences Communications。该项研究的发表与介绍核心算法的研究论文在该刊的发表相距不到一年。两篇论文的详细信息如下：Evol project: a comprehensive online platform for quantitative analysis of ancient literature Jun Wan...

2024-03-25

首页上页12345...14下页尾页