两种常见的顺序决策方法是人工智能规划 (AIP) 和强化学习 (RL)。每种方法都有优点和缺点。AIP 具有可解释性,易于与符号知识集成,并且通常很高效,但需要预先指定逻辑域,并且对噪声敏感;RL 只需要指定奖励,并且对噪声具有鲁棒性,但样本效率低下,不易获得外部知识。我们提出了一种将高级规划与 RL 相结合的综合方法,保留了可解释性、迁移和效率,同时允许对低级规划操作进行鲁棒学习。我们的方法通过在 AI 规划问题的状态转换模型和马尔可夫决策过程 (MDP) 的抽象状态转换系统之间建立对应关系,从 AIP 运算符定义分层强化学习 (HRL) 中的选项。通过添加内在奖励来学习选项,以鼓励 MDP 和 AIP 转换模型之间的一致性。我们通过比较 MiniGrid 和 N 室环境中 RL 和 HRL 算法的性能来展示我们的集成方法的优势,展示了我们的方法相对于现有方法的优势。
案例研究、比较、统计数据、研究和建议均按“原样”提供,仅供参考,不应作为运营、营销、法律、技术、税务、财务或其他建议的依据。Visa Inc. 不对本文件中信息的完整性或准确性作出任何保证或陈述,也不承担因依赖此类信息而产生的任何责任或义务。本文中包含的信息不作为投资或法律建议,鼓励读者在需要此类建议时寻求有能力的专业人士的建议。在实施任何新战略或做法时,您应咨询您的法律顾问,以确定哪些法律和法规可能适用于您的具体情况。任何建议、计划或“最佳实践”的实际成本、节省和收益可能会因您的特定业务需求和计划要求而异。就其性质而言,建议并非未来业绩或结果的保证,并且受难以预测或量化的风险、不确定性和假设的影响。所有品牌名称、标识和/或商标均为其各自所有者的财产,仅用于识别目的,并不一定表示产品认可或与 Visa 有关联。
顾问 Naphtali Knox & Associates - 规划经理 Michael Fornalski - 报告格式、图形、地图设计、社区与环境 - 环境影响报告、公共安全 Joyce Associates - 岩土环境合作 - 生物资源 Clearwater Hydrology - 水文与水质 Orion Environmental Associates - 危险材料 Donald Ballanti - 空气质量 Fehr & Peers Associates - 交通 Brown-Buntin Associates - 噪音 Mogavero Notestine Associates - 文化资源与城市设计 经济与规划系统 - 经济与财政 社区设计与规划服务、加州大学戴维斯分校 - 公共宣传 Jeffery Baird - 工作计划 Daniel Iacofano - 会议协助 Russ Clifton - 会议视频
Brian Drake 是国防情报局未来能力与创新办公室的人工智能主任。他领导该机构的人工智能研究和开发投资组合。作为一名分析师,他领导多个团队应对来自国家和非国家行为者的威胁,涉及技术、反情报和禁毒主题。他曾担任德勤咨询公司的经理和托夫勒联合公司的管理顾问,专门为商业和政府客户提供战略规划、业务发展、合作咨询、技术和创新服务。他还曾担任系统规划和分析公司的军事平台和政策分析师以及 DynCorp 的核武器计划分析师。他拥有默瑟大学的文学学士学位和乔治城大学的硕士学位。除了他的官方职责外,他还是国防情报纪念基金会的总裁兼首席执行官;为阵亡国防情报官员的子女设立的奖学金基金。
III. 投资组合评估标准 可靠性应被视为建模输入约束,而不是单独的评估指标。规划储备金 (PRM) 与资源充足性 (RA) 计划相结合,是委员会确保维持系统可靠性水平的机制。在系统分析中,每个资源投资组合应包含足够的资源水平以满足 PRM 要求,目前为峰值需求的 15-17%。4 虽然 IOU 也可以选择计算和报告可靠性指标(例如负载损失概率),或定性评估给定投资组合在 PRM 之上的可靠性效益,但委员会不鼓励在 PRM 程序(R.08-04-012 或其后续版本)之外评估可靠性效益。IOU 或任何其他受访者提交的所有资源计划应评估并记录每个投资组合在成本、风险和温室气体排放指标方面的绩效。这些 2 可能的例外是机密的市场价格数据,可以合理地用公共工程或市场价格数据替代。 3 我们认为,能源司制定的可再生能源发电方案是根据透明且经过审查的方法制定的。但是,如指导原则 B 所述,将商业活动反映在可再生能源发电组合中是有好处的。因此,这些方案包括一些汇总的机密信息
专家系统一方面将允许决策者越来越自动化或由非专业人员控制,另一方面将通过及时提供信息和快速评估替代战略大大扩展军事指挥官的能力。在个人面临人身危险的情况下,此类设施变得更加重要。现在,计算机架构有望通过使用并行处理和系统网络等技术来促进高速处理甚至“彼得”量的数据。
实习飞行软件、计算机视觉和人工智能瑞士苏黎世公司:Daedalean 是一家总部位于苏黎世的初创公司,由前谷歌和 SpaceX 工程师创立,他们希望在未来十年内彻底改变城市航空旅行。我们结合计算机视觉、深度学习和机器人技术,为飞机开发最高级别的自主性(5 级),特别是您可能在媒体上看到的电动垂直起降飞机。如果您加入我们的实习,您将有机会与经验丰富的工程师一起工作,他们来自 CERN、NVIDIA、伦敦帝国理工学院或……自治系统实验室本身。您将构建塑造我们未来的尖端技术。最重要的是,我们还提供在瑞士阿尔卑斯山试飞期间加入我们飞行员的机会。项目:不同团队提供机会。我们想更多地了解您,以及如何让您的实习成为双方宝贵的经历。告诉我们你一直在做什么,以及你想在我们的团队中从事什么工作。它与深度学习有关吗?状态估计?运动规划?计算机视觉?或者别的什么?向我们展示你的热情所在。如果我们可以在你想从事的领域提供指导和有趣的机会,我们将一起敲定细节。资格: 强大的动手 C++ 证明解决问题的能力 如何申请: 将您的简历/履历发送至 careers@daedalean.ai 。请告诉我们一些关于您自己的信息,为什么您认为自己适合我们以及为什么我们适合您。
1996 年 3 月 1 日 — 陆军数字化采购战略,日期:1994 年 11 月 30 日。陆军数字化总体规划 95,日期:1995 年 1 月 30 日。陆军数字化办公室活动……
