English
邮箱
联系我们
网站地图
邮箱
旧版回顾



www.ii918.com:地学学院与俄克拉荷马州立大学深化合作工作座…

文章来源:www.ii918.com    发布时间:2018年07月21日 21:37  【字号:      】

www.ii918.com

德国总理默克尔到访深圳,优必选Qrobot Alpha亮相吸睛

在揭幕仪式现场,优必选Qrobot Alpha机器人不仅与德国总理默克尔同框,还受到了她的特别关注,这款机器人让默克尔总理爱不释手。

图2-德国总理默克尔被优必选Qrobot Alpha机器人吸引

图3-德国总理默克尔目光“锁定”优必选Qrobot Alpha机器人

1970-1973年 解放军三十八军一一二师高炮团五七营二连战士、副班长

1973-1979年 北京无线电厂工人,团委干事、书记

1979-1983年 中国人民大学二分校工业经济系工业经济管理专业学习

此外,货拉拉等同城货运平台除了受到上述压力外,来自巨头的压力亦不可忽视。目前顺丰、云鸟配送、四通一达等巨头都或多或少涉及到同城货运领域。总而言之,同城货运市场不等同于打车市场,比打车市场更加细分、更为复杂。在同质化的同城货运模式和货源紧缺、司机收入越来越低等痛点尚未得到解决之前,想凭借互联网+货运平台模式突围的货拉拉,依旧要面对不少自身“是非”问题。

同城货运是非多,回归服务并非货拉拉的定心丸?

内困不解,货拉拉或难以构建起抵御外敌的堡垒

同城货运市场上存在的问题限制着货拉拉在市场上的快速发展,同时,货拉拉自身存在的问题也是拦路虎,如果不解决好内困,那么货拉拉将难以构建起抵御外敌的堡垒。

其一,运力缺陷。目前同城货运在电商、新零售的影响下,趋向于标准化、复杂化、多样化的货运需求,对于这样的货运需求,目前货拉拉可能将难以胜任。一来,同城货运市场的企业级服务大多数来自于定制服务,对于加盟司机而言,定制服务比非标服务辛苦,价格上比非定制服务低,这间接促使平台上的加盟司机倾向于做非定制化的货运,从而造成货拉拉在企业级服务运力上的缺失;二来,平台长期一贯采取共享运力模式的随机性和不稳定性,也难以满足复杂化、多样化的货运需求。

针对此问题,2018年货拉拉年度战略里有一条关于合作购车的条例,此条例如果能成功实施,能在一定程度上解决货拉拉同城货运合规车辆的问题,也能以自营模式补充平台运力,用以满足未来行业复杂的运力需求。只不过在2018年期间,货拉拉的合作构车业务只局限在成都、西安、杭州、上海、北京等8座城市,尚未在全部的114个城市全面铺开来,因而运力缺陷将是今后货拉拉急需要完善的一个方面。

南国都市报10月21日讯(记者 易帆)18日,“公共数字文化 助力精准脱贫”文化活动在昌江大仍村文体活动室举办。大仍村是一个少数民族山村,文体活动室由省文体厅、昌江文体局依据当地的黎族特色筹划建设,并于活动当天试运行。文体活动室主体分为图书阅览室、报刊阅览室、电子阅览室和多功能室。

活动当天,大仍村村民通过公共数字文化精准扶贫文化一体机观看了十九大开幕会直播,现场学习了公共文化一体机的使用方法等。本论文研究者认为解决该问题的关键在于通信,这可以增强策略间的协调。MARL 中有一些学习通信的方法,包括 DIAL [3]、CommNet [23]、BiCNet [18] 和 master-slave [7]。然而,现有方法所采用的智能体之间共享的信息或是预定义的通信架构是有问题的。当存在大量智能体时,智能体很难从全局共享的信息中区分出有助于协同决策的有价值的信息,因此通信几乎毫无帮助甚至可能危及协同学习。此外,在实际应用中,由于接收大量信息需要大量的带宽从而引起长时间的延迟和高计算复杂度,因此所有智能体之间彼此的通信是十分昂贵的。像 master-slave [7] 这样的预定义通信架构可能有所帮助,但是它们限定特定智能体之间的通信,因而限制了潜在的合作可能性。

学界|北京大学提出注意力通信模型ATOC,助力多智能体协作

为了解决这些困难,本论文提出了一种名为 ATOC 的注意力通信模型,使智能体在大型 MARL 的部分可观测分布式环境下学习高效的通信。受视觉注意力循环模型的启发,研究者设计了一种注意力单元,它可以接收编码局部观测结果和某个智能体的行动意图,并决定该智能体是否要与其他智能体进行通信并在可观测区域内合作。如果智能体选择合作,则称其为发起者,它会为了协调策略选择协作者来组成一个通信组。通信组进行动态变化,仅在必要时保持不变。研究者利用双向 LSTM 单元作为信道来连接通信组内的所有智能体。LSTM 单元将内部状态(即编码局部观测结果和行动意图)作为输入并返回指导智能体进行协调策略的指令。与 CommNet 和 BiCNet 分别计算内部状态的算术平均值和加权平均值不同,LSTM 单元有选择地输出用于协作决策的重要信息,这使得智能体能够在动态通信环境中学习协调策略。

研究者将 ATOC 实现为端到端训练的 actor-critic 模型的扩展。在测试阶段,所有智能体共享策略网络、注意力单元和信道,因此 ATOC 在大量智能体的情况下具备很好的扩展性。研究者在三个场景中通过实验展示了 ATOC 的成功,分别对应于局部奖励、共享全局奖励和竞争性奖励下的智能体协作。与现有的方法相比,ATOC 智能体被证明能够开发出更协调复杂的策略,并具备更好的可扩展性(即在测试阶段添加更多智能体)。据研究者所知,这是注意力通信首次成功地应用于 MARL。

图 1:ATOC 架构。

图 2:实验场景图示:协作导航(左)、协作推球(中)、捕食者-猎物(右)。




(责任编辑:夜蕾)

附件:

专题推荐

相关新闻


© 1996 - 2017 中国科学院 版权所有 京ICP备05002857号  京公网安备110402500047号 

网站地图    地址:北京市三里河路52号 邮编:100864