はてなブログに投稿しました.Jax/Flax NNXで実装する深層強化学習②：PPOによるロボット犬の歩行学習 - どこから見てもメンダコ . 夏休みの自由研究としてUnitree社のロボット犬で大規模並列強化学習。ちょうど中国のヒト型ロボット運動会も盛況ですね.#はてなブログ.

RT @hillbig: 現代化学（2025年4月より連載中）の「AIによる計算化学の発展」の第2回「ニューラルネットワークポテンシャル」の記事を公開します（スレッドにリンクを貼ります）。.

自作PPOでGo1君の走行にようやく成功。初期実装では立つのがやっとだったが、「エントロピーボーナス付きTanhNormal方策」「SiLU活性化関数」「RunningStatsによる観測の正規化」で大幅に性能が向上した。やはり連続値コントロールは難しい.

Mujoco向けにPPOの実装中。こっちは方策関数をミスって生まれたての小鹿みたいになったGo1君

jaxの乱数管理、最初は面倒だったけど慣れるとすごい安心��。不確実性に由来するバグでも完全再現できるありがたさ.

tanh(Normal)の方策関数、暗黙知が多すぎ問題.

isaaclabのインストール難易度が高すぎる、起動しない.

RT @MSFTResearch: Today in the journal Science: BioEmu from Microsoft Research AI for Science. This generative deep learning method emulate….

はてなブログに投稿しました.Jax/Flax NNXで実装する深層強化学習：① DQN（Atari/Breakout） - どこから見てもメンダコ . Pytorchスタイルになって書きやすくなったFlaxの新API「NNX」でDQNを実装しました.#はてなブログ #強化学習 #jax #flax.

Jax/Flax.NNXでDQNを実装。NNXではPytorchの書き味とJaxのパフォーマンス＆スケーラビリティが両立されてていい感じ

RT @KarlPertsch: We’re releasing the RoboArena today!🤖🦾. Fair & scalable evaluation is a major bottleneck for research on generalist polici….

RT @hillbig: オフライン強化学習（環境と相互作用せず、収集済みデータから学習）を従来の1000倍規模のデータセットを用いて、困難なタスクが学習できるかを調査した….

RT @shizhediao: Does RL truly expand a model’s reasoning🧠capabilities? Contrary to recent claims, the answer is yes—if you push RL training….

RT @svlevine: Classifier-free guidance is an RL policy improvement operator in (very thin) disguise!. This makes it easier than ever to imp….

RT @xuandongzhao: 🚀 Excited to share the most inspiring work I’ve been part of this year:. "Learning to Reason without External Rewards"….

RT @MickeyKubo: Moai forumで以前やっていただいた講演資料をspeaker deckにあげていこうと思います。.

はてなブログに投稿しました.サンプル効率強化学習②：潜在世界モデルベース強化学習 - どこから見てもメンダコ #はてなブログ.

Reimplementation of EfficientZeroV2 (Atari Breakout 100K). While I couldn’t fully reproduce it due to limited computational resources, it still delivered impressive performance with just 100K frames — one of the most sample-efficient RL methods.

RT @yukez: We took a short break from robotics to build a human-level agent to play Competitive Pokémon. Partially observed. Stochastic. Lo….

はてなブログに投稿しました. 論文メモ：AI共同研究者による科学的発見の加速 - どこから見てもメンダコ #はてなブログ #AIエージェント.