配备四足机器人的机器人提供了独特的机车操作功能，从而实现了多样化的实用应用。这种集成产生了一个更复杂的系统，该系统在建模和控制方面遇到了增加的困难。强化学习（RL）提供了一种有希望的解决方案，可以通过互动来学习最佳控制政策来应对这些挑战 ...
在单个政策中学习全身控制和手臂动作的全身控制面临挑战，因为这两个任务具有相互矛盾的目标。例如，有效的运动通常有利于水平基础方向，而最终效应器跟踪可能会受益于基础倾斜以扩展可及性。此外，使用基于姿势的任务规范的当前增强学习（RL）方法缺乏直接控制最终效应速度的能力，使得顺利执行轨迹非常具有挑战性 ...
针对人形机器人的机车操作旨在使机器人能够将移动性与上身跟踪功能相结合。大多数现有的方法采用分层体系结构将控制分解为孤立的上身（操纵）和下体（运动）策略。尽管这种分解降低了训练的复杂性，但它固有地限制了子系统之间的协调，并与人类所表现出的统一的全身控制相矛盾 ...
人形机器人在日常任务中显示出巨大的潜力。但是，基于增强学习的运动策略通常由于SIM到现实的动态差距而经常遭受稳健性降解，从而影响了真实机器人的敏捷性。在这项工作中，我们提出了一种新颖的健壮对抗训练范式，旨在增强人类运动政策在现实世界中的稳健性 ...
我们描述了研究基本思想，以建立和理解人为智能的系统：从统计学习的符号方法到依赖因果关系概念的介入模型。机器学习和AI的一些硬开放问题与因果关系本质上相关，进步可能需要我们对如何从数据建模和推断因果关系的理解 ...
大型语言模型（LLMS）已证明了它们在各个领域的强大功能，并且最近已集成了图形分析作为图形语言模型（GLM）。以LLM作为预测指标，有些GLM可以解释自然语言所描述的看不见的任务，并从提示中的一些示例中学习，而无需参数调整（称为封闭式学习（ICL））。 GLM的另一个子集利用丰富的训练标签来增强模型性能，称为指令调整 ...
台湾中国研究（CS）已发展为一个由独特的地缘政治地位和与中国大陆的长期学术参与所塑造的丰富的跨学科研究领域。这项研究回应了日益增长的需求，以系统地重新审视和重组数十年的基于台湾的CS奖学金，通过提出一种AI辅助方法，将非结构化的学术文本转变为结构化的交互式知识表示。我们应用生成AI（GAI）技术和大型语言模型（LLMS）来提取和标准化实体关系三元，从1996年至2019年之间发表的1,367个同行 ...
零样本语音转换（VC）旨在将源说话人的音色转换为任意看不见的音色，而不改变原始语音。零样本 VC 方法的最新进展已经显示出显着的进步，在方面仍然存在很大的改进潜力为了提高说话者的相似度和语音，本文提出了 Takin-VC，一种基于联合混合内容和记忆增强上下文感知音色建模的新型零样本 VC 框架来应对这一挑战。具体来说，首先提出了一种有效的混合内容编码器，以神经编解码器训练为指导，利用预先训练的 W ...
