从能训练到可验证：无人具身智能Sim2Real工程实践与可信验证
具身智能走向真实场景，但算法“能训练”不等于“可验证”：仿真真机脱节、迭代周期长、试错成本高，是无人智能科研瓶颈。飞思实验室以全栈自研技术为核心，构建以RflySim、天枢产品体系为代表的核心技术底座。
大学生的 AI 通识课⑧｜损失函数与梯度下降：蒙着眼睛下山
来源：市场资讯（来源：图灵人工智能）转自Eureka Moments，仅用于学术分享，如有侵权留言删除报道上一篇《过拟合与欠拟合：死记硬背与学得太浅》讲了模型为什么会“学过头”或“学得太浅”。
教程上新丨强化学习仿真：Legged Gym 框架结构及奖励函数设计思路
强化学习在腿足机器人控制中的开发门槛极高，开发者过去往往要耗费大量精力去手写和调试底层算法。为了打破这一瓶颈，由 ZZS 开发、基于 Isaac Gym 构建的 Legged Gym 仿真框架应运而生。Legged Gym 的核心设计理念可以概括为「化繁为简」。
什么是梯度下降？和机器学习有何关系？
梯度下降可能停在某个局部低点，也可能在平坦区域移动得非常缓慢。因此实际中还会使用：动量法；AdaGrad；RMSProp；Adam；这些方法本质上仍然是梯度下降，只是在“往哪个方向走”和“每一步走多远”上进行了改进。
放弃复刻波士顿动力！工程师开源造AI蜘蛛：一起来做机器人
作者：伯衡君开源做机械蜘蛛？太神奇了吧概述有位工程师想学着波士顿动力造机器人，但他没去碰人形机和四足狗——那俩太卷了。他挑了台机器：四足蜘蛛，代号 SpdrBot。目标是先在仿真环境里用强化学习教会它走路，再把训练成果搬到一台真机上。
越览（266）——精读博士论文1.2 (2)、1.3 和1.4 主要创新点
分享兴趣，传播快乐，增长见闻，留下美好。亲爱的您，这里是LearningYard学苑！今天小编为大家带来“越览（266）——精读博士论文《基于三支决策理论的不确定性多属性三支群体决策方法研究》的1.2 国内外研究现状分析（2）、1.3 研究内容与论文结构和1.
晕车是因为身体太强？真相来了，其实是信号在大脑里“打架”！
网上有个说法很火，认为晕车的人是因为身体太强了，不晕车的人是因为内耳前庭比较迟钝。最近，网上有一种流传甚广的说法称“晕车是因为身体太强，不晕车反而是内耳前庭比较迟钝”，但事实上，晕车与身体强弱并没有直接关联，想要搞清楚为什么会晕车，首先要从大脑处理各种感觉信号的机制说起。
哈佛重磅研究：AI凭人脸照片，就能预测癌症患者死亡风险
哈佛附属的马萨诸塞州总医院百瀚癌症研究所，在《柳叶刀·数字健康》上发布了一项突破性研究。该研究的通讯作者、放射肿瘤学家Raymond Mak坦言:「我们在医学院接受的训练是，走进病房，看一眼病人，在心里评估一下他们有多健康、多虚弱或病得多重。