Семинары
Центра когнитивного моделирования
Первая серия семинаров, которую организует наш Центр, будет посвящена обучению с подкреплением (RL). В этой серии рабочих семинаров сотрудники лаборатории когнитивных динамических систем совместно с приглашенными гостями расскажут о своих текущих проектах и исследованиях.
Приглашаем вас подключиться к обсуждению текущих SOTA методов и алгоритмов в области Reinforcement Learning!
Приглашаем вас подключиться к обсуждению текущих SOTA методов и алгоритмов в области Reinforcement Learning!
График
ICLR 2020 & Machines Can See 2020
Вт, 30 Июня 18:00
Александр Панов, Алексей Ковалев и Дмитрий Юдин, Центр Когнитивного Моделирования МФТИ
Александр Панов проведет краткий обзор прошедшей конференции ICLR 2020, - о том как она проходила, а также разберут некоторые работы и статьи по теметике Reinforcement Learning. Алексей Ковалев расскажет нескольких статей с рассуждениями по видео, картинкам и текстам.
Во второй части Дмитрий Юдин сделает небольшой доклад о прошедшем саммите Machines Can See, посвященному идеям и тенденциями в области компьютерного зрения и машинного обучения.
Александр Панов, Алексей Ковалев и Дмитрий Юдин, Центр Когнитивного Моделирования МФТИ
Александр Панов проведет краткий обзор прошедшей конференции ICLR 2020, - о том как она проходила, а также разберут некоторые работы и статьи по теметике Reinforcement Learning. Алексей Ковалев расскажет нескольких статей с рассуждениями по видео, картинкам и текстам.
Во второй части Дмитрий Юдин сделает небольшой доклад о прошедшем саммите Machines Can See, посвященному идеям и тенденциями в области компьютерного зрения и машинного обучения.
Augmentation Reinforcement Learning
Вт, 23 Июня 18:00
Александра Рак, ВШЭ
Рассказ будет посвящен исследованию применения аугментации изображений в задачах обучения с подкреплением. Анализ проводится на основе model-free off-policy алгоритма Rainbow. В качестве регуляризации рассматривается аугментация кадров игры как состояний среды в момент сэмплирования данных из буфера воспроизведения. В роли техник аугментации наблюдаются рандомизированное изменение контраста изображения, закрашивание случайных прямоугольников, вырезание фрагмента с дополнением размера до исходного. Исследования проводятся на средах игр Atari Breakout, Space Invaders и Wizard of Wor. Для некоторых типов аугментаций получены результаты, подтверждающие ускорение сходимости модели.
Александра Рак, ВШЭ
Рассказ будет посвящен исследованию применения аугментации изображений в задачах обучения с подкреплением. Анализ проводится на основе model-free off-policy алгоритма Rainbow. В качестве регуляризации рассматривается аугментация кадров игры как состояний среды в момент сэмплирования данных из буфера воспроизведения. В роли техник аугментации наблюдаются рандомизированное изменение контраста изображения, закрашивание случайных прямоугольников, вырезание фрагмента с дополнением размера до исходного. Исследования проводятся на средах игр Atari Breakout, Space Invaders и Wizard of Wor. Для некоторых типов аугментаций получены результаты, подтверждающие ускорение сходимости модели.
NeurIPS 2020 RL Challenges & Flatland Competition
Вт, 16 Июня 18:00
Константин Яковлев и Алексей Скрынник, Центр Когнитивного Моделирования МФТИ
Совсем скоро начнутся соревнования на NeurIPS 2020. В прошлом году наш Центр и RL Community активно принимали в них участие. Настала пора выбрать новые! В начале семинара Алексей Скрынник сделает обзор тех из них, что относятся к теме Reinforcement Learning.
Во второй части Константин Яковлев расскажет об опыте участия в соревновании Flatland (JelDor Team, 3rd place), которое проходит и в этом году, где задачей было построить мультиагентную систему, способную автоматически координировать между собой поезда с целью минимизиции задержек в больших сетях.
https://www.aicrowd.com/challenges/flatland-challenge
Константин Яковлев и Алексей Скрынник, Центр Когнитивного Моделирования МФТИ
Совсем скоро начнутся соревнования на NeurIPS 2020. В прошлом году наш Центр и RL Community активно принимали в них участие. Настала пора выбрать новые! В начале семинара Алексей Скрынник сделает обзор тех из них, что относятся к теме Reinforcement Learning.
Во второй части Константин Яковлев расскажет об опыте участия в соревновании Flatland (JelDor Team, 3rd place), которое проходит и в этом году, где задачей было построить мультиагентную систему, способную автоматически координировать между собой поезда с целью минимизиции задержек в больших сетях.
https://www.aicrowd.com/challenges/flatland-challenge
Model-based RL: Delta Schema case study
Вт, 9 Июня 18:00
Александра Шлычкова и Андрей Городецкий, лаборатория КДС МФТИ
В начале семинара проведем обзор ряда model-based подходов. В процессе подробно рассмотрим подход на основе логических схем, представленный в SchemaNet и его модификацию, - Delta SchemaNet. Будут продемонстрированы результаты экспериментов с измененной реализацией. В завершение обсудим применимость данного подхода для более сложных, чем в экспериментах сред.
Александра Шлычкова и Андрей Городецкий, лаборатория КДС МФТИ
В начале семинара проведем обзор ряда model-based подходов. В процессе подробно рассмотрим подход на основе логических схем, представленный в SchemaNet и его модификацию, - Delta SchemaNet. Будут продемонстрированы результаты экспериментов с измененной реализацией. В завершение обсудим применимость данного подхода для более сложных, чем в экспериментах сред.
CarIntersect Environment
Вт, 2 Июня 18:00
Михаил Мартинсон, лаборатория КДС МФТИ
В своем выступление Михаил проведет обзор нескольких сред для моделирования движения машин, а в основной части доклада расскажет о разработанной среде CarIntersect и экспериментам, проведенным в ней. Данная среда моделирует четырехполосный перекресток с машинами-ботами, как состояние может выдаваться фотореалистичное изображение и настраиваемый вектор сенсоров машины.
Первая версия среды выложена в открытый доступ: https://github.com/MartinsonMichael/CarRacing_agents/tree/master/env
Михаил Мартинсон, лаборатория КДС МФТИ
В своем выступление Михаил проведет обзор нескольких сред для моделирования движения машин, а в основной части доклада расскажет о разработанной среде CarIntersect и экспериментам, проведенным в ней. Данная среда моделирует четырехполосный перекресток с машинами-ботами, как состояние может выдаваться фотореалистичное изображение и настраиваемый вектор сенсоров машины.
Первая версия среды выложена в открытый доступ: https://github.com/MartinsonMichael/CarRacing_agents/tree/master/env
Persistent Reinforcement Learning
Вт, 26 Мая 18:00
Алексей Скрынник, лаборатория КДС МФТИ
На семинаре Алексей расскажет об идеи, которую хотел бы попробовать применить. Идея называется Persistent RL по аналогии с персистентными структурами данных в программировании. В RL мы так назвали MDP, в котором разрешены откаты назад.
Две интуиции: 1) если агент попал в плохое состояние (например умер, или попал туда, откуда не может выбраться), такой подход позволит откатиться назад. 2) агент попал в интересное состояние, можно научиться доходить до этого состояния из предыдущих (исследование среды). Расскажем почему такая постановка - это не планирование, но чем похожа на него. В конце разберем несколько работ, которыми можно воспользоваться при реализации этого подхода.
Алексей Скрынник, лаборатория КДС МФТИ
На семинаре Алексей расскажет об идеи, которую хотел бы попробовать применить. Идея называется Persistent RL по аналогии с персистентными структурами данных в программировании. В RL мы так назвали MDP, в котором разрешены откаты назад.
Две интуиции: 1) если агент попал в плохое состояние (например умер, или попал туда, откуда не может выбраться), такой подход позволит откатиться назад. 2) агент попал в интересное состояние, можно научиться доходить до этого состояния из предыдущих (исследование среды). Расскажем почему такая постановка - это не планирование, но чем похожа на него. В конце разберем несколько работ, которыми можно воспользоваться при реализации этого подхода.
Как настроить систему обучения с подкреплением для промышленных роботов
Вт, 19 Мая 18:00
Ali Younes, лаборатория КДС МФТИ
Как лучше настроить обучение с подкреплением, чтобы работать с промышленными манипуляторами?
На семинаре Али расскажет о различных вариантах обучения с подкреплением для этой цели, покажет преимущества и недостатки каждого. Рассмотрим какие вспомогательные системы могут в этом помочь (обучение представлению TCN, DON, SCL). В конце семинара представим полной RL-фреймворк для промышленных роботов.
Ali Younes, лаборатория КДС МФТИ
Как лучше настроить обучение с подкреплением, чтобы работать с промышленными манипуляторами?
На семинаре Али расскажет о различных вариантах обучения с подкреплением для этой цели, покажет преимущества и недостатки каждого. Рассмотрим какие вспомогательные системы могут в этом помочь (обучение представлению TCN, DON, SCL). В конце семинара представим полной RL-фреймворк для промышленных роботов.
Обучение интеллектуальных агентов навигации в реалистичных окружениях с помощью методов градиента стратегии
Вт, 12 Мая 18:00
Алексей Староверов, лаборатория КДС МФТИ
Навигация внутри помещений является одной из основных задач в робототехнических системах. Большинство решений в этой области полагаются на идеальные координаты агента и заранее известную карту помещения. Тем не менее, высокая точность локализации в помещениях не может быть достигнута в реалистичных сценариях. Система GPS имеет низкую точность в помещении, одометрия часто дает большой шум для точного определения местоположения и т.д. В данной работе было проведено исследование задачи навигации в среде Habitat. В качестве наиболее перспективных базовых подходов были выбраны DDPPO и ANM
Алексей Староверов, лаборатория КДС МФТИ
Навигация внутри помещений является одной из основных задач в робототехнических системах. Большинство решений в этой области полагаются на идеальные координаты агента и заранее известную карту помещения. Тем не менее, высокая точность локализации в помещениях не может быть достигнута в реалистичных сценариях. Система GPS имеет низкую точность в помещении, одометрия часто дает большой шум для точного определения местоположения и т.д. В данной работе было проведено исследование задачи навигации в среде Habitat. В качестве наиболее перспективных базовых подходов были выбраны DDPPO и ANM
Планирование и его применение в обучении с подкреплением
Вт, 28 Апреля 18:00
Кирилл Аксенов, лаборатория КДС МФТИ
На семинаре Кирилл расскажет, как изначально появилось планирование, сравнит последние алгоритмы в этой области с помощью прецедентов. Во второй части разберем, как работает классический поиск по дереву Монте-Карло, его базовые улучшения, и как он помог DeepMind решить среду Go, а также про дальнейшие исследования в применении MCTS для планирования с помощью прецедентов.
Кирилл Аксенов, лаборатория КДС МФТИ
На семинаре Кирилл расскажет, как изначально появилось планирование, сравнит последние алгоритмы в этой области с помощью прецедентов. Во второй части разберем, как работает классический поиск по дереву Монте-Карло, его базовые улучшения, и как он помог DeepMind решить среду Go, а также про дальнейшие исследования в применении MCTS для планирования с помощью прецедентов.
Interferobot: настраиваем
оптический интерферометр с помощью RL
оптический интерферометр с помощью RL
Вт, 21 Апреля 18:00
Дмитрий Сорокин, Российский Квантовый Центр
Несмотря на большие успехи RL в видеоиграх его использование для управления реальными роботами ограничено сложностью в получении больших объемов обучающих данных. Дмитрий представит подход, который позволяет обучить RL агента настраивать реальную оптическую установку по изображениям с камеры. Для обучения агента используется симулятор экспериментальной установки. При добавлении рандомизаций в симуляцию получается настраивать реальный интерферометр на уровне опытного специалиста. В конце выступления обсудим влияние каждой рандомизации на качество настройки интерферометра.
Дмитрий Сорокин, Российский Квантовый Центр
Несмотря на большие успехи RL в видеоиграх его использование для управления реальными роботами ограничено сложностью в получении больших объемов обучающих данных. Дмитрий представит подход, который позволяет обучить RL агента настраивать реальную оптическую установку по изображениям с камеры. Для обучения агента используется симулятор экспериментальной установки. При добавлении рандомизаций в симуляцию получается настраивать реальный интерферометр на уровне опытного специалиста. В конце выступления обсудим влияние каждой рандомизации на качество настройки интерферометра.
High-throughput Asynchronous Reinforcement Learning
Вт, 14 Апреля 20:00
Алексей Петренко, PhD Student at University of Southern California, Robotic Embedded Systems Lab
Эксперименты крупных AI-лабораторий, такие как AlphaGo, AlphaStar и OpenAI Five, вызвали мощную волну интереса к обучению с подкреплением. Мы увидели, что доступ к большим вычислительным кластерам даёт исследователям возможность одновременно симулировать тысячи сред и агентов, и использовать миллиарды траекторий для обучения моделей. Но является ли доступ к суперкомпьютеру обязательным условием для проведения интересных и масштабных RL экспериментов?
На семинаре Алексей расскажет о вычислительных аспектах on-policy RL алгоритмов, и о том, каким образом можно кратно ускорить RL эксперименты с помощью алгоритмических оптимизаций и эффективной реализации, выжимая абсолютный максимум из доступного железа.
Алексей Петренко, PhD Student at University of Southern California, Robotic Embedded Systems Lab
Эксперименты крупных AI-лабораторий, такие как AlphaGo, AlphaStar и OpenAI Five, вызвали мощную волну интереса к обучению с подкреплением. Мы увидели, что доступ к большим вычислительным кластерам даёт исследователям возможность одновременно симулировать тысячи сред и агентов, и использовать миллиарды траекторий для обучения моделей. Но является ли доступ к суперкомпьютеру обязательным условием для проведения интересных и масштабных RL экспериментов?
На семинаре Алексей расскажет о вычислительных аспектах on-policy RL алгоритмов, и о том, каким образом можно кратно ускорить RL эксперименты с помощью алгоритмических оптимизаций и эффективной реализации, выжимая абсолютный максимум из доступного железа.
Reinforcement Learning:
Demo+Robotics
Demo+Robotics
Вт, 7 Апреля 18:00
Эрмек Айтыгулов, лаборатория КДС МФТИ
На семинаре разберем методы переноса модели в реальную среду (SimToReal). Обычно под SimtoReal подразумевается решение задачи с обучением RL модели в симуляции и затем перенос модели (трансфер) и ее дообучение в реальной среде. Так же расскажем о небольших удобствах, которые открыли для себя во время работы - Ray, Tensorflow Data, PyRep, XLA (одна строка кода, ускорение ваших DQN'ов в 1.17 раз) и другие.
Эрмек Айтыгулов, лаборатория КДС МФТИ
На семинаре разберем методы переноса модели в реальную среду (SimToReal). Обычно под SimtoReal подразумевается решение задачи с обучением RL модели в симуляции и затем перенос модели (трансфер) и ее дообучение в реальной среде. Так же расскажем о небольших удобствах, которые открыли для себя во время работы - Ray, Tensorflow Data, PyRep, XLA (одна строка кода, ускорение ваших DQN'ов в 1.17 раз) и другие.