q-transformer

q-transformer

自回归Q函数实现离线强化学习

Q-transformer项目是Google Deepmind提出的可扩展离线强化学习方法的开源实现。该项目通过自回归Q函数优化多动作选择,支持单一和多动作学习,并提供深度对偶架构和n步Q学习。它包含环境交互、数据集创建和学习流程,适用于复杂机器人控制任务。Q-transformer的创新性和灵活性为强化学习研究和应用提供了重要工具。

Q-Transformer强化学习AI模型神经网络机器人控制Github开源项目

<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/12f1b63b-6da6-4f47-841b-10972a736d05.png" width="450px"></img>

Q-transformer

Google Deepmind 提出的 <a href="https://qtransformer.github.io/">Q-Transformer</a> 实现,一种可扩展的离线强化学习方法,通过自回归 Q 函数实现。

为了最终与提出的多动作自回归 Q 学习进行比较,我将保留单一动作 Q 学习的逻辑。这也可以作为我自己和公众的教育资料。

安装

$ pip install q-transformer

使用方法

import torch from q_transformer import ( QRoboticTransformer, QLearner, Agent, ReplayMemoryDataset ) # 注意力模型 model = QRoboticTransformer( vit = dict( num_classes = 1000, dim_conv_stem = 64, dim = 64, dim_head = 64, depth = (2, 2, 5, 2), window_size = 7, mbconv_expansion_rate = 4, mbconv_shrinkage_rate = 0.25, dropout = 0.1 ), num_actions = 8, action_bins = 256, depth = 1, heads = 8, dim_head = 64, cond_drop_prob = 0.2, dueling = True ) # 你需要通过重写 BaseEnvironment 来提供自己的环境 from q_transformer.mocks import MockEnvironment env = MockEnvironment( state_shape = (3, 6, 224, 224), text_embed_shape = (768,) ) # env.init() 应返回指令和初始状态:Tuple[str, Tensor[*state_shape]] # env(actions) 应返回奖励、下一个状态和完成标志:Tuple[Tensor[()], Tensor[*state_shape], Tensor[()]] # agent 是一个类,允许 q-model 与环境交互,生成用于学习的回放记忆数据集 agent = Agent( model, environment = env, num_episodes = 1000, max_num_steps_per_episode = 100, ) agent() # 在回放记忆数据集上对模型进行 Q 学习 q_learner = QLearner( model, dataset = ReplayMemoryDataset(), num_train_steps = 10000, learning_rate = 3e-4, batch_size = 4, grad_accum_every = 16, ) q_learner() # 经过大量学习后 # 你的机器人应该能更好地选择最优动作 video = torch.randn(2, 3, 6, 224, 224) instructions = [ '把桌子上的那个苹果拿给我', '请把黄油递过来' ] actions = model.get_optimal_actions(video, instructions)

致谢

  • 感谢 <a href="https://stability.ai/">StabilityAI</a><a href="https://a16z.com/supporting-the-open-source-ai-community/">A16Z 开源 AI 资助计划</a><a href="https://huggingface.co/">🤗 Huggingface</a> 的慷慨赞助,以及我的其他赞助商,让我能够独立地开源当前的人工智能研究。

待办事项

  • 首先朝着单一动作支持的方向努力

  • 提供无批量归一化的maxvit变体,如SOTA天气模型metnet3中所做

  • 添加可选的深度对偶架构

  • 添加n步Q学习

  • 构建保守正则化

  • 实现论文中的主要提议(在最后一个动作之前使用自回归离散动作,仅在最后给予奖励)

  • 改进解码器头部变体,不在帧和学习的标记阶段连接先前的动作。换言之,使用经典的编码器-解码器

    • 允许对精细帧/学习的标记进行交叉注意力
  • 使用轴向旋转嵌入和sigmoid门控(用于不关注任何内容)重做maxvit。通过此更改为maxvit启用快速注意力

  • 构建一个简单的数据集创建器类,接收环境和模型,返回可被ReplayDataset接受的文件夹

    • 完成基本环境循环
    • 将记忆存储到指定文件夹中的内存映射文件
    • 创建接收文件夹的ReplayDataset
      • 1个时间步选项
      • n个时间步
  • 正确处理多个指令

  • 展示一个简单的端到端示例,与其他所有仓库风格相同

  • 处理无指令情况,利用CFG库中的空调节器

  • 缓存动作解码的kv

  • 对于探索,允许精细随机化一部分动作,而不是一次性随机化所有动作

    • 还允许基于Gumbel分布的动作采样,并逐步降低Gumbel噪声
  • 咨询一些强化学习专家,确定是否有解决妄想偏差的新进展

  • 探索是否可以使用随机化的动作顺序进行训练 - 顺序可以作为条件在注意力层之前连接或相加

    • 提供一个改进变体,其中第一个动作标记建议动作顺序。所有动作并非平等,有些可能需要更多地关注过去的动作
  • 实现简单的束搜索函数以获得最优动作

  • 改进对过去动作和时间步状态的交叉注意力,采用transformer-xl方式(带结构化记忆丢弃)

  • 探索本文的主要思想是否适用于语言模型

引用

@inproceedings{qtransformer, title = {Q-Transformer: Scalable Offline Reinforcement Learning via Autoregressive Q-Functions}, authors = {Yevgen Chebotar and Quan Vuong and Alex Irpan and Karol Hausman and Fei Xia and Yao Lu and Aviral Kumar and Tianhe Yu and Alexander Herzog and Karl Pertsch and Keerthana Gopalakrishnan and Julian Ibarz and Ofir Nachum and Sumedh Sontakke and Grecia Salazar and Huong T Tran and Jodilyn Peralta and Clayton Tan and Deeksha Manjunath and Jaspiar Singht and Brianna Zitkovich and Tomas Jackson and Kanishka Rao and Chelsea Finn and Sergey Levine}, booktitle = {7th Annual Conference on Robot Learning}, year = {2023} }
@inproceedings{dao2022flashattention, title = {闪光注意力:具有IO感知的快速且内存高效的精确注意力机制}, author = {陶, 崔 和 傅, 丹尼尔 Y. 和 尔蒙, 斯特凡诺 和 鲁德拉, 阿特里 和 雷, 克里斯托弗}, booktitle = {神经信息处理系统进展}, year = {2022} }

编辑推荐精选

博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

热门AI工具AI办公办公工具智能排版AI生成PPT博思AIPPT海量精品模板AI创作
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案,助力品牌曝光

稳定高效的流量提升解决方案,助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用,一键生成无水印视频

最新版Sora2模型免费使用,一键生成无水印视频

Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。

下拉加载更多