LEARNING
超越GPU主导范式的机器人强化学习异构架构
Yufei Jia, Zhanxiang Cao, Mingrui Yu, Heng Zhang, Shenyu Chen, Dixuan Jiang, Meng Li, Xiaofan Li, Yiyang Liu, Junzhe Wu, Zheng Li, XiLin Fang, Tingyu Cui, Shengcheng Fu, Haoyang Li, Anqi Wang, Zifan Wang, Dongjie Zhu, Chenyu Cao, Zhenbiao Huang
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种名为UniLab的异构CPU仿真/GPU学习架构，通过统一运行时解耦CPU并行仿真与GPU策略更新，显著提升了端到端训练效率。实验表明，在相同硬件配置下，UniLab可将代表性机器人控制任务的训练效率提升3-10倍。
关键词
heterogeneous architecturereinforcement learningGPU simulationCPU simulationtraining efficiency
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性：具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛：基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
MANIPULATION
📊 0 引用
PAEAR：基于强化学习的点云区域探索与主动识别方法用于机器人焊接
Yong Tao, Donghua Tan, Fan Ren 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026