Grow-Prune-Freeze (GPF) networks

新的 GPF 网络赋能嗅觉机器人自适应学习

研究人员开发了一种新的自适应学习框架，称为 Grow-Prune-Freeze (GPF) 网络，专为嗅觉导航任务设计。该技术允许智能体通过根据环境复杂度的变化动态调整其策略（包括增长、修剪和冻结网络层）来实现持续学习。GPF 框架基于随机矩阵理论，在湍流羽流导航中取得了 94% 的成功率，并显示出泛化到其他机器学习领域（如强化学习、图像分类和语言建模）的潜力。相关的代码和数据已发布，以促进嗅觉机器人领域的进一步研究。