返回
人工智能基礎設施
企業服務智能化
城市管理智能化
汽車出行智能化
個人生活智能化- 01游戲AI智能體
- 02群體智能
- 03通用決策AI工具鏈
- 04自動駕駛決策系統
- 05交通信號控制
- 06復雜計算圖優化
- 07多模態數據處理
- 08強化學習算法框架設計
- 09分布式深度強化學習系統設計和優化
01 / 09
游戲AI智能體
支持RTS, FPS, SPORTS等游戲AI的快速訓練，能進行陪玩，托管，高端局AI挑戰。
02 / 09
群體智能
高效的大規模強化學習訓練框架，從智能體的自我博弈出發，隨著訓練逐漸擴充至擁有上百數量智能體的聯盟。通過智能的匹配機制和大量的對局，能快速產生實力從低到高和策略各異的大量個體。
03 / 09
通用決策AI工具鏈
DI-zoo提供豐富的強化學習算法實現。它包含了充分調優的訓練配置、高效的算法實現和預訓練的模型庫，幫助研究者和工程師快速開啟強化學習的學習、驗證想法以及生產業務基線模型。
04 / 09
自動駕駛決策系統
我們搭建了決策 AI 與自動駕駛之間的橋梁，將學術界前沿的決策算法應用于自動駕駛任務中，并通過實車數據轉化而來的場景進行訓練與分析，打通學術界與產業界之間的壁壘。
05 / 09
交通信號控制
將決策人工智能技術應用于城市級的交通信號燈控制、潮汐車道變更等場景中，實現通行效率的最大化，達到了比傳統信控通車效率提升 8%~47%的實際路測效果。
06 / 09
復雜計算圖優化
通過復雜計算圖的數據流優化、結構輕量化以及大規模訓練的穩定性優化，實現高性能、低資源開銷的復雜計算圖訓練優化。
07 / 09
多模態數據處理
針對不同模態數據的復雜信息提取結構設計，快速實現多種模態數據的有效特征提取和高效融合，賦能基于多模態信息的模型訓練優化。
08 / 09
強化學習算法框架設計
針對各類深度強化學習算法的計算模型，設計抽象通用的強化學習編程模型，結合多種決策規劃方法構建混合型AI，可便捷地應用到多種環境和多種計算尺度下，從而提升強化學習算法的通用性和易用性。
09 / 09
分布式深度強化學習系統設計和優化
結合AI算法特性和系統設計方法，提高分布式強化學習訓練的數據吞吐和資源利用率，設計高效穩定的分布式通信系統，針對性優化數據傳輸和模型傳輸等核心性能瓶頸，構建能夠支持各類型決策問題的通用訓練平臺，并設計相關的基準測試集，為AI+System創建更多形態。
01 / 09
游戲AI智能體
支持RTS, FPS, SPORTS等游戲AI的快速訓練，能進行陪玩，托管，高端局AI挑戰。
02 / 09
群體智能
高效的大規模強化學習訓練框架，從智能體的自我博弈出發，隨著訓練逐漸擴充至擁有上百數量智能體的聯盟。通過智能的匹配機制和大量的對局，能快速產生實力從低到高和策略各異的大量個體。
03 / 09
通用決策AI工具鏈
DI-zoo提供豐富的強化學習算法實現。它包含了充分調優的訓練配置、高效的算法實現和預訓練的模型庫，幫助研究者和工程師快速開啟強化學習的學習、驗證想法以及生產業務基線模型。
04 / 09
自動駕駛決策系統
我們搭建了決策 AI 與自動駕駛之間的橋梁，將學術界前沿的決策算法應用于自動駕駛任務中，并通過實車數據轉化而來的場景進行訓練與分析，打通學術界與產業界之間的壁壘。
05 / 09
交通信號控制
將決策人工智能技術應用于城市級的交通信號燈控制、潮汐車道變更等場景中，實現通行效率的最大化，達到了比傳統信控通車效率提升 8%~47%的實際路測效果。
06 / 09
復雜計算圖優化
通過復雜計算圖的數據流優化、結構輕量化以及大規模訓練的穩定性優化，實現高性能、低資源開銷的復雜計算圖訓練優化。
07 / 09
多模態數據處理
針對不同模態數據的復雜信息提取結構設計，快速實現多種模態數據的有效特征提取和高效融合，賦能基于多模態信息的模型訓練優化。
08 / 09
強化學習算法框架設計
針對各類深度強化學習算法的計算模型，設計抽象通用的強化學習編程模型，結合多種決策規劃方法構建混合型AI，可便捷地應用到多種環境和多種計算尺度下，從而提升強化學習算法的通用性和易用性。
09 / 09
分布式深度強化學習系統設計和優化
結合AI算法特性和系統設計方法，提高分布式強化學習訓練的數據吞吐和資源利用率，設計高效穩定的分布式通信系統，針對性優化數據傳輸和模型傳輸等核心性能瓶頸，構建能夠支持各類型決策問題的通用訓練平臺，并設計相關的基準測試集，為AI+System創建更多形態。
