การเรียนรู้แบบเพิ่มความเข้มข้น (DRL) เป็นสับเซตของปัญญาประดิษฐ์ที่ผนวกการเรียนรู้อย่างลึกซึ้งเข้ากับหลักการการเสริมสร้างการเรียนรู้

พาหนะอัตโนมัติ

หนึ่งในบรรดาโปรแกรมที่โดดเด่นที่สุดของ JL คือรถขับเคลื่อนด้วยตนเอง บริษัทอย่างเวย์โมและเทสลาใช้อัลกอริทึมในการเรียนรู้อย่างลึกซึ้ง เพื่อปรับปรุงการตัดสินใจในสภาพแวดล้อมการจราจรที่ซับซ้อน ระบบเหล่านี้เรียนรู้วิธีการนําร่อง หลีกอุปสรรค และปรับแต่งเส้นทางที่ปราศจากการแทรกแซงของมนุษย์

การ ทํา เช่น นี้ ช่วย ให้ นัก บิน สามารถ ปรับ ตัว เข้า กับ สถานการณ์ ที่ คาด ไม่ ถึง ได้ อย่าง เช่น การ เดิน ข้าม ถนน อย่าง กะทันหัน หรือ การ เปลี่ยน สภาพ อากาศ โดย การ เรียน รู้ จาก ข้อมูล และ ประสบการณ์ ใหม่ ๆ อย่าง ต่อ เนื่อง.

การ ทํา งาน แบบอัตโนมัติ และ การ ทํา งาน แบบ อุตสาหกรรม

ตัว อย่าง เช่น แขน หุ่น ยนต์ ใน โรง งาน ผลิต ของ โรง งาน สามารถ เรียน รู้ วิธี จัด การ กับ วัตถุ ต่าง ๆ อย่าง มี ประสิทธิภาพ และ ปลอด ภัย.

การ ทํา งาน แบบ นี้ ทํา ให้ หุ่น ยนต์ สามารถ ปรับ ตัว เข้า กับ งาน ใหม่ และ สภาพ แวด ล้อม ที่ มี การ นํา เข้า ได้ น้อย ที่ สุด ของ มนุษย์ เพิ่ม ความ ยืดหยุ่น และ ผล ผลิต ใน การ จัด ระบบ อุตสาหกรรม.

รถ เข็น ที่ มี แรง ดัน และ แรง โน้ม ถ่วง

ใน การ เกษตร หุ่นยนต์ วิเคราะห์ สุขภาพ ของ พืช และ ปรับ ปรุง เส้น ทาง การ พ่น ที่ เหมาะ กับ การ ใช้ พ่น น้ํา ที่ อาศัย รูป แบบ การ เรียน รู้.

การ ควบคุม ของ มนุษย์

สรุปโปรแกรมต่าง ๆ

  • รถ ที่ อัตโนมัติ จะ แล่น ไป ตาม ทาง ที่ สลับ ซับ ซ้อน
  • หุ่น ยนต์ ทํา งาน ที่ ต้อง ปรับ ปรุง
  • โดรนใช้ระบบติดตามสิ่งแวดล้อม
  • พาหนะทางอากาศที่ไร้คนปรับเส้นทางการบิน
  • ระบบ ที่ ทํา ได้ เอง จะ ปรับ ปรุง ความ ปลอด ภัย และ ประสิทธิภาพ ให้ ดี ขึ้น