b:botstest.
DE
English简体中文DeutschFrançaisEspañolItalianoPortuguêsNederlandsSvenskaPolski
Senden Sie eine Ressource ↗

Software / Forschung

hci gibo · Data-Science-in-Mechanical-Engineering

Forschungscode für die simulationsgestützte Richtlinienoptimierung beim Black-Box-Roboterlernen.

bayesian-optimizationRoboter-Lernen
Herausgeber-Repository ↗
hci gibo · Data-Science-in-Mechanical-Engineering Screenshot der Ressourcenseite
Ressourcen-Screenshot · aufgenommen 2026-10-08 · visuell überprüft

Übersicht

Forschungscode für die simulationsgestützte Richtlinienoptimierung beim Black-Box-Roboterlernen.

Zusammenfassung des Herausgebers: „Code zur Reproduktion der Ergebnisse aus dem Artikel „Simulation-Aided Policy Tuning for Black-Box Robot Learning“.“

Verwenden Sie das Repository, um die Implementierung, Dokumentation und unterstützten Arbeitsabläufe zu überprüfen. Dieser Verzeichniseintrag identifiziert den Betreuer, die Codelizenz und zugehörige Ressourcen; Es wird nicht behauptet, dass das Projekt auf Ihrem Roboter installiert oder getestet wurde.

Projektinformationen

Betreuer
Data-Science-in-Mechanical-Engineering
Primärsprache
Python
Repository-Code-Lizenz
Nicht angegeben
Modellgewichtslizenz
Nicht aufgezeichnet
Datensatzlizenz
Nicht aufgezeichnet
Hardware-Design-Lizenz
Nicht aufgezeichnet
Wartung
Nicht in den zuletzt erfassten Metadaten archiviert
Letzter beobachteter Repository-Push
2025-04-08

Codelizenzen decken nicht automatisch Modellgewichte, Datensätze oder Hardwaredesigns ab. Nicht erfasste Lizenzdetails bedürfen der Bestätigung durch den Herausgeber.

Dokumentationsabschnitte

  • High-Confidence Improvement Bayesian Optimization
  • Abstract
  • Cite
  • Code of the repo
  • Installation
  • Usage

Durchsuchen Sie die Kategorien dieser Ressource

Software / Bewegungsplanung und -steuerung ↗

Entdecken Sie verwandte Sammlungen

Durchsuchen Software →

Mehr drin Software