Forschen und Lernen / Forschung
Awesome LLM Robotics sammelt Forschungsergebnisse unter Verwendung von Sprach- und multimodalen Modellen für Robotik und verstärkendes Lernen.
Awesome LLM Robotics sammelt Forschungsergebnisse unter Verwendung von Sprach- und multimodalen Modellen für Robotik und verstärkendes Lernen.
Zusammenfassung des Herausgebers: „Eine umfassende Liste von Artikeln, die große Sprach-/multimodale Modelle für Robotik/RL verwenden, einschließlich Artikeln, Codes und verwandten Websites“
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.
Codelizenzen decken nicht automatisch Modellgewichte, Datensätze oder Hardwaredesigns ab. Nicht erfasste Lizenzdetails bedürfen der Bestätigung durch den Herausgeber.
Repository
Forschung
Awesome Implicit NeRF Robotics sammelt implizite Repräsentation und NeRF-Forschung für Robotik und Reinforcement Learning.
Normen- und Referenzsammlungen
Repository
Open Source
RoboGen-Forschungscode zum Generieren und Erlernen von Roboterfähigkeiten.
Frameworks für das Lernen von Robotern
Repository
Open Source
Awesome-Robotics-Foundation-Models
Normen- und Referenzsammlungen
Repository
Open Source
LEO-Forschungsimplementierung für einen generalistischen verkörperten Agenten in 3D-Umgebungen.
Frameworks für das Lernen von Robotern
Repository
Forschung
Forschungscode zur Zuordnung multimodaler Anweisungen zu Roboteraktionen.
Navigation & SLAM