Repository
RLinf
Reinforcement-Learning-Infrastruktur für verkörperte Modelle und Roboterrichtlinien.
Frameworks für das Lernen von Robotern
Forschen und Lernen / Forschung
AwesomeWorldModels begleitet eine Umfrage zu Weltmodellen für verkörperte KI.
AwesomeWorldModels begleitet eine Umfrage zu Weltmodellen für verkörperte KI.
Zusammenfassung des Herausgebers: „Eine umfassende Umfrage zu Weltmodellen für verkörperte KI“
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
Reinforcement-Learning-Infrastruktur für verkörperte Modelle und Roboterrichtlinien.
Frameworks für das Lernen von Robotern
Repository
Dreamer-Implementierung zum Erlernen von Kontrollverhalten mit latenten Weltmodellen.
Bewegungsplanung und -steuerung
Repository
DayDreamer bietet Weltmodellmethoden für das Lernen physischer Roboter.
Weltmodelle
Repository
DreamDojo untersucht Roboterweltmodelle, die aus menschlichen Videodaten gelernt wurden.
Weltmodelle
Repository
Offizielle Implementierung für den Artikel „SR-AIF: Solving Sparse-Reward Robotic Tasks from Pixels with Active Inference and World Models“
Weltmodelle