Repository
Diffusion Policy
Ein visuomotorischer Richtlinienansatz, der Diffusion nutzt, um Roboteraktionen zu generieren.
Roboterrichtlinien
Modelle / Forschung
GenRL: Weltmodelle mit multimodaler Grundlage ermöglichen die Verankerung von Sprach- und Videoaufforderungen in verkörperten Domänen, indem sie sie in Sequenzen latenter Weltmodellzustände umwandeln. Latente Zustandssequenzen können…
GenRL: Weltmodelle mit multimodaler Grundlage ermöglichen die Verankerung von Sprach- und Videoaufforderungen in verkörperten Domänen, indem sie sie in Sequenzen latenter Weltmodellzustände umwandeln. Latente Zustandssequenzen können…
Zweck des Herausgebers: [NeurIPS 2024] GenRL: Weltmodelle mit multimodaler Grundlage ermöglichen die Verankerung von Sprach- und Videoaufforderungen in verkörperten Domänen, indem sie sie in Sequenzen latenter Weltmodellzustände umwandeln. Latente Zustandssequenzen können mit dem Decoder des Modells dekodiert werden, was eine Visualisierung des erwarteten Verhaltens ermöglicht, bevor der Agent trainiert wird, es auszuführen.
Überprüfen Sie Beobachtungs-/Aktionsschnittstellen, Kontrollpunkte, Roboterausführungen und Anpassungsanforderungen. Durch die Repository-Codelizenzierung werden Gewichtungen oder Trainingsdaten nicht automatisch lizenziert.
Codelizenzen decken nicht automatisch Modellgewichte, Datensätze oder Hardwaredesigns ab. Nicht erfasste Lizenzdetails bedürfen der Bestätigung durch den Herausgeber.
Repository
Ein visuomotorischer Richtlinienansatz, der Diffusion nutzt, um Roboteraktionen zu generieren.
Roboterrichtlinien
Website
Code- und Modellressourcen für Roboterrichtlinien für physische Intelligenz.
Vision-Sprache-Aktion
Repository
Ressourcen für Roboterfundamentmodelle für humanoide Lernabläufe.
Vision-Sprache-Aktion
Repository
Ein generalistischer Roboter-Richtlinienrahmen zur Anpassung an Manipulationsaufgaben.
Roboterrichtlinien
Repository
NVIDIA Alpamayo 1.5 Nano ist ein offenes 10B-Begründungs-VLA-Modell für autonome Fahrzeuge mit durch Verstärkungslernen verbessertem Denken, Navigationsführung und visueller Fragebeantwortung.
Vision-Sprache-Aktion
Repository
se(3)-TrackNet bietet 6D-Objekt-Pose-Tracking-Forschung und Beispiele für visuelle Feedback-Steuerung.
Wahrnehmungsmodelle