Référentiel
RLinf
Infrastructure d'apprentissage par renforcement pour les modèles incarnés et les politiques robotiques.
Cadres d'apprentissage des robots
Recherche et apprentissage / Recherche
Une enquête sur l'apprentissage par renforcement des modèles vision-langage-action pour la manipulation robotique
Une enquête sur l'apprentissage par renforcement des modèles vision-langage-action pour la manipulation robotique
Utilisez la source pour explorer les concepts, les exemples et les références de la robotique. Le matériel source peut être historique ; vérifiez la version et le contexte applicables.
Les licences de code ne couvrent pas automatiquement les poids des modèles, les ensembles de données ou les conceptions matérielles. Les détails de licence non enregistrés nécessitent une confirmation auprès de l'éditeur.
Référentiel
Infrastructure d'apprentissage par renforcement pour les modèles incarnés et les politiques robotiques.
Cadres d'apprentissage des robots
Site Web
Ressources de code et de modèle pour les politiques des robots d’intelligence physique.
Vision-langage-action
Référentiel
Ressources de modèle de base de robot pour les flux de travail d'apprentissage humanoïde.
Vision-langage-action
Référentiel
Un cadre politique généraliste en matière de robots pour s'adapter aux tâches de manipulation.
Politiques relatives aux robots
Référentiel
Benchmarks de manipulation de robots bimanuels et outils de génération de données.
Manipulation
Référentiel
Environnements de simulation pour évaluer les politiques de manipulation.
Évaluation des politiques