Référentiel
Diffusion Policy
Une approche de politique visuomotrice utilisant la diffusion pour générer des actions de robots.
Politiques relatives aux robots
Modèles / Recherche
Nous présentons le premier déploiement réussi d’un système MPC basé sur l’échantillonnage du corps entier sur un robot quadrupède réel. Notre approche permet une locomotion et une manipulation en temps réel et riches en contacts en utilisant…
Nous présentons le premier déploiement réussi d’un système MPC basé sur l’échantillonnage du corps entier sur un robot quadrupède réel. Notre approche permet une locomotion et une manipulation en temps réel et riches en contacts en utilisant…
Objectif de l’éditeur : Nous présentons le premier déploiement réussi d’un système MPC basé sur l’échantillonnage du corps entier sur un robot quadrupède réel. Notre approche permet une locomotion et une manipulation en temps réel, riches en contacts, à l'aide d'une politique de contrôle unique dérivée du contrôle MPPI (Model-Predictive Path Integral).
Examiner les interfaces d'observation/action, les points de contrôle, les modes de réalisation des robots et les exigences d'adaptation. La licence du code de référentiel n'autorise pas automatiquement les pondérations ou les données de formation.
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
Une approche de politique visuomotrice utilisant la diffusion pour générer des actions de robots.
Politiques relatives aux 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
NVIDIA Alpamayo 1.5 Nano est un modèle VLA de raisonnement 10B ouvert pour les véhicules autonomes avec un raisonnement amélioré par apprentissage par renforcement, un guidage de navigation et une réponse visuelle aux questions.
Vision-langage-action
Référentiel
se(3)-TrackNet fournit des recherches de suivi de pose d'objet 6D et des exemples de contrôle de rétroaction visuelle.
Modèles de perception