Référentiel
RLinf
Infrastructure d'apprentissage par renforcement pour les modèles incarnés et les politiques robotiques.
Cadres d'apprentissage des robots
Recherche et apprentissage / Recherche
Awesome VLA RL organise des recherches combinant modèles vision-langage-action et apprentissage par renforcement.
Awesome VLA RL organise des recherches combinant modèles vision-langage-action et apprentissage par renforcement.
Résumé de l'éditeur : "Ce référentiel résume les avancées récentes du paradigme VLA + RL et fournit une classification taxonomique des travaux pertinents."
Utilisez son référentiel pour inspecter la mise en œuvre, la documentation et les flux de travail pris en charge. Cet enregistrement d'annuaire identifie le responsable, la licence de code et les ressources associées ; il ne prétend pas que le projet a été installé ou testé sur votre robot.
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
Référentiel
mise en œuvre officielle de notre article Steering Your Generalists: Improving Robotic Foundation Models via Value Guidance (CoRL 2024)
Vision-langage-action
Référentiel
SimpleVLA-RL fournit des ressources de formation par apprentissage par renforcement pour les politiques VLA.
Vision-langage-action
Référentiel
VLAC : un modèle vision-langage-action-critique pour l'apprentissage robotique par renforcement dans le monde réel
Vision-langage-action
Référentiel
VLA-RL fournit un code d'apprentissage par renforcement pour adapter les modèles VLA à la manipulation robotique.
Vision-langage-action