Software / Fonte aperta

Agent Priors guided Policy Learning · Agentics-robotics

Un quadro di apprendimento robotico per l'apprendimento delle politiche e la composizione delle competenze.

agentic-aidiffusion-policyembodied-aifew-shot-learningimitation-learning
Archivio dell'editore ↗
Agent Priors guided Policy Learning · Agentics-robotics screenshot della pagina delle risorse
Screenshot della risorsa · catturato 2026-10-08 · visivamente rivisto

Panoramica

Un quadro di apprendimento robotico per l'apprendimento delle politiche e la composizione delle competenze.

Riepilogo dell'editore: "APPL è un framework di apprendimento robotico ad agenti che collega l'apprendimento delle politiche con la selezione e la composizione delle competenze basate su agenti attraverso priori strutturali per la generalizzazione da pochi..."

Utilizza il suo repository per ispezionare l'implementazione, la documentazione e i flussi di lavoro supportati. Questo record della directory identifica il manutentore, la licenza del codice e le risorse correlate; non afferma che il progetto sia stato installato o testato sul tuo robot.

Informazioni sul progetto

Manutentore
Agentics-robotics
Lingua primaria
Python
Licenza del codice del repository
MIT
Licenza in base al peso del modello
Non registrato
Licenza del set di dati
Non registrato
Licenza di progettazione hardware
Non registrato
Manutenzione
Non archiviato negli ultimi metadati registrati
Ultimo push del repository osservato
2026-10-04

Le licenze del codice non coprono automaticamente i pesi dei modelli, i set di dati o le progettazioni hardware. I dettagli della licenza non registrati richiedono la conferma con l'editore.

Sezioni di documentazione

  • Agent Priors-guided Policy Learning (APPL)
  • Start with the released results
  • Experiments
  • Data and trained policies
  • Environments and API configuration
  • Layout and verification

Sfoglia le categorie di questa risorsa

Esplora le raccolte correlate

Sfoglia Software →