b:botstest.
NL
English简体中文DeutschFrançaisEspañolItalianoPortuguêsNederlandsSvenskaPolski
Dien een bron in ↗

Software / Open-source

Agent Priors guided Policy Learning · Agentics-robotics

Een raamwerk voor robotleren voor het leren van beleid en het samenstellen van vaardigheden.

agentic-aidiffusion-policyembodied-aifew-shot-learningimitation-learning
Uitgeversrepository ↗
Agent Priors guided Policy Learning · Agentics-robotics screenshot van de bronpagina
Schermafbeelding van bron · vastgelegd 2026-10-08 · visueel beoordeeld

Overzicht

Een raamwerk voor robotleren voor het leren van beleid en het samenstellen van vaardigheden.

Samenvatting van de uitgever: "APPL is een raamwerk voor het leren van robots dat beleidsleren verbindt met op agenten gebaseerde selectie en samenstelling van vaardigheden via structurele priorisatie voor generalisatie van een paar..."

Gebruik de repository om de implementatie, documentatie en ondersteunde workflows te inspecteren. Dit directoryrecord identificeert de onderhouder, de codelicentie en gerelateerde bronnen; er wordt niet beweerd dat het project op uw robot is geïnstalleerd of getest.

Projectinformatie

Onderhouder
Agentics-robotics
Primaire taal
Python
Licentie voor repositorycode
MIT
Modelgewicht licentie
Niet opgenomen
Dataset-licentie
Niet opgenomen
Hardware-ontwerplicentie
Niet opgenomen
Onderhoud
Niet gearchiveerd in de laatst opgenomen metadata
Laatst waargenomen opslagplaatspush
2026-10-04

Codelicenties hebben niet automatisch betrekking op modelgewichten, datasets of hardwareontwerpen. Voor niet-opgenomen licentiegegevens is bevestiging door de uitgever vereist.

Documentatie secties

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

Blader door de categorieën van deze bron

Software / Kaders voor het leren van robots ↗

Ontdek gerelateerde collecties

Blader Software →

Meer binnen Software