Bewaarplaats
Open-source
universal manipulation interface · real-stanford
Interface voor het verzamelen van demonstraties in het wild en het aanleren van robotmanipulatie.
Kaders voor het leren van robots
Hardware / Open-source
DOGlove · TEA-Lab
Officiële repository van “DOGlove: behendige manipulatie met een goedkope open-source haptische force-feedbackhandschoen”
Overzicht
Officiële repository van “DOGlove: behendige manipulatie met een goedkope open-source haptische force-feedbackhandschoen”
Doel van de uitgever: [RSS25] Officiële repository van "DOGlove: Dexterous Manipulation with a Low-Cost Open-Source Haptic Force Feedback Glove"
Inspecteer installatie-instructies, ondersteunde versies, voorbeelden en interfaces in de broncode. Deze map beweert niet dat de software op uw robot is geïnstalleerd of getest.
Projectinformatie
- Onderhouder
- TEA-Lab
- 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
- 2026-04-18
Codelicenties hebben niet automatisch betrekking op modelgewichten, datasets of hardwareontwerpen. Voor niet-opgenomen licentiegegevens is bevestiging door de uitgever vereist.
Documentatie secties
- <a href="https://do-glove.github.io/">DOGlove: Dexterous Manipulation with a Low-Cost Open-Source Haptic Force Feedback Glove</a>
- 🐣 Updates
- 🛠️ Environment Setup
- 1. Create Conda Environment
- 2. Install MuJoCo
- 3. Install Required Python Packages
Blader door de categorieën van deze bron
Ontdek gerelateerde collecties
Blader Hardware →Meer binnen Hardware
Bewaarplaats
Open-source
Bewaarplaats
Open-source
Dex Retargeting
Hulpmiddelen voor retargeting met handbewegingen voor behendige teleoperaties van robots.
Teleoperation-software
Bewaarplaats
Open-source
Data-Scaling-Laws · Fanqi-Lin
Officiële implementatie van "Wetten op het gebied van gegevensschaling bij imitatieleren voor robotmanipulatie"
Kaders voor het leren van robots