Repozytorium
Badania
RLBench
Zestaw zadań do oceny uczenia się robota za pomocą obserwacji wizualnych.
Manipulacja
Badania i nauka / Otwarte źródło
catalyst-rl-tutorial · arrival-ltd
Wykorzystanie Catalyst.RL do szkolenia robota w zakresie umieszczania kołka w otworze w symulacji.
Przegląd
Wykorzystanie Catalyst.RL do szkolenia robota w zakresie umieszczania kołka w otworze w symulacji.
Skorzystaj ze źródła, aby poznać koncepcje, przykłady i odniesienia dotyczące robotyki. Materiał źródłowy może mieć charakter historyczny; sprawdź odpowiednią wersję i kontekst.
Informacje o projekcie
- Konserwator
- arrival-ltd
- Język podstawowy
- Python
- Licencja na kod repozytorium
- MIT
- Licencja na wagę modelu
- Nie nagrano
- Licencja na zbiór danych
- Nie nagrano
- Licencja na projektowanie sprzętu
- Nie nagrano
- Konserwacja
- Nie zarchiwizowane w ostatnio zarejestrowanych metadanych
- Ostatnio zaobserwowane wypchnięcie repozytorium
- 2020-09-23
Licencje na kod nie obejmują automatycznie wag modeli, zbiorów danych ani projektów sprzętu. Niezarejestrowane szczegóły licencji wymagają potwierdzenia u wydawcy.
Sekcje dokumentacji
- Robotic Assembly using Deep Reinforcement Learning
- Introduction
- Setup
- -------------- all methods above are required for any Gym environment, everything below is env-specific --------------
- A brief summary of the `CoppeliaSimEnvWrapper` in `src/env.py`
- Defining the RL algorithm
Przeglądaj kategorie tego zasobu
Przeglądaj powiązane kolekcje
Przeglądaj Badania i nauka →Więcej w Badania i nauka
Repozytorium
Badania