Repozytorium
Otwarte źródło
RLinf
Infrastruktura uczenia się przez wzmacnianie dla modeli ucieleśnionych i polityk robotycznych.
Frameworki uczenia się robotów
Badania i nauka / Badania
Awesome-RL-VLA · Denghaoyuan123
Badanie dotyczące uczenia się przez wzmacnianie modeli wzroku, języka i działania w manipulacji robotycznej
Przegląd
Badanie dotyczące uczenia się przez wzmacnianie modeli wzroku, języka i działania w manipulacji robotycznej
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
- Denghaoyuan123
- Język podstawowy
- Nie określono
- Licencja na kod repozytorium
- Nie określono
- 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
- 2026-05-18
Licencje na kod nie obejmują automatycznie wag modeli, zbiorów danych ani projektów sprzętu. Niezarejestrowane szczegóły licencji wymagają potwierdzenia u wydawcy.
Sekcje dokumentacji
- Awesome RL-VLA for Robotic Manipulation 🤖
- 📢 Latest News
- 📖 Table of Contents
- 🔍 Overview
- 🚀 Training Paradigms
- Offline RL-VLA
Przeglądaj kategorie tego zasobu
Przeglądaj powiązane kolekcje
Przeglądaj Badania i nauka →Więcej w Badania i nauka
Repozytorium
Otwarte źródło
Strona internetowa
Badania
openpi
Zasoby kodu i modelu dotyczące zasad robotów inteligencji fizycznej.
Wizja-język-działanie
Repozytorium
Badania
NVIDIA Isaac GR00T
Zasoby dotyczące modeli podstawowych robotów na potrzeby procesów uczenia się humanoidów.
Wizja-język-działanie
Repozytorium
Badania
Octo
Ogólne ramy polityki dotyczącej robotów umożliwiające dostosowywanie się do zadań manipulacyjnych.
Zasady robotów
Repozytorium
Badania
RoboTwin
Testy porównawcze manipulacji robotami dwuręcznymi i narzędzia do generowania danych.
Manipulacja
Repozytorium
