b:botstest.
PL
English简体中文DeutschFrançaisEspañolItalianoPortuguêsNederlandsSvenskaPolski
Prześlij zasób ↗

Oprogramowanie / Badania

rl robotic grasping a2c a3c · fmarcantoni

Implementacje uczenia się przez wzmacnianie, w tym chwytanie robotyczne oparte na wizji w PyBullet.

a2ca3cactor-critic-modelpolicy-gradientspybullet
Repozytorium wydawcy ↗
rl robotic grasping a2c a3c · fmarcantoni zrzut ekranu strony zasobów
Zrzut ekranu zasobów · przechwycony 2026-10-08 · wizualnie sprawdzone

Przegląd

Implementacje uczenia się przez wzmacnianie, w tym chwytanie robotyczne oparte na wizji w PyBullet.

Podsumowanie wydawcy: „Iteracja polityki, REINFORCE, A2C i A3C na potrzeby podejmowania decyzji, kontroli LunarLander i robotycznego chwytania opartego na wizji w PyBullet”.

Skorzystaj z jego repozytorium, aby sprawdzić wdrożenie, dokumentację i obsługiwane przepływy pracy. Ten zapis katalogu identyfikuje opiekuna, licencję na kod i powiązane zasoby; nie twierdzi, że projekt został zainstalowany lub przetestowany na Twoim robocie.

Informacje o projekcie

Konserwator
fmarcantoni
Język podstawowy
Python
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
2026-05-13

Licencje na kod nie obejmują automatycznie wag modeli, zbiorów danych ani projektów sprzętu. Niezarejestrowane szczegóły licencji wymagają potwierdzenia u wydawcy.

Sekcje dokumentacji

  • RBE 577 Project 3: Reinforcement Learning Agents for Lunar Lander and KUKA
  • Przegląd
  • A2C Subproject
  • Przegląd
  • Key Features
  • Code Structure

Przeglądaj kategorie tego zasobu

Oprogramowanie / Percepcja i geometria ↗

Przeglądaj powiązane kolekcje

Przeglądaj Oprogramowanie →

Więcej w Oprogramowanie