Repozytorium
RLinf
Infrastruktura uczenia się przez wzmacnianie dla modeli ucieleśnionych i polityk robotycznych.
Frameworki uczenia się robotów
Badania i nauka / Badania
AwesomeWorldModels towarzyszy badaniu światowych modeli ucieleśnionej sztucznej inteligencji.
AwesomeWorldModels towarzyszy badaniu światowych modeli ucieleśnionej sztucznej inteligencji.
Podsumowanie wydawcy: „Kompleksowe badanie dotyczące światowych modeli ucieleśnionej sztucznej inteligencji”
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.
Licencje na kod nie obejmują automatycznie wag modeli, zbiorów danych ani projektów sprzętu. Niezarejestrowane szczegóły licencji wymagają potwierdzenia u wydawcy.
Repozytorium
Infrastruktura uczenia się przez wzmacnianie dla modeli ucieleśnionych i polityk robotycznych.
Frameworki uczenia się robotów
Repozytorium
Implementacja Dreamera do uczenia się zachowań kontrolnych za pomocą ukrytych modeli świata.
Planowanie i kontrola ruchu
Repozytorium
DayDreamer zapewnia światowej klasy metody uczenia się robotów fizycznych.
Modele świata
Repozytorium
DreamDojo bada modele świata robotów wyciągnięte z danych wideo pochodzących od ludzi.
Modele świata
Repozytorium
Oficjalna implementacja artykułu „SR-AIF: Solving Sparse-Reward Robotic Tasks from Pixels with Active Inference and World Models”
Modele świata