Programas / Código aberto

Agent Priors guided Policy Learning · Agentics-robotics

Uma estrutura de aprendizagem robótica para aprendizagem de políticas e composição de habilidades.

agentic-aidiffusion-policyembodied-aifew-shot-learningimitation-learning
Repositório do editor ↗
Agent Priors guided Policy Learning · Agentics-robotics captura de tela da página de recursos
Captura de tela do recurso · capturada 2026-10-08 · revisado visualmente

Visão geral

Uma estrutura de aprendizagem robótica para aprendizagem de políticas e composição de habilidades.

Resumo do editor: “APPL é uma estrutura de aprendizado de robô agente que conecta o aprendizado de políticas com a seleção e composição de habilidades baseadas em agentes por meio de antecedentes estruturais para generalização de alguns…”

Use seu repositório para inspecionar a implementação, documentação e fluxos de trabalho suportados. Este registro de diretório identifica o mantenedor, a licença do código e os recursos relacionados; não afirma que o projeto foi instalado ou testado em seu robô.

Informações do projeto

Mantenedor
Agentics-robotics
Idioma principal
Python
Licença de código de repositório
MIT
Licença de peso de modelo
Não registrado
Licença de conjunto de dados
Não registrado
Licença de design de hardware
Não registrado
Manutenção
Não arquivado nos últimos metadados registrados
Último push de repositório observado
2026-10-04

As licenças de código não cobrem automaticamente pesos de modelos, conjuntos de dados ou designs de hardware. Detalhes de licença não registrados requerem confirmação com o editor.

Seções de documentação

  • Agent Priors-guided Policy Learning (APPL)
  • Start with the released results
  • Experiments
  • Data and trained policies
  • Environments and API configuration
  • Layout and verification

Navegue pelas categorias deste recurso

Explore coleções relacionadas

Navegar Programas →