b:botstest.
SV
English简体中文DeutschFrançaisEspañolItalianoPortuguêsNederlandsSvenskaPolski
Skicka in en resurs ↗

Riktmärken / Forskning

pre execution return · distortionlab

Pre-Execution Return studerar robotens initiala tillstånds robusthet kring frusna VLA-policyer.

imitation-learningliberolibero-plusopenvlarobotinlärning
Utgivarens arkiv ↗
pre execution return · distortionlab skärmdump av resurssidan
Resursskärmdump · tagna 2026-10-08 · visuellt granskad

Översikt

Pre-Execution Return studerar robotens initiala tillstånds robusthet kring frusna VLA-policyer.

Förlagssammanfattning: "När är robotens initiala tillstånd ett robusthetsproblem? Förutförande återgång kring frusen syn-språk-åtgärdspolicy"

Använd dess arkiv för att inspektera implementeringen, dokumentationen och arbetsflöden som stöds. Denna katalogpost identifierar underhållaren, kodlicensen och relaterade resurser; det gör inte anspråk på att projektet har installerats eller testat på din robot.

Projektinformation

Underhållare
distortionlab
Primärt språk
Python
Förvarskodlicens
MIT
Modellviktslicens
Ej inspelat
Dataset licens
Ej inspelat
Hårdvarudesignlicens
Ej inspelat
Underhåll
Ej arkiverad i senast registrerade metadata
Senast observerade repository push
2026-10-02

Kodlicenser täcker inte automatiskt modellvikter, datauppsättningar eller hårdvarudesigner. Oinspelade licensdetaljer kräver bekräftelse med utgivaren.

Dokumentationssektioner

  • Översikt
  • Benchmark Results (Full Protocol, 10,030 Variants)
  • Quickstart
  • 1. Reproduce Paper Numbers Without GPU or Simulator
  • 2. Run the Test Suite
  • 3. Check and Compile the Paper

Bläddra i den här resursens kategorier

Riktmärken / Policyutvärdering ↗

Utforska relaterade samlingar

Bläddra Riktmärken →

Mer in Riktmärken