Förvar
Öppen källkod
dreamer · danijar
Dreamer-implementering för inlärning av kontrollbeteenden med latenta världsmodeller.
Rörelseplanering och kontroll
Forskning & lärande / Öppen källkod
Awesome-WAM · OpenMOSS
En kurerad samling av artiklar, förklarare och resurser om World Action Models for embodied AI
Översikt
En kurerad samling av artiklar, förklarare och resurser om World Action Models for embodied AI
Använd källan för att utforska robotikkoncept, exempel och referenser. Källmaterial kan vara historiskt; kontrollera tillämplig version och sammanhang.
Projektinformation
- Underhållare
- OpenMOSS
- Primärt språk
- HTML
- Förvarskodlicens
- MIT
- Modellviktslicens
- Ej inspelat
- Dataset licens
- Ej inspelat
- Hårdvarudesignlicens
- Ej inspelat
- Underhåll
- Ej arkiverad i senast registrerade metadata
- Senast observerade repository push
- 2026-09-07
Kodlicenser täcker inte automatiskt modellvikter, datauppsättningar eller hårdvarudesigner. Oinspelade licensdetaljer kräver bekräftelse med utgivaren.
Dokumentationssektioner
- World Action Models: The Next Frontier in Embodied AI
- 🔔 News
- Innehåll
- Tag Legend
- World Action Model tags
- World Action Model
Bläddra i den här resursens kategorier
Utforska relaterade samlingar
Bläddra Forskning & lärande →Mer in Forskning & lärande
Förvar
Öppen källkod
Förvar
Forskning
robotic_world_model · leggedrobotics
Arkiv för våra tidningar: Robotic World Model: En neural nätverksimulator för robust policyoptimering inom robotik och osäkerhetsmedveten robotvärldsmodell gör offlinemodellbaserad...
Världens modeller
Förvar
Forskning
daydreamer · danijar
DayDreamer tillhandahåller världsmodellmetoder för fysisk robotinlärning.
Världens modeller
Förvar
Forskning
LingBot-VA
Ett forskningsprojekt för video-actionmodeller för robotstyrning.
Världens modeller
Förvar
Forskning
unified-world-model · WEIRDLabUW
Unfied World Models: Koppling av video och actionspridning för förträning på stora robotdataset
Robotdemonstrationer
Förvar
Öppen källkod
mimic-video · mimic-video
Video-actionmodeller för generaliserbar robotkontroll bortom VLA:er
Robotinlärningsramar