Förvar
Forskning
example robot data · Gepetto
Exempel Robot Data samlar in robot URDF-modeller för benchmarks och exempel.
Scen- och objekttillgångar
Datauppsättningar / Forskning
robot-grasp-detection · tnikolla
Detekterar robotens gripande positioner med djupa neurala nätverk. Modellen är tränad på Cornell Grasping Dataset. Detta är en implementering huvudsakligen baserad på uppsatsen "Real-Time Grasp Detection Using...
Översikt
Detekterar robotens gripande positioner med djupa neurala nätverk. Modellen är tränad på Cornell Grasping Dataset. Detta är en implementering huvudsakligen baserad på uppsatsen "Real-Time Grasp Detection Using...
Förlagets syfte: Upptäcka robotar som griper positioner med djupa neurala nätverk. Modellen är tränad på Cornell Grasping Dataset. Detta är en implementering huvudsakligen baserad på artikeln 'Real-Time Grasp Detection Using Convolutional Neural Networks' från Redmon och Angelova.
Granska datakortet, utförandet, schemat, insamlingsvillkoren och den datauppsättningsspecifika licensen före användning. Dataåtkomst och passform för en viss träningsuppställning behöver separat bekräftelse.
Projektinformation
- Underhållare
- tnikolla
- Primärt språk
- Python
- Förvarskodlicens
- Apache-2.0
- Modellviktslicens
- Ej inspelat
- Dataset licens
- Ej inspelat
- Hårdvarudesignlicens
- Ej inspelat
- Underhåll
- Ej arkiverad i senast registrerade metadata
- Senast observerade repository push
- 2018-01-26
Kodlicenser täcker inte automatiskt modellvikter, datauppsättningar eller hårdvarudesigner. Oinspelade licensdetaljer kräver bekräftelse med utgivaren.
Dokumentationssektioner
- Detecting grasping positions with deep neural networks using RGB images
- Problem description
- How to train from scratch
- Prepering Imagenet
- Training on Imagenet
- Prepering Cornell grasping dataset
Bläddra i den här resursens kategorier
Utforska relaterade samlingar
Bläddra Datauppsättningar →Mer in Datauppsättningar
Förvar
Forskning
Förvar
Forskning
MuJoCo Menagerie
Robotmodelltillgångar för MuJoCo simulerings- och kontrollexperiment.
Scen- och objekttillgångar
Förvar
Forskning
M2DGR · SJTU-ViSYS
M2DGR: en multimodal och multi-scenario datauppsättning för markrobotar (RA-L2021 & ICRA2022)
Robotdemonstrationer
Förvar
Forskning
M3DGR · sjtuyinjie
M3DGR: En multisensor, multiscenario och massiv baslinje SLAM-dataset för markrobotar (IROS2025)
Robotdemonstrationer
Förvar
Forskning
oomwoo-one · makerspet
Dammsugare med öppen källkod, modell One - ROS2 robotbeskrivningspaket
Scen- och objekttillgångar
Förvar
Forskning
proscenic-m6pro · makerspet
ROS2-robotbeskrivning för Proscenic M6 Pro
Scen- och objekttillgångar