ROS-LLM ist ein Framework, das für Anwendungen der verkörperten Intelligenz in ROS entwickelt wurde. Es ermöglicht natürliche Sprachinteraktionen und nutzt Large Language Models (LLMs) für Entscheidungsfindung und Robotersteuerung. Mit einem einfachen Konfigurationsprozess ermöglicht dieses Framework f
Steuere Roboter und ermögliche es ihnen, natürliche Sprache mit großen Sprachmodellen zu verstehen.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarROS-LLM ist ein Framework, das für Anwendungen der verkörperten Intelligenz in ROS entwickelt wurde. Es ermöglicht natürliche Sprachinteraktionen und nutzt Large Language Models (LLMs) für Entscheidungsfindung und Robotersteuerung. Mit einem einfachen Konfigurationsprozess ermöglicht dieses Framework f
ROS-LLM hat 819 Sterne auf GitHub. Es wurde 98-mal geforkt. ROS-LLM ist hauptsächlich in Python geschrieben. Es wird seit 2023 aktiv entwickelt. ROS-LLM ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: embodied-intelligence, gpt, llm, ros.
ROS-LLM ist ein Framework, das für Anwendungen der verkörperten Intelligenz in ROS entwickelt wurde. Es ermöglicht natürliche Sprachinteraktionen und nutzt Large Language Models (LLMs) für Entscheidungsfindung und Robotersteuerung. Mit einem einfachen Konfigurationsprozess ermöglicht dieses Framework f
ROS-LLM ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.
Ja. ROS-LLM ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
ROS-LLM ist unter der Apache-2.0-Lizenz verfügbar.
ROS-LLM ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/auromix-ros-llm.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.