Startseite Projekte macad-gym
macad-gym
Python

macad-gym

Multi-Agent Connected Autonomous Driving (MACAD) Gym-Umgebungen für Deep RL. Code für das Papier, das auf dem Workshop für maschinelles Lernen für autonomes Fahren bei NeurIPS 2019 präsentiert wurde:

von praveen-palanisamy · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
autonomous-drivingcarlacarla-driving-simulatorMITPython
Auf GitHub ansehen
In einfachen Worten

Trainieren Sie mehrere selbstfahrende Autos in verschiedenen Szenarien mit einem Simulator, der für Deep Reinforcement Learning entwickelt wurde.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
macad-gym — GitHub preview card
📈 Sternhistorie
375374
2026-07-202026-08-31
📈 macad-gym verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Multi-Agent Connected Autonomous Driving (MACAD) Gym-Umgebungen für Deep RL. Code für das Papier, das auf dem Workshop für maschinelles Lernen für autonomes Fahren bei NeurIPS 2019 präsentiert wurde:

macad-gym hat 374 Sterne auf GitHub. Es wurde 77-mal geforkt. macad-gym ist hauptsächlich in Python geschrieben. Es wird seit 2019 aktiv entwickelt. macad-gym ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: autonomous-driving, carla, carla-driving-simulator, carla-gym.

Frequently asked questions

Was ist macad-gym?

Multi-Agent Connected Autonomous Driving (MACAD) Gym-Umgebungen für Deep RL. Code für das Papier, das auf dem Workshop für maschinelles Lernen für autonomes Fahren bei NeurIPS 2019 präsentiert wurde:

Ist macad-gym Open Source?

macad-gym ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist macad-gym kostenlos?

Ja. macad-gym ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht macad-gym?

macad-gym ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist macad-gym geschrieben?

macad-gym ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — macad-gym

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=praveen-palanisamy-macad-gym)](https://olud.ai/project/praveen-palanisamy-macad-gym.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
Learn-Carla
Erfahren Sie, wie Sie CARLA mit grundlegenden APIs verwenden
550 · autonomous-driving
teiltcarlaautonomous-driving
Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning
Deep Reinforcement Learning (PPO) im autonomen Fahren (Carla) [von Grund auf]
561 · autonomous-driving
teiltcarla-driving-simulatorautonomous-driving
simlingo
[CVPR 2025, Spotlight] SimLingo (CarLLava): Vision-Only Closed-Loop Autonomes Fahren mit Sprach…
438 · autonomous-driving
teiltcarlaautonomous-driving
pylot
Modulare autonome Fahrplattform, die auf dem CARLA-Simulator und realen Fahrzeugen läuft.
535 · autonomous-driving
teiltcarlaautonomous-driving
carla-roach
Roach: End-to-End-Stadtfahren durch Imitation eines Reinforcement-Learning-Coaches. ICCV 2021.
399 · autonomous-driving
teiltcarlaautonomous-driving
CarlaAir
CarlaAir: Fliegen Sie Drohnen in einer CARLA-Welt!! Eine einheitliche Infrastruktur für luft- u…
1k · airsim
teiltcarlaautonomous-driving
DI-drive
Entscheidungsintelligenzplattform für die Simulation autonomer Fahrten.
637 · autodrive
teiltcarlaautonomous-driving
UCF-SST-CitySim1-Dataset
Offizielle GitHub-Seite des UCF SST CitySim-Datensatzes
422 · carla-driving-simulator
teiltcarla-driving-simulator
LearningByCheating
(CoRL 2019) Fahren in CARLA mit Wegpunktvorhersage und zweistufigem Imitationslernen
342 · autonomous-vehicles
teiltcarla
awesome-CARLA
👉 CARLA-Ressourcen wie Tutorial, Blog, Code usw. https://github.com/carla-simulator/carla
917 · autonomous-vehicles
teiltcarla

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.