Startseite Projekte robotic-grasping
robotic-grasping
Python

robotic-grasping

Antipodale robotische Greiftechniken mit GR-ConvNet. IROS 2020.

von skumra · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
deep-learninggraspingrobotic-manipulationPython
Auf GitHub ansehen
In einfachen Worten

Erkennen Sie Objekte in Bildern und schlagen Sie vor, wie man sie mit einer Roboterhand ergreift, mithilfe eines neuronalen Netzwerkmodells.

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 →
robotic-grasping — GitHub preview card
📈 Sternhistorie
667666
2026-07-202026-08-31
📈 robotic-grasping verfolgen

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

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

Antipodale robotische Greiftechniken mit GR-ConvNet. IROS 2020.

robotic-grasping hat 666 Sterne auf GitHub. Es wurde 149-mal geforkt. robotic-grasping ist hauptsächlich in Python geschrieben. Es wird seit 2019 aktiv entwickelt. Die Hauptthemen sind: deep-learning, grasping, robotic-manipulation, robotics.

Frequently asked questions

Was ist robotic-grasping?

Antipodale robotische Greiftechniken mit GR-ConvNet. IROS 2020.

Ist robotic-grasping Open Source?

robotic-grasping ist ein Open-Source-Projekt.

Ist robotic-grasping kostenlos?

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

In welcher Sprache ist robotic-grasping geschrieben?

robotic-grasping ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — robotic-grasping

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

[![olud.ai](https://olud.ai/badge.php?tool=skumra-robotic-grasping)](https://olud.ai/project/skumra-robotic-grasping.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

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