Inicio Proyectos expressive-humanoid
expressive-humanoid

expressive-humanoid

por chengxuxin · GitHub

[RSS 2024]: Control Expresivo de Cuerpo Completo para Robots Humanoides

Ver en GitHub
⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Licencia no especificada
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
expressive-humanoid — GitHub preview card
📈 Historial de estrellas
497496
2026-07-202026-07-29
📈 Sigue expressive-humanoid

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

[RSS 2024]: Control Expresivo de Cuerpo Completo para Robots Humanoides

expressive-humanoid tiene 497 estrellas en GitHub. Se ha bifurcado 43 veces. expressive-humanoid está escrito principalmente en Python. Se desarrolla activamente desde 2024. Sus temas principales son: human-motion, imitation-learning, reinforcement-learning, sim-to-real.

Frequently asked questions

¿Qué es expressive-humanoid?

[RSS 2024]: Control Expresivo de Cuerpo Completo para Robots Humanoides

¿expressive-humanoid es de código abierto?

expressive-humanoid es un proyecto de código abierto.

¿expressive-humanoid es gratis?

Sí. expressive-humanoid es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito expressive-humanoid?

expressive-humanoid está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — expressive-humanoid

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=chengxuxin-expressive-humanoid)](https://opensourceai.tech/project/chengxuxin-expressive-humanoid.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.