Un entorno MuJoCo/Gym para control de robots utilizando Aprendizaje por Refuerzo. La tarea de los agentes en este entorno es la predicción pixel a pixel de las probabilidades de éxito de agarre.
Controla robots en un entorno simulado y predice cuán exitosos serán al agarrar objetos.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasUn entorno MuJoCo/Gym para control de robots utilizando Aprendizaje por Refuerzo. La tarea de los agentes en este entorno es la predicción pixel a pixel de las probabilidades de éxito de agarre.
MuJoCo_RL_UR5 tiene 681 estrellas en GitHub. Se ha bifurcado 70 veces. MuJoCo_RL_UR5 está escrito principalmente en Python. Se desarrolla activamente desde 2020. MuJoCo_RL_UR5 está disponible bajo la licencia MIT. Sus temas principales son: computer-vision, gym-environment, mujoco, pick-and-place.
Un entorno MuJoCo/Gym para control de robots utilizando Aprendizaje por Refuerzo. La tarea de los agentes en este entorno es la predicción pixel a pixel de las probabilidades de éxito de agarre.
MuJoCo_RL_UR5 es un proyecto de código abierto. Se distribuye bajo la licencia MIT.
Sí. MuJoCo_RL_UR5 es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
MuJoCo_RL_UR5 está disponible bajo la licencia MIT.
MuJoCo_RL_UR5 está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://opensourceai.tech/project/pauldanielml-mujoco-rl-ur5.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.