Inicio Proyectos tmrl
tmrl

tmrl

por trackmania-rl · GitHub

Aprendizaje por refuerzo para aplicaciones en tiempo real

Ver en GitHub
En palabras simples

Entrena modelos de IA para tareas en tiempo real como coches autónomos utilizando un marco especializado.

⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Uso comercial permitido
📅 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 →
tmrl — GitHub preview card
📈 Historial de estrellas
727725
2026-07-202026-07-29
📈 Sigue tmrl

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

Aprendizaje por refuerzo para aplicaciones en tiempo real

tmrl tiene 727 estrellas en GitHub. Se ha bifurcado 92 veces. tmrl está escrito principalmente en Python. Se desarrolla activamente desde 2020. tmrl está disponible bajo la licencia MIT. Sus temas principales son: pytorch, reinforcement-learning, self-driving-car, soft-actor-critic.

Frequently asked questions

¿Qué es tmrl?

Aprendizaje por refuerzo para aplicaciones en tiempo real

¿tmrl es de código abierto?

tmrl es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿tmrl es gratis?

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

¿Bajo qué licencia está tmrl?

tmrl está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito tmrl?

tmrl está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — tmrl

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=trackmania-rl-tmrl)](https://opensourceai.tech/project/trackmania-rl-tmrl.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.