Una demostración completa de extremo a extremo en la que recopilamos datos de entrenamiento en Unity y usamos esos datos para entrenar una red neuronal profunda para predecir la pose de un cubo. Este modelo se despliega luego en una tarea simulada de recogida y colocación robótica.
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 quierasUna demostración completa de extremo a extremo en la que recopilamos datos de entrenamiento en Unity y usamos esos datos para entrenar una red neuronal profunda para predecir la pose de un cubo. Este modelo se despliega luego en una tarea simulada de recogida y colocación robótica.
Robotics-Object-Pose-Estimation tiene 346 estrellas en GitHub. Se ha bifurcado 83 veces. Robotics-Object-Pose-Estimation está escrito principalmente en Python. Se desarrolla activamente desde 2021. Robotics-Object-Pose-Estimation está disponible bajo la licencia Apache-2.0. Sus temas principales son: autonomy, computer-vision, deep-learning, machine-learning.
Una demostración completa de extremo a extremo en la que recopilamos datos de entrenamiento en Unity y usamos esos datos para entrenar una red neuronal profunda para predecir la pose de un cubo. Este modelo se despliega luego en una tarea simulada de recogida y colocación robótica.
Robotics-Object-Pose-Estimation es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
Sí. Robotics-Object-Pose-Estimation es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
Robotics-Object-Pose-Estimation está disponible bajo la licencia Apache-2.0.
Robotics-Object-Pose-Estimation 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/unity-technologies-robotics-object-pose-estimation.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.