Accueil Projets ASE
ASE

ASE

par nv-tlabs · GitHub

Embeddings de compétences adversariales pour former des contrôleurs réutilisables pour des personnages simulés physiquement.

Voir sur GitHub
En termes simples

Entraînez des modèles à imiter les mouvements de personnages animés dans un environnement simulé.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Licence non spécifiée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
ASE — GitHub preview card
📈 Historique des étoiles
1 1111 109
2026-07-202026-07-29
📈 Suivez ASE

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Embeddings de compétences adversariales pour former des contrôleurs réutilisables pour des personnages simulés physiquement.

ASE compte 1.1k étoiles sur GitHub. Il a été forké 152 fois. ASE est écrit principalement en Python. Il est développé activement depuis 2022. Ses principaux thèmes sont : animation, physics-simulation, reinforcement-learning.

Frequently asked questions

Qu'est-ce que ASE ?

Embeddings de compétences adversariales pour former des contrôleurs réutilisables pour des personnages simulés physiquement.

ASE est-il open source ?

ASE est un projet open source.

ASE est-il gratuit ?

Oui. ASE est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Dans quel langage ASE est-il écrit ?

ASE est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — ASE

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=nv-tlabs-ase)](https://opensourceai.tech/project/nv-tlabs-ase.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.