Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning
Deep Reinforcement Learning (PPO) nella Guida Autonoma (Carla) [da zero]
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiDeep Reinforcement Learning (PPO) nella Guida Autonoma (Carla) [da zero]
Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning ha 562 stelle su GitHub. È stato forkato 99 volte. Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning è scritto principalmente in Python. È in sviluppo attivo dal 2022. Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning è disponibile con licenza MIT. I suoi temi principali sono: autonomous-driving, carla-driving-simulator, carla-environment, carla-simulator.
Che cos'è Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning?
Deep Reinforcement Learning (PPO) nella Guida Autonoma (Carla) [da zero]
Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning è open source?
Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning è un progetto open source. È rilasciato con licenza MIT.
Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning è gratuito?
Sì. Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning?
Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning è disponibile con licenza MIT.
In quale linguaggio è scritto Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning?
Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://opensourceai.tech/project/idreesshaikh-autonomous-driving-in-carla-using-deep-reinforcement-learning.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.