ROS-LLM
ROS-LLM é uma estrutura projetada para aplicações de inteligência incorporada no ROS. Permite interações em linguagem natural e aproveita Modelos de Linguagem Grande (LLMs) para tomada de decisão e controle de robôs. Com um processo de configuração fácil, essa estrutura permite f
Controle robôs e permita que eles entendam linguagem natural usando grandes modelos de linguagem.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserROS-LLM é uma estrutura projetada para aplicações de inteligência incorporada no ROS. Permite interações em linguagem natural e aproveita Modelos de Linguagem Grande (LLMs) para tomada de decisão e controle de robôs. Com um processo de configuração fácil, essa estrutura permite f
ROS-LLM tem 809 estrelas no GitHub. Foi bifurcado 98 vezes. ROS-LLM é escrito principalmente em Python. Está em desenvolvimento ativo desde 2023. ROS-LLM está disponível sob a licença Apache-2.0. Os seus principais temas são: embodied-intelligence, gpt, llm, ros.
O que é ROS-LLM?
ROS-LLM é uma estrutura projetada para aplicações de inteligência incorporada no ROS. Permite interações em linguagem natural e aproveita Modelos de Linguagem Grande (LLMs) para tomada de decisão e controle de robôs. Com um processo de configuração fácil, essa estrutura permite f
ROS-LLM é de código aberto?
ROS-LLM é um projeto de código aberto. É distribuído sob a licença Apache-2.0.
ROS-LLM é gratuito?
Sim. ROS-LLM é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está ROS-LLM?
ROS-LLM está disponível sob a licença Apache-2.0.
Em que linguagem ROS-LLM está escrito?
ROS-LLM é escrito principalmente em Python.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/auromix-ros-llm.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.