#reinforcement-learning Repository
564 repository in totale
Appunti del corso di Machine Learning (Machine Learning) 2021 Spring del professor Li Hongyi dell'Universitร di Taiwan (NTU)
Articoli correlati per l'apprendimento per rinforzo, inclusi articoli classici e articoli piรน recenti nelle principali conferenze
NeurIPS 2023: Safety-Gymnasium: Un benchmark unificato per l'apprendimento per rinforzo sicuro
[ICML 2026] Risorse ufficiali di "Graph-R1: Verso un framework Agentic GraphRAG tramite Reinforcement Learning end-to-end".
Una raccolta di articoli, codici, set di dati, benchmark e risorse sul ragionamento multimodale.
Documenti AAAI 2024: Esplora una collezione completa di ricerche innovative presentate a una delle principali conferenze sull'intelligenza artificiale. Integra perfettamente le implementazioni del codice per una migliore comprensione. โญ Sperimenta le avanguardie del progresso nell'intelligenza artificiale con questo repository!
Un elenco curato di articoli sull'apprendimento per rinforzo per la generazione di video
Chain-of-Agents: Modelli Fondamentali di Agenti End-to-End tramite Distillazione Multi-Agente e RL Agente.
Meta Agents Research Environments รจ una piattaforma completa progettata per valutare agenti IA in scenari dinamici e realistici. A differenza dei benchmark statici, questa piattaforma introduce ambienti in evoluzione in cui gli agenti devono adattare le proprie strategie man mano che nuove informazioni diventano disponibili, rispecchiando le sfide del mondo reale.
Prototipazione di robot per PyBullet (F1/10 MIT Racecar, Sawyer, Baxter e braccio Dobot, Boston Dynamics Atlas e ambiente Botlab)
[CVPR 2025 Oral] TokenHSI: Sintesi Unificata delle Interazioni Fisiche Umano-Scena tramite Tokenizzazione delle Attivitร
Un ambiente di apprendimento per rinforzo per problemi complessi di modellazione e controllo della dinamica dei fluidi basati sui dati.
Pubblicato su Nature Machine Intelligence! Il primo vero robot (quadrotor) basato su addestramento con fisica differenziabile.
FineEnvs โ Introduzione agli ambienti RL: creare e scalare ambienti RL nellโera degli LLM
ใCreare Deep Learning da Zero โนใ(O'Reilly Japan, 2022)
UMI on Legs: Rendere mobili le politiche di manipolazione con controller per tutto il corpo incentrati sulla manipolazione
Apprendimento per Rinforzo Profondo (PPO) nella Guida Autonoma (Carla) [da zero]
Questo รจ un nuovo repository utilizzato per addestrare la politica di navigazione UAV (pianificazione del percorso locale) usando metodi DRL.
Implementazione di ChatGPT RLHF (Reinforcement Learning with Human Feedback) su qualsiasi modello di generazione nel transformer di huggingface (blommz-176B/bloom/gpt/bart/T5/MetaICL)
CUDA-L2: Superando le prestazioni di cuBLAS per la moltiplicazione di matrici tramite Reinforcement Learning
[In evidenza al CVPR 2025] InterMimic: Verso un controllo universale dell'intero corpo per interazioni uomo-oggetto basate sulla fisica
Una lista curata di risorse sull'intelligenza artificiale (Corsi, Strumenti, App, Progetti Open Source)
Langostino - Una piattaforma open source per droni autonomi che utilizza ROS2 e un controllo di volo basato sullโintelligenza artificiale. Unโimplementazione di riferimento completa per costruire, comprendere ed estendere lโautonomia dei droni nel mondo reale.
Un framework open source basato su ESP32 per robot quadrupedi da compagnia, pensato per sviluppare robot a quattro zampe in stile Boston Dynamics. Ideale per lโistruzione STEM, lโinsegnamento della programmazione e della robotica, le applicazioni robotiche IoT, i servizi applicativi di robotica potenziati dallโIA, la ricerca e lo sviluppo di kit di robotica fai-da-te.
PLUTO: Spingere al limite la pianificazione basata sull'apprendimento per imitazione per la guida autonoma
Implementazioni di algoritmi di Reinforcement Learning Multi-Obiettivo.
[NeurIPS 2025 Spotlight] Suite di post-addestramento LLM โ con ReasonFlux, ReasonFlux-PRM e ReasonFlux-Coder.
๐ฆ Replica dellโanatra robotica Microduck Feetech HD1910: equilibrio su una zampa su hardware reale, modelli di movimento pronti allโuso, console di controllo in cinese, HAT/IMU personalizzato e guida alla realizzazione in 3 passaggi. Per una replica standard non รจ necessario alcun addestramento.
Elenco curato di corsi di ingegneria dell'apprendimento automatico accessibili pubblicamente, provenienti da CalTech, Columbia, Berkeley, MIT e Stanford.
[RSS 2024] Agile ma sicuro: Apprendimento della locomozione a zampe ad alta velocitร e senza collisioni
Una libreria Python open source per la simulazione di partite di poker, la valutazione delle mani e lโanalisi statistica
Apprendimento per rinforzo con modelli del mondo per agenti VLM multi-turno. Framework di apprendimento per rinforzo per la visione (NeurIPS 2025).