#reinforcement-learning リポジトリ
リポジトリ合計564件
AAAI 2024 論文: 最も有力な人工知能カンファレンスの一つで発表された革新的な研究論文の包括的なコレクションをご覧ください。より深い理解のためにコード実装をシームレスに統合します。⭐ このリポジトリで人工知能の進歩の最前線を体験してください!
Chain-of-Agents: マルチエージェント蒸留とエージェントRLを介したエンドツーエンドのエージェント基盤モデル。
Meta Agents Research Environmentsは、動的で現実的なシナリオにおいてAIエージェントを評価するために設計された包括的なプラットフォームです。静的なベンチマークとは異なり、このプラットフォームは、新しい情報が入手可能になるにつれてエージェントが戦略を適応させる必要がある進化する環境を導入しており、現実世界の課題を反映しています。
PyBullet 用のロボットのプロトタイピング(F1/10 MIT レースカー、Sawyer、Baxter、Dobot アーム、Boston Dynamics Atlas、Botlab 環境)
自律走行(Carla)における深層強化学習(PPO)[ゼロから]
huggingfaceのtransformer(blommz-176B/bloom/gpt/bart/T5/MetaICL)の任意の生成モデルでのChatGPT RLHF(人間からのフィードバックによる強化学習)の実装
Langostino — ROS2 と AI を活用した飛行制御を使用する、オープンソースの自律型ドローンプラットフォーム。実環境におけるドローンの自律性を構築、理解、拡張するための完全なリファレンス実装です。
ESP32ベースのオープンソース四足ロボットペット用フレームワーク。Boston Dynamics風の四足歩行ロボットの開発に利用でき、STEM、プログラミング・ロボティクス教育、IoTロボティクスアプリケーション、AIを活用したロボティクスアプリケーションサービス、研究、DIYロボットキットの開発に最適です。
[NeurIPS 2025 Spotlight] LLM ポストトレーニングスイート — ReasonFlux、ReasonFlux-PRM、ReasonFlux-Coder を搭載。
🦆 Microduck Feetech HD1910ロボットアヒルのレプリカ:実機での片脚バランス、すぐに使える動作モデル、中国語の制御コンソール、自作HAT/IMU、3ステップの組み立てガイド。標準的なレプリカなら学習は不要です。
CalTech、コロンビア大学、バークレー校、MIT、スタンフォード大学が提供する、一般公開されている機械学習エンジニアリングコースの厳選リスト。