#reinforcement-learning リポジトリ
リポジトリ合計564件
ROS Gazeboシミュレーターにおけるモバイルロボットナビゲーションのための深層強化学習。Twin Delayed Deep Deterministic Policy Gradient (TD3)ニューラルネットワークを使用し、ロボットはシミュレーション環境内のランダムな目標地点へのナビゲーションを、障害物を回避しながら学習します。
PyTorch を用いたモジュール式深層強化学習フレームワーク。書籍『Foundations of Deep Reinforcement Learning』の付属ライブラリ。
Agentエンジニアのための最も包括的な学習ロードマップ · ゼロからAIエンジニアリングを極める · 20段階・542レッスン · 中国語の完全翻訳+関連サイト+アニメーション解説動画 · AI Agentエンジニアになるための修練ガイド
Soft Actor-Critic (SAC)、Twin Delayed DDPG (TD3)、Actor-Critic (AC/A2C)、Proximal Policy Optimization (PPO)、QT-Opt、PointNet の PyTorch 実装..
DeepRacer ワークショップ コンテンツ。このガイダンスは、ソフトウェア開発者が Amazon SageMaker Notebook インスタンスを使用して、AWS DeepRacer モデルを完全な制御で直接トレーニングおよび評価する方法を示します。
「Learning Efficient Online 3D Bin Packing on Packing Configuration Trees」のコード実装です。階層的なパッキング構成ツリーで学習することにより、オンライン3Dビンパッキング問題(BPP)の実用的な適用性を向上させることを提案します。これにより、深層強化学習(DRL)モデルは、厳密な制約を容易に処理でき、連続した解空間でも良好なパフォーマンスを発揮できます。
パーダーボルン大学が主催する強化学習コースの講義ノート、解答を含むチュートリアル課題、およびオンラインビデオ
一般的なセットアップ(例:Google Robot、WidowX+Bridge)で、シミュレーションにおける実世界のロボット操作ポリシー(例:RT-1、RT-1-X、Octo)の評価と再現(CoRL 2024)
シンプルでスタイルも良いPPOの実装。私のMediumシリーズに基づいています: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.