#reinforcement-learning 저장소
저장소 총 564개
ROS Gazebo 시뮬레이터에서 모바일 로봇 내비게이션을 위한 심층 강화 학습. Twin Delayed Deep Deterministic Policy Gradient (TD3) 신경망을 사용하여 로봇은 장애물을 피하면서 시뮬레이션된 환경에서 임의의 목표 지점으로 이동하는 방법을 배웁니다.
PyTorch를 사용한 모듈식 딥 강화학습 프레임워크. 책 "Foundations of Deep Reinforcement Learning"의 동반 라이브러리.
Agent 엔지니어를 위한 가장 종합적인 학습 로드맵 · 처음부터 AI 엔지니어링 마스터하기 · 20단계, 542개 강의 · 중국어 전체 번역 + 연계 웹사이트 + 애니메이션 설명 영상 · AI Agent 엔지니어가 되기 위한 수련 가이드
Soft Actor-Critic (SAC), Twin Delayed DDPG (TD3), Actor-Critic (AC/A2C), Proximal Policy Optimization (PPO), QT-Opt, PointNet의 PyTorch 구현..
DeepRacer 워크숍 콘텐츠. 이 가이드라인은 소프트웨어 개발자들이 Amazon SageMaker Notebook 인스턴스를 사용하여 AWS DeepRacer 모델을 완전한 제어로 직접 훈련하고 평가하는 방법을 보여줍니다.
"Learning Efficient Online 3D Bin Packing on Packing Configuration Trees"의 코드 구현입니다. 저희는 딥 강화 학습(DRL) 모델이 실제 제약 조건을 쉽게 처리하고 연속적인 해 공간에서도 뛰어난 성능을 발휘할 수 있도록 하는 계층적 패 킹 구성 트리에서 학습함으로써 온라인 3D 빈 패킹 문제(BPP)의 실질적인 적용 가능성을 향상시킬 것을 제안합니다.
파더보른 대학교가 주최하는 강화 학습 과정의 강의 노트, 풀이가 포함된 튜토리얼 과제 및 온라인 동영상
일반적인 설정(예: Google Robot, WidowX+Bridge)에서 시뮬레이션으로 실제 로봇 조작 정책(예: RT-1, RT-1-X, Octo) 평가 및 재현 (CoRL 2024)
간단하고 잘 스타일링된 PPO 구현입니다. 제 Medium 시리즈를 기반으로 합니다: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.