#reinforcement-learning Репозитории
Всего репозиториев: 564
Записки к курсу Машинное обучение (Machine Learning) 2021 Spring профессора Ли Хонг-Ии Университета Тайвань (NTU)
Связанные работы по обучению с подкреплением, включая классические работы и последние работы на ведущих конференциях
NeurIPS 2023: Safety-Gymnasium: Единый эталон безопасного обучения с подкреплением
[ICML 2026] Официальные ресурсы «Graph-R1: К агентному фреймворку GraphRAG через обучение с подкреплением от начала до конца».
Сборник статей, кодов, наборов данных, бенчмарков и ресурсов по мультимодальному рассуждению.
Документы AAAI 2024: Изучите обширную коллекцию инновационных исследовательских работ, представленных на одной из ведущих конференций по искусственному интеллекту. Беспрепятственно интегрируйте реализации кода для лучшего понимания. ⭐ испытайте передовые достижения в области искусственного интеллекта с помощью этого репозитория!
Курируемый список статей по обучению с подкреплением для генерации видео
Chain-of-Agents: Сквозные фундаментальные модели агентов посредством дистилляции мультиагентов и агентского Обучения с Подкреплением (Agentic RL).
Meta Agents Research Environments — это комплексная платформа, предназначенная для оценки ИИ-агентов в динамичных и реалистичных сценариях. В отличие от статических бенчмарков, эта платформа представляет собой развивающуюся среду, в которой агенты должны адаптировать свои стратегии по мере поступления новой информации, что отражает реальные жизненные задачи.
Создание прототипов роботов для PyBullet (гоночный автомобиль F1/10 MIT Racecar, Sawyer, Baxter и манипулятор Dobot, Boston Dynamics Atlas и среда Botlab)
[CVPR 2025 Oral] TokenHSI: Унифицированный синтез физических взаимодействий человека и сцены посредством токенизации задач
Среда RL-Gym для сложных задач моделирования и управления динамикой жидкостей на основе данных.
Опубликовано в Nature Machine Intelligence! Первый настоящий робот (квадрокоптер) на основе обучения с дифференцируемой физикой.
FineEnvs — Введение в среды RL: создание и масштабирование сред RL в эпоху больших языковых моделей
UMI on Legs: делаем политики манипуляции мобильными с помощью полнотелых контроллеров, ориентированных на манипуляцию
Глубокое обучение с подкреплением (PPO) в автономном вождении (Carla) [с нуля]
Это новый репозиторий, используемый для обучения политики навигации UAV (локальное планирование пути) с помощью методов DRL.
Реализация ChatGPT RLHF (обучение с подкреплением на основе обратной связи от человека) на любой генеративной модели в трансформере huggingface (blommz-176B/bloom/gpt/bart/T5/MetaICL)
CUDA-L2: Превосхождение производительности cuBLAS в умножении матриц с помощью обучения с подкреплением
[Основные моменты CVPR 2025] InterMimic: На пути к универсальному управлению всем телом для физически корректного взаимодействия человека с объектами
Куратированный список ресурсов по искусственному интеллекту (Курсы, Инструменты, Приложения, Проекты с открытым исходным кодом)
Langostino — платформа автономных дронов с открытым исходным кодом, использующая ROS2 и управление полётом на основе ИИ. Полная эталонная реализация для создания, изучения и расширения автономности дронов в реальных условиях.
Фреймворк для создания четвероногих роботов-компаньонов с открытым исходным кодом на базе ESP32, предназначенный для разработки четвероногих роботов в стиле Boston Dynamics. Идеально подходит для обучения STEM, программированию и робототехнике, приложений робототехники IoT, сервисов робототехнических приложений с поддержкой ИИ, исследований и разработки наборов для самостоятельной сборки роботов.
PLUTO: Расширение границ планирования на основе имитационного обучения для автономного вождения
[NeurIPS 2025 Spotlight] Набор для постобучения LLM — с ReasonFlux, ReasonFlux-PRM и ReasonFlux-Coder.
🦆 Реплика робота-утки Microduck Feetech HD1910: балансирование на одной ноге на реальном оборудовании, готовые модели движений, консоль управления на китайском языке, собственные HAT/IMU и руководство по сборке из 3 шагов. Для стандартной реплики обучение не требуется.
Отобранный список общедоступных курсов по машинному обучению и инженерии от CalTech, Колумбийского университета, Беркли, MIT и Стэнфорда.
[RSS 2024] Ловкий, но безопасный: Обучение высокоскоростному шагающему передвижению без столкновений
Библиотека Python с открытым исходным кодом для симуляции покерных игр, оценки комбинаций и статистического анализа
Обучение с подкреплением на основе моделей мира для многошаговых VLM-агентов. Фреймворк обучения с подкреплением для задач компьютерного зрения (NeurIPS 2025).