#reinforcement-learning Репозитории
Всего репозиториев: 564
Предварительное обучение видео (VPT): Обучение действиям путем просмотра немаркированных онлайн-видео
Стандартный формат для наборов данных оффлайн обучения с подкреплением, с популярными эталонными наборами данных и связанными утилитами
[NeurIPS 2023 Spotlight] LightZero: Единый бенчмарк для древовидного поиска Монте-Карло в общих сценариях последовательного принятия решений (отличный MCTS)
🚀 БЕСПЛАТНЫЕ ресурсы по ИИ - 🎓 Курсы, 👷 Вакансии, 📝 Блоги, 🔬 Исследования в области ИИ и многое другое - для всех!
Машинное обучение для алгоритмической торговли, второе издание - опубликовано Packt
Пакет с открытым исходным кодом, который предоставляет создателям видеоигр, исследователям искусственного интеллекта и энтузиастам возможность изучать сложное поведение для своих неигровых персонажей или агентов.
Безопасный RLHF: Ограниченное согласование ценностей посредством безопасного обучения с подкреплением на основе обратной связи от человека
🚀🀄️ Быстрый и сильный ИИ для риичи маджонга, разработанный с использованием Rust и глубокого обучения с подкреплением.
bsuite — это набор тщательно разработанных экспериментов, исследующих основные возможности агента обучения с подкреплением (RL)
Мультимодальная структура обучения с подкреплением для моделей диффузии и омни
Форк для добавления обучения мультимодальным моделям в open-r1
[NeurIPS 2025 Spotlight] Среды рассуждений для обучения с подкреплением с верифицируемыми наградами
Высокопроизводительный параллельный движок выполнения среды на основе C++ (векторизованная среда) для общих сред RL.
[CVPR 2025 Highlight] Усечённая модель диффузии для сквозного автономного вождения в реальном времени
[IEEE RA-L'25] NavRL: Обучение безопасному полету в динамических средах (NVIDIA Isaac/Python/ROS1/ROS2)
Симуляционная верификация и физическое развертывание алгоритмов обучения с подкреплением для роботов, подходящих для четвероногих роботов, колесных роботов и гуманоидных роботов. "sar" означает "симуляция и реальность"
Учебная программа по глубокому обучению, ориентированная на согласование языковой модели
Бенчмарк имитационного обучения, ориентированный на сложные задачи локомоции с использованием MuJoCo.
Вызов талантов Lumina Robotics | Список талантов Embodied AI / Робототехники сообщества Lumina | Список вакансий Embodied AI/Robotics (PhD, RA, стажер и т.д)
Переimplementación del modelo pi0 de visión-lenguaje-acción (VLA) de Physical Intelligence
TextWorld — это песочница для обучения, предназначенная для тренировки и оценки агентов обучения с подкреплением (RL) в текстовых играх.
Это репозиторий для реализации обучения с подкреплением для роботов Unitree, основанный на IsaacLab.
Этот репозиторий предоставляет ценные справочные материалы для исследователей в области мультимодальности, начните свое исследовательское путешествие по RL-основанным MLLM для рассуждений!
Бесплатный курс, который проведет вас от нуля до PRO в обучении с подкреплением 🦸🏻🦸🏽
Курируемый список потрясающих ресурсов по основанному на моделях обучению с подкреплением (постоянно обновляется)
Агенты Llama-3, которые могут просматривать веб-сайты, следуя инструкциям и общаясь с вами
ReSearch: Обучение рассуждению с помощью поиска для LLM через обучение с подкреплением & ReCall: Обучение рассуждению с помощью вызова инструментов для LLM через обучение с подкреплением
Коллекция справочных Jupyter notebooks и демонстрационных приложений AI/ML для корпоративных сценариев использования: маркетинг, ценообразование, цепочка поставок, интеллектуальное производство и многое другое.
Программируемый и высокоманевренный робот-кот для STEM-образования и услуг с использованием ИИ.