mujoco

Dinamika Multi-Joint dengan Kontak. Simulator fisika tujuan umum.

Pustaka deep reinforcement learning PyTorch yang elegan.

Tumpukan perangkat lunak Google DeepMind untuk simulasi berbasis fisika dan lingkungan Reinforcement Learning, menggunakan MuJoCo.

Koleksi model berkualitas tinggi untuk mesin fisika MuJoCo, yang dikurasi oleh Google DeepMind.

Mesin AI Keputusan OpenDILab. Framework Reinforcement Learning Paling Komprehensif.

Lengan humanoid sumber terbuka penuh untuk penelitian AI fisik dan penerapan di lingkungan yang kaya kontak.

API Isaac Lab, ditenagai oleh MuJoCo-Warp, untuk riset pembelajaran penguatan (RL) dan robotika

Kumpulan lingkungan robotika yang ditujukan untuk benchmarking pembelajaran penguatan multi-tugas dan meta.

Sintesis perilaku waktu nyata dengan MuJoCo, menggunakan Predictive Control

Engine eksekusi lingkungan paralel berkinerja tinggi berbasis C++ (env vektor) untuk lingkungan RL umum.

Kinematika invers Python berbasis MuJoCo.

MyoSuite adalah kumpulan lingkungan/tugas yang harus diselesaikan oleh model muskuloskeletal yang disimulasikan dengan mesin fisika MuJoCo dan dibungkus dalam API OpenAI gym.

Melatih robot humanoid untuk lokomosi menggunakan Reinforcement Learning

XuanCe: Pustaka Deep Reinforcement Learning yang Komprehensif dan Terpadu

Library Deep Reinforcement Learning Tercepat

Kumpulan lingkungan simulasi robotika untuk reinforcement learning

Pustaka Python untuk Reinforcement Learning.

UniLab: Arsitektur Heterogen untuk RL Robot di luar paradigma berbasis GPU

Kerangka Kerja Reinforcement Learning Terpadu

Kerangka kerja terpadu untuk pembelajaran robot

Mengonversi susunan Onshape menjadi definisi robot (URDF, SDF, MuJoCo) melalui Onshape API

Implementasi ROS2-Control untuk robot berkaki empat, termasuk sim2real

Model tubuh lalat buah MuJoCo dan tugas RL lokomosi

Simulator robotika sumber terbuka berketepatan tinggi yang mengintegrasikanrendering fotorealistik Unreal Engine dengan fisika presisi MuJoCo.

Model predictive controller untuk robot berkaki empat berdasarkan model bodi kaku tunggal yang ditulis dalam python. Berbasis gradien (acados) atau berbasis sampling (jax)