深度强化学习以适应动态系统源码

revenge5298 4 0 ZIP 2021-02-23 00:02:53

“#为适应动态系统的深度强化学习”

文件列表

Deep-Reinforcement-Learning-for-Adapting-Dynamical-Systems-main.zip (预估有个91文件)

Deep-Reinforcement-Learning-for-Adapting-Dynamical-Systems-main

sawyer_peg_pd.py 2KB

__pycache__

sawyer_peg_pd.cpython-36.pyc 2KB

utils

force_plot.py 466B

utils.py 644B

__pycache__

utils.cpython-36.pyc 1KB

force_plot.cpython-36.pyc 956B

GMM

train_model.m 1KB

get_model.m 119B

gmm.py 6KB

__pycache__

gmm.cpython-36.pyc 6KB

train_gmm_model.py 414B

env

sawyer_peg_env.py 14KB

wsg50

WSG-FMF.stl 106KB

DIGIT-WSG-50-V1.STL 64KB

digit.STL 1.39MB

LICENSE 1KB

WSG50_110.stl 20KB

GUIDE_WSG50_110.stl 23KB

sawyer_robot

sawyer_description

urdf

sawyer.urdf 14KB

meshes

sawyer_pv

l0.STL 143KB

pedestal.STL 1.57MB

head.STL 270KB

l2.DAE 639KB

l3.DAE 604KB

head.DAE 1.32MB

l1.STL 146KB

l5.DAE 2.02MB

l3.STL 156KB

base.STL 259KB

l5.STL 172KB

l6.STL 179KB

pedestal.DAE 2.53MB

l4.STL 203KB

l0.DAE 216KB

l4.DAE 4.69MB

l6.DAE 271KB

l1.DAE 227KB

base.DAE 977KB

l2.STL 131KB

sawyer_mp3

l0.STL 660KB

l1.STL 500KB

l0.DAE 3.59MB

l1.DAE 462KB

sawyer_mp1

l6.STL 255KB

l6.DAE 1.9MB

LICENSE 1KB

package.xml 883B

__pycache__

sawyer_gripper.cpython-36.pyc 5KB

sawyer_peg_env.cpython-36.pyc 12KB

robots

sawyer_wsg50.urdf 24KB

data

square_prism

square_prism.urdf 843B

square.SLDPRT 44KB

peg_in_hole_board

peg_in_hole_board.urdf 2KB

peg-in-hole-board.STL 145KB

peg-in-hole-board.SLDPRT 358KB

cube_small

cube_small.urdf 807B

cylinder

circle.SLDPRT 51KB

cylinder.STL 141KB

cylinder.urdf 1KB

hexagonal_prism

hexagonal_prism.urdf 1KB

hexagon.STL 1KB

hexagon.SLDPRT 51KB

sawyer_gripper.py 5KB

.hydra

overrides.yaml 3B

config.yaml 2KB

hydra.yaml 3KB

.vscode

launch.json 685B

settings.json 85B

analysis

plot_force_profile.py 2KB

plot_return.py 1KB

Soft_Actor_Critic

sac_test.py 542B

__init__.py 0B

sac_train.py 1KB

replay_buffer.py 3KB

sac_agent.py 10KB

sac_hpo.py 4KB

__pycache__

sac_agent.cpython-36.pyc 7KB

networks.cpython-36.pyc 6KB

__init__.cpython-36.pyc 198B

replay_buffer.cpython-36.pyc 3KB

networks.py 6KB

config

train

sac_train.yaml 186B

env

sawyer_env.yaml 1KB

save_demonstrations.yaml 176B

test

sac_test.yaml 83B

sac_config.yaml 302B

agent

sac_agent.yaml 123B

plot_force_profile.py 2KB

README.md 64B

.gitignore 9B

save_demonstrations.py 1KB

用户评论

暂无评论

增强强化学习

强化学习(reinforcement learning，又称再励学习，评价学习)是一种重要的机器学习方法，在智能控制机器人及分析预测等领域有许多应用

45 2019-03-02
分层强化学习

分层强化学习MAXQ文档，有助于对分层强化学习MAXQ的理解

19 2019-05-20
强化学习DQN

这本书详细介绍了强化学习的常用算法以及算法原理，从蒙特卡罗方法到Q_learning最终到DQN

38 2019-05-15
强化学习论文

深度学习中的强化学习相关论文，chatbot对话中使用，效果较好

29 2019-06-04
强化学习笔记

强化学习一些公式的推导和理解，主要是关于Sutton那本reinforcementlearning

32 2019-07-18
强化学习Qlearning

智能Agent的主要特征之一就是能够适应未知环境，而在这一过程中，主动学习是至关重要的。在机器学习领域，大致可以将学习分为监督学习、非监督学习和强化学习3大类。

41 2019-07-11
flappybird强化学习

自动训练厉害的高分游戏。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

40 2019-04-28
模糊强化学习

用模糊强化学习，需预先设定模糊规则，本代码描述了Cartpole学习的强化学习过程，有兴趣可以学习一下

56 2018-12-15
强化学习综述

强化学习非常重要，强化学习内容有趣，强化学习相关资料

21 2019-07-23
强化学习实战

利用gym环境和Q-learning算法，在frozen_lake游戏中成功应用强化学习。

5 2024-05-01

深度强化学习以适应动态系统 源码

文件列表

用户评论

推荐下载

深度强化学习以适应动态系统源码