DeepTerrainRLxbpeng/DeepTerrainRL
提供一套基于深度强化学习的四足机器人地形自适应运动控制训练代码,让研究者在仿真环境中训练并复现机器人跨越复杂地形的行走策略。核心功能要点包括:1.【地形自适应策略训练】:在仿真中构建起伏、斜坡、台阶等复杂地形,…
还没有人评分
我要评分
Stars463
Forks130
Watchers463
Open Issues17
Install一键安装
待确认这个仓库是否遵循 Agent Skills 规范(即是否含 SKILL.md)尚未核查完成。在结论出来之前,可以先克隆下来自行取用:
git clone https://github.com/xbpeng/DeepTerrainRL.git
Overview功能介绍
核心功能
提供一套基于深度强化学习的四足机器人地形自适应运动控制训练代码,让研究者在仿真环境中训练并复现机器人跨越复杂地形的行走策略。核心功能要点包括:1.【地形自适应策略训练】:在仿真中构建起伏、斜坡、台阶等复杂地形,用深度强化学习训练机器人根据地形实时调整步态与落脚点,减少人工设计控制器的调参工作量;2.【运动控制实验复现】:提供可运行的训练与评估流程,支持复现论文中的地形自适应行走实验,便于对比不同算法与参数设置的效果;3.【仿真环境交互接口】:封装机器人与仿真环境之间的状态观测、动作执行与奖励计算接口,方便替换地形、机器人模型或奖励函数开展新实验。
适用场景
四足机器人复杂地形行走策略训练、仿真环境中的运动控制算法研究、深度强化学习论文复现与实验对比、地形自适应步态生成。
适用职业
AI / 算法工程师、硬件 / 嵌入式工程师。
Rating用户评分
还没有人给这个技能评分。它是全站第一次被评价 —— 你的这一票就是最初的平均分。
Repository仓库信息
| 技能 ID | 1886 |
|---|---|
| 数据来源 | GitHub |
| 仓库全名 | xbpeng/DeepTerrainRL |
| 所属分类 | 人工智能与机器学习 / 强化学习与机器人控制 |
| 主要语言 | C++ |
| 开源协议 | GNU Lesser General Public License v3.0 |
| 默认分支 | master |
| GitHub 仓库 ID | 55195086 |
| 节点 ID | MDEwOlJlcG9zaXRvcnk1NTE5NTA4Ng== |
| 榜单排名 | #1356 (来源榜单内名次) |
| 全站热度排名 | #1538 (按 Stars 实时计算,共 5833 条) |
GrowthStar / Fork 增长
每天一次快照,记录 Star 与 Fork 的变化过程
- 当前463
- 上一记录点 · 09-25 462
- 较上一记录点 +1
- 共 2 个记录点 跨度 16 天
- 当前130
- 上一记录点 · 09-25 130
- 较上一记录点 ±0
- 共 2 个记录点 跨度 16 天
Timeline时间线
仓库创建2016-04-01 01:39:092016-04-01
资料最后更新2026-10-26 12:12:5921 天前
最近一次代码推送2018-09-05 08:39:272018-09-05
Commit更新记录
版本【Windows Build】由提交人 Neo-X 提交,主要更新类型为:技术文档补充与规范指引更新。提交说明:Update README.md。完善了项目使用说明、部署规范与开发者指引。