gym ignition

Gym-ognition

️ Peringatan ️

Proyek ini tidak lagi dipertahankan secara aktif, dan pengembangan telah macet. Untuk deskripsi mendalam tentang status saat ini dan langkah-langkah yang dapat ditindaklanjuti untuk menghidupkan kembali pengembangan, silakan berkonsultasi #430.

Keterangan

Gym-ognition adalah kerangka kerja untuk menciptakan lingkungan robotika yang dapat direproduksi untuk penelitian pembelajaran penguatan.

Ini didasarkan pada proyek skenario yang menyediakan API tingkat rendah untuk berinteraksi dengan simulator gazebo pengapian. Secara default, lingkungan RL berbagi banyak kode boilerplate, misalnya untuk menginisialisasi simulator atau menyusun kelas untuk mengekspos antarmuka gym.Env . Gym-ognition memberikan Task dan abstraksi Runtime yang membantu Anda fokus pada pengembangan logika pengambilan keputusan daripada rekayasa. Ini termasuk pengacak untuk menyederhanakan implementasi pengacakan domain model, fisika, dan tugas. Gym-ognition juga memberikan algoritma dinamika yang kuat yang kompatibel dengan robot berbasis-basis dan mengambang dengan mengeksploitasi robotologi/idyntree dan mengekspos fungsi tingkat tinggi.

Gym-ognition tidak menyediakan lingkungan out-of-the-box yang siap digunakan. Sebaliknya, tujuannya menyederhanakan dan merampingkan perkembangan mereka. Meskipun demikian, untuk tujuan ilustrasi, itu termasuk contoh kanonik dalam paket gym_ignition_environments .

Kunjungi situs web untuk informasi lebih lanjut tentang proyek ini.

Instalasi

1. Pertama, ikuti instruksi instalasi skenario.
2. pip install gym-ignition , lebih disukai di lingkungan virtual.

Berkontribusi

Anda dapat mengunjungi forum komunitas kami yang diselenggarakan dalam diskusi GitHub. Bahkan tanpa keterampilan pengkodean, menjawab pertanyaan pengguna adalah cara yang bagus untuk berkontribusi. Jika Anda menggunakan gym-ognition dalam aplikasi Anda dan ingin memamerkannya, kunjungi bagian pertunjukan dan katakan! Anda dapat mengiklankan di sana lingkungan Anda yang dibuat dengan penyembahan gym.

Permintaan tarik dipersilakan.

Untuk perubahan besar, buka diskusi terlebih dahulu untuk mengusulkan apa yang ingin Anda ubah.

Kutipan

 @INPROCEEDINGS { ferigo2020gymignition ,
    title = { Gym-Ignition: Reproducible Robotic Simulations for Reinforcement Learning } ,
    author = { D. {Ferigo} and S. {Traversaro} and G. {Metta} and D. {Pucci} } ,
    booktitle = { 2020 IEEE/SICE International Symposium on System Integration (SII) } ,
    year = { 2020 } ,
    pages = { 885-890 } ,
    doi = { 10.1109/SII46433.2020.9025951 }
} 

Lisensi

LGPL v2.1 atau versi selanjutnya.

---

Penafian: Gym-ognition adalah proyek independen dan tidak terkait dengan cara apa pun untuk membuka dan membuka robotika.