Awesome Humanoid Robot Learning
Eine kuratierte Sammlung akademischer Arbeiten zum Thema Lernen humanoider Roboter, nach Aufgabenschwerpunkt geordnet. Bevorzugt werden Arbeiten mit Experimenten an echten Robotern, und solche mit Open-Source-Code sind besonders gekennzeichnet. Deckt das gesamte Spektrum von Ganzkörpersteuerung und Manipulation bis hin zu Sim-to-Real-Transfer, Hardwaredesign und physikbasierter Animation ab. Gepflegt von einem Robotikforscher der Stanford University.
- Schwerpunkt: Lernen humanoider Roboter
- Betreuer: Yanjie Ze
- Lizenz: MIT
- Einträge: 555
- Schlagwörter: humanoid-robots, robot-learning, locomotion, manipulation, whole-body-control, teleoperation, sim-to-real, reinforcement-learning, research-papers, hardware-design
Warum ausgewählt
Umfassender Umfang mit über 550 Arbeiten in 11 Kategorien, die den gesamten Lern-Stack humanoider Robotik abdecken. Aktiv gepflegt von einem Stanford-Robotikforscher. Starke Community-Akzeptanz mit fast 2.000 Sternen. Humanoide Robotik ist einer der am schnellsten wachsenden Bereiche mit großen Investitionen von Tesla, Figure, 1X und anderen.
Am besten für
Forscher und Ingenieure, die an humanoiden Robotern arbeiten und eine umfassende Referenz der neuesten Arbeiten zu Ganzkörpersteuerung, Manipulation, Teleoperation und Sim-to-Real-Transfer benötigen.
Links
- GitHub: https://github.com/YanjieZe/awesome-humanoid-robot-learning