Walking Minotaur robot
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- University of California (UC) Berkeley,Google Brain
- Typ organizace
- Academia,Industry
- Země
- United States of America
- Publikováno
- 19 June 2019
- Autoři
- Tuomas Haarnoja, Sehoon Ha, Aurick Zhou, Jie Tan, George Tucker, Sergey Levine
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Robotics
- Úkol
- Animal (human/non-human) imitation
- Přístup
- Reinforcement learning
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- tokens
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Unknown
- Citace
- 493
Fig. 3: (a) – (d) Standard benchmark training results. Our method (blue) achieves similar or better performance compared to other algorithms. Note that all other algorithms except ours went through dense hyperparameter tuning to achieve the above learning curves.
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Learning to Walk via Deep Reinforcement Learning
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
O tomto modelu
Walking Minotaur robot byl zveřejněn University of California (UC) Berkeley,Google Brain, v zemi zaznamenané jako United States of America, během June 2019. Vychází z organizace, která je kategorizována jako academia,Industry.
funguje v oblasti Robotics, a je zaznamenán jako vykonávající úkol animal (human/non-human) imitation.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Jak bylo trénováno
Důvod, proč se to v tomto katalogu vůbec objevuje: sOTA improvement.
Odpovědi
Walking Minotaur robot — běžné otázky
Walking Minotaur robot— Kdo to vytvořil?
Bylo to publikováno společností University of California (UC) Berkeley,Google Brain, zakládající se na United States of America, organizace zařazená jako academia,Industry.
Walking Minotaur robot— Kdy byl vydán?
Bylo to zveřejněno v June 2019. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Walking Minotaur robot— K čemu se to používá?
funguje v oblasti Robotics, a je zaznamenáno jako zpracovávající úkol animal (human/non-human) imitation. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
Walking Minotaur robot— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
Walking Minotaur robot— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Walking Minotaur robot— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.