Code for training Virtual Rodent
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 5/5
- Geschätzter Aufwand
- Über eine Woche
- Anfängerfreundlichkeit
- 20/100
- Issue-Typ
- Dokumentation
- Klarheit
- Muss geklärt werden
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- machine-learning, python
- Bereich
- machine-learning
Rechercherichtung
Beginne damit, die Implementierung des virtuellen Nagetiers und das im Issue referenzierte Originalpapier zu prüfen, und vergleiche anschließend das verfügbare Trainingssetup mit dem in den verlinkten Videos gezeigten Verhalten. Eine vollständige Trainingsanleitung müsste die Hyperparameter und Schritte dokumentieren, die zur Reproduktion dieser Ergebnisse erforderlich sind; im Issue werden keine Dateien oder auszuführenden Tests genannt.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
Hi! Would you guys mind sharing the code for training the virtual rodent up to the results we see in the YouTube videos from the original paper (like this for gaps: https://www.youtube.com/watch?v=rFelC_YbeLE&ab_channel=Virtualrodent)?
We'd really appreciate a full training recipe with all hyperparameters. We've been trying to train our agent but it gets nowhere near the behavior in the videos.
- Vorherrschende Sprache
- Python
- Sterne
- 4.7k
- Forks
- 769
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Entwicklungsumgebung
- Kein Dockerfile und keine Docker-Compose-Datei
- Keine Pull-Request-Vorlage
- Beitragsleitfaden lesen
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus google-deepmind/dm_control
-
Initial observation padding changes when source arrays are reusedEvtl. vergeben @sylvesterkaczmarek hat das vor 14 Tagen übernommen. Offen
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 85/100
google-deepmind/dm_control#559 ·
-
Small quaternion rotations are lost in axis-angle conversionEvtl. vergeben @sylvesterkaczmarek hat das vor 10 Tagen übernommen. Offen
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 68/100
google-deepmind/dm_control#563 ·
-
Built-in observation aggregators drop bounds-preserving specificationsEvtl. vergeben @sylvesterkaczmarek hat das vor 14 Tagen übernommen. Offen
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 75/100
google-deepmind/dm_control#560 ·
-
Flattened observations disagree with explicitly declared task specificationsEvtl. vergeben @sylvesterkaczmarek hat das vor 15 Tagen übernommen. Offen
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 74/100
google-deepmind/dm_control#557 ·
-
Schema regeneration in 985d0940 dropped three declarations MuJoCo 3.12 accepts (contact sensor, jointinparent references, custom numeric arrays)Evtl. vergeben @shoemoney hat das vor 50 Tagen übernommen. Offen
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 76/100
google-deepmind/dm_control#552 ·
Alle Issues in google-deepmind/dm_control
Ähnliche Issues
-
effort: low prio: low ready
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 82/100
digitalfabrik/integreat-cms#4616 ·
Maintainer antworten meist innerhalb von 5 Tagen
-
bug difficulty:2 good first issue help wanted
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 88/100
MakazhanAlpamys/Soup#1865 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 78/100
FinanceFlash/unvibecode#233 ·
Maintainer antworten meist innerhalb von 1 Tag
-
area: agents area: docs good first issue
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 88/100
openapi/gknowledge#23 ·
-
useless-suppression reported for deprecated-* messages that should be exemptEvtl. vergeben @adityasinha-ghub hat das heute übernommen. Offen
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 88/100
pylint-dev/pylint#11656 ·
Maintainer antworten meist innerhalb von 1 Tag