Code for training Virtual Rodent
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 5/5
- Temps estimé
- Plus d'une semaine
- Accessibilité débutants
- 20/100
- Type d'issue
- Documentation
- Clarté
- À clarifier
- Activité
- À l'abandon
- Stack technique
- machine-learning, python
- Domaine
- machine-learning
Piste de recherche
Commencez par examiner l’implémentation du rongeur virtuel et l’article original référencé dans l’issue, puis comparez la configuration d’entraînement disponible avec le comportement montré dans les vidéos liées. Une recette d’entraînement complète devrait documenter les hyperparamètres et les étapes nécessaires pour reproduire ces résultats ; l’issue ne mentionne aucun fichier ni aucun test à exécuter.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
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.
- Langage dominant
- Python
- Étoiles
- 4.7k
- Forks
- 769
- Métriques de merge des PR
- Aucune PR mergée en 30 j
Préparer son environnement
- Aucun Dockerfile ni fichier Docker Compose
- Aucun modèle de pull request
- Lire le guide de contribution
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Autres issues de google-deepmind/dm_control
-
Initial observation padding changes when source arrays are reusedPeut-être pris @sylvesterkaczmarek l’a pris il y a 14 jours. Ouverte
Difficulté 2/5 1-3 heures Accessibilité débutants 85/100
google-deepmind/dm_control#559 ·
-
Small quaternion rotations are lost in axis-angle conversionPeut-être pris @sylvesterkaczmarek l’a pris il y a 9 jours. Ouverte
Difficulté 3/5 1-2 jours Accessibilité débutants 68/100
google-deepmind/dm_control#563 ·
-
Built-in observation aggregators drop bounds-preserving specificationsPeut-être pris @sylvesterkaczmarek l’a pris il y a 14 jours. Ouverte
Difficulté 3/5 1-2 jours Accessibilité débutants 75/100
google-deepmind/dm_control#560 ·
-
Flattened observations disagree with explicitly declared task specificationsPeut-être pris @sylvesterkaczmarek l’a pris il y a 14 jours. Ouverte
Difficulté 3/5 1-2 jours Accessibilité débutants 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)Peut-être pris @shoemoney l’a pris il y a 49 jours. Ouverte
Difficulté 3/5 1-2 jours Accessibilité débutants 76/100
google-deepmind/dm_control#552 ·
Toutes les issues de google-deepmind/dm_control
Issues similaires
-
Difficulté 1/5 1-3 heures Accessibilité débutants 87/100
adri0/scadustats#128 ·
Les mainteneurs répondent en général sous 1 jour
-
`TIMESTAMP`, `TIMESTAMP_NTZ`, `TINYINT` and the other `TypeDecorator`s don't declare `python_type`Ouverte
Difficulté 2/5 1-3 heures Accessibilité débutants 78/100
-
RPBCOuverteawaiting policy acceptance precheck-passed
Difficulté 1/5 Moins d'une heure Accessibilité débutants 78/100
Bioconductor/BiocContributions#240 · 1 commentaire ·
-
bug
Difficulté 2/5 1-3 heures Accessibilité débutants 78/100
Les mainteneurs répondent en général sous 1 jour
-
documentation good first issue launch
Difficulté 2/5 1-3 heures Accessibilité débutants 83/100
FlologixAI/etchwork#4 ·