首页
›
实战100例
›
052-强化学习实战
›
《Isaac Sim机器人强化学习训练实战100例》
VIP11
本课程属于：052-强化学习实战
实战100例 · 共 11 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
《Isaac Sim机器人强化学习训练实战100例》
共 100 例
01
创建基础仿真环境
02
加载机器人模型
03
配置关节驱动器
04
实现关节位置控制
05
实现关节速度控制
06
实现关节力矩控制
07
读取传感器数据
08
设置相机并捕获图像
09
设置深度相机并获取深度图
10
设置激光雷达并获取点云
11
实现简单的重置逻辑
12
实现随机化初始状态
13
使用OmniGraph创建事件驱动
14
编写第一个强化学习环境类
15
实现Cartpole平衡环境
16
实现Franka机器人操作环境
17
使用Stable-Baselines3训练Cartpole
18
使用Stable-Baselines3训练Franka
19
实现自定义奖励函数
20
实现稀疏奖励与奖励塑形
21
使用域随机化增强泛化能力
22
实现多环境并行训练
23
使用RL-Games训练机器人
24
使用OmniIsaacGymEnvs训练
25
实现动作空间离散化
26
实现连续动作空间
27
实现基于像素的观察
28
实现基于点云的观察
29
实现基于力传感器的观察
30
实现接触检测与奖励
31
实现目标条件强化学习
32
实现课程学习
33
实现模仿学习
34
实现逆运动学控制
35
实现运动规划与强化学习结合
36
实现避障任务
37
实现抓取任务
38
实现堆叠任务
39
实现推动任务
40
实现开门任务
41
实现插拔任务
42
实现装配任务
43
实现移动机器人导航
44
实现四足机器人行走
45
实现双足机器人行走
46
实现机械臂轨迹跟踪
47
实现力控任务
48
实现柔顺控制
49
实现多机器人协作
50
实现人机交互
51
实现动态环境适应
52
实现部分可观测环境
53
实现多任务学习
54
实现元强化学习
55
实现分层强化学习
56
实现基于模型的强化学习
57
实现无模型强化学习
58
实现离线强化学习
59
实现多智能体强化学习
60
实现注意力机制
61
实现循环神经网络策略
62
实现Transformer策略
63
实现图神经网络策略
64
实现多模态融合
65
实现仿真到现实迁移
66
实现域随机化迁移
67
实现系统辨识
68
实现仿真与真实差距分析
69
实现安全强化学习
70
实现鲁棒强化学习
71
实现探索策略
72
实现奖励塑形
73
实现逆强化学习
74
实现偏好学习
75
实现演示引导的强化学习
76
实现策略蒸馏
77
实现模型预测控制
78
实现自适应控制
79
实现事件触发控制
80
实现容错控制
81
实现能量优化
82
实现时间最优控制
83
实现平滑控制
84
实现避奇异位形
85
实现关节限位约束
86
实现末端执行器定向控制
87
实现力位混合控制
88
实现视觉伺服
89
实现动态抓取
90
实现灵巧手操作
91
实现双臂协作
92
实现移动机械臂操作
93
实现多机器人协同搬运
94
实现群体机器人编队
95
实现机器人足球
96
实现无人机飞行控制
97
实现水下机器人控制
98
实现软体机器人控制
99
实现外骨骼助力控制
100
实现手术机器人控制
所属VIP或分类
同VIP：PPO·SAC与多智能体强化学习实战100例
同VIP：Ray分布式强化学习训练实战100例
同VIP：多智能体强化学习CTDE框架实战100例