Fugu-MT 論文翻訳(概要): VisualEnv: visual Gym environments with Blender

論文の概要: VisualEnv: visual Gym environments with Blender

arxiv url: http://arxiv.org/abs/2111.08096v1
Date: Mon, 15 Nov 2021 21:43:43 GMT
ステータス: 処理完了
システム内更新日: 2021-11-18 06:01:53.361914
Title: VisualEnv: visual Gym environments with Blender
Title（参考訳）: visualenv:blenderを使ったビジュアルジム環境
Authors: Andrea Scorsoglio, Roberto Furfaro
Abstract要約: VisualEnvは、強化学習のためのビジュアル環境を作成するための新しいツールである。オープンソースのモデリングとレンダリングソフトウェアであるBlenderと、シミュレーション用の環境モデルを生成するために使用されるpythonモジュールであるOpenAI Gymを統合した製品である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In this paper VisualEnv, a new tool for creating visual environment for reinforcement learning is introduced. It is the product of an integration of an open-source modelling and rendering software, Blender, and a python module used to generate environment model for simulation, OpenAI Gym. VisualEnv allows the user to create custom environments with photorealistic rendering capabilities and full integration with python. The framework is described and tested on a series of example problems that showcase its features for training reinforcement learning agents.
Abstract（参考訳）: 本稿では,強化学習のための視覚環境構築ツールであるVisualEnvを紹介する。オープンソースのモデリングおよびレンダリングソフトウェアであるBlenderと、シミュレーション用の環境モデルを生成するために使用されるpythonモジュールであるOpenAI Gymを統合した製品である。 VisualEnvは、フォトリアリスティックなレンダリング機能とpythonとの完全な統合を備えたカスタム環境を作成することができる。このフレームワークは、強化学習エージェントのトレーニング機能を示す一連の例で説明され、テストされている。

関連論文リスト

Blendify -- Python rendering framework for Blender [31.334130573156937]
BlendifyはPythonベースのフレームワークで、シームレスにBlenderと統合できる。オブジェクト生成を自動化し、色とマテリアルリンクを扱い、シャドーキャッチャーオブジェクトのような機能を実装する。
論文参考訳（メタデータ） (2024-10-23T13:29:02Z)
MALPOLON: A Framework for Deep Species Distribution Modeling [3.1457219084519004]
MALPOLONは深部種分布モデル(deep-SDM)の訓練と推測を容易にすることを目的としている Pythonで書かれ、PyTorchライブラリ上に構築されている。このフレームワークはGitHubとPyPiでオープンソース化されている。
論文参考訳（メタデータ） (2024-09-26T17:45:10Z)
pyvene: A Library for Understanding and Improving PyTorch Models via Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文参考訳（メタデータ） (2024-03-12T16:46:54Z)
gym-saturation: Gymnasium environments for saturation provers (System description) [0.0]
VampireとiProverの2つの異なるプロバーで使用例を提供しています。環境ラッパーが証明器をマルチアームバンディットに類似した問題に変換する方法を示す。
論文参考訳（メタデータ） (2023-09-16T15:25:39Z)
BU-CVKit: Extendable Computer Vision Framework for Species Independent Tracking and Analysis [7.036239435275302]
本稿では,チェーンプロセッサを用いた研究パイプライン作成を可能にするコンピュータビジョンフレームワークを提案する。コミュニティはフレームワークの作業のプラグインを作成できるため、再利用性、アクセシビリティ、作業の公開性が向上する。フレームワーク用に作成されたサンプルプラグインを通じて生成された行動パイプラインの例を示す。
論文参考訳（メタデータ） (2023-06-07T19:12:03Z)
CoRL: Environment Creation and Management Focused on System Integration [0.0]
コア強化学習ライブラリ(Core Reinforcement Learning Library, CoRL)は、モジュール式で構成可能で、設定可能な環境作成ツールである。簡単に読み取れる構成ファイル、ピダンティックバリデータ、およびファクタデザインパターンを使用することで、エージェントの観察、報酬、完了条件の微調整を可能にする。
論文参考訳（メタデータ） (2023-03-03T19:01:53Z)
Masked World Models for Visual Control [90.13638482124567]
視覚表現学習と動的学習を分離する視覚モデルに基づくRLフレームワークを提案する。提案手法は,様々な視覚ロボット作業における最先端性能を実現する。
論文参考訳（メタデータ） (2022-06-28T18:42:27Z)
VRKitchen2.0-IndoorKit: A Tutorial for Augmented Indoor Scene Building in Omniverse [77.52012928882928]
INDOORKITはNVIDIA OMNIVERSEの組み込みツールキットである。屋内シーンビルディング、シーンランダム化、アニメーションコントロールのための柔軟なパイプラインを提供する。
論文参考訳（メタデータ） (2022-06-23T17:53:33Z)
Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。 NetworKitを使ってクラウドベースの環境を構築しています。このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文参考訳（メタデータ） (2022-03-02T17:41:45Z)
Evaluating Continual Learning Algorithms by Generating 3D Virtual Environments [66.83839051693695]
連続学習とは、人間や動物が特定の環境で徐々に学習する能力である。本稿では3次元仮想環境の最近の進歩を活用して,フォトリアリスティックな外観を持つ潜在的に長寿命な動的シーンの自動生成にアプローチすることを提案する。本論文の新たな要素は、シーンがパラメトリックな方法で記述され、エージェントが知覚する入力ストリームの視覚的複雑さを完全に制御できることである。
論文参考訳（メタデータ） (2021-09-16T10:37:21Z)
DIETERpy: a Python framework for The Dispatch and Investment Evaluation Tool with Endogenous Renewables [62.997667081978825]
DIETERはオープンソースの電力セクターモデルであり、可変再生可能エネルギー源の非常に高いシェアで将来の設定を分析するように設計されている。システム全体のコストを最小化し、様々な世代の固定および可変コスト、柔軟性、セクター結合オプションを含む。我々は、GAMS(General Algebraic Modeling System)で記述された既存のモデルバージョンの上に構築されたDIETERpyを紹介し、それをPythonフレームワークで強化する。
論文参考訳（メタデータ） (2020-10-02T09:27:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。