مشاهد والروبوتات: طرق الورق إلى رمز
في هذه الصفحة
جميع أدوات 60 · كيفية المساهمة
هذه هي طرق البناء التي تم بحثها من قبل وكلاء. يبلغ خط التنفيذ عن العمل المحدد الذي تم تنفيذه بالفعل ؛ يحدد قسم المقارنة ما تبقى قبل المطالبة بنتيجة منشورة. ولا تزال المراجعة العلمية البشرية معلقة.
أوبنوسد#
OpenUSD - هل يمكن لمشهد روبوت مرتبط بالورق الحفاظ على النموذج والبيانات الوصفية للتجارب المتغيرة زمنياً من خلال الدولار الأمريكي؟
المسار: تكييف نموذج الورق. التنفيذ: لا تشغيل. مصدر الثقة: متوسطة.
ورقة ل openusd#
مايانك ميتال وآخرون (2023). Orbit: A Unified Simulation Framework for Interactive Robot Learning Environments. 10.1109/LRA.2023.3270034.
نوع المنشور: journal_article. البيانات الوصفية الأولية..... التحقق من البيانات الوصفية: تم التأكيد. الوصول إلى النص الكامل: Live Crossref تم تحديث البيانات الوصفية؛ مختبر سابق تفتيش بنية المخطوطات المفتوحة
الهدف في الورقة: أوسد مشهد العمارة. أصول Cartpole USD الحالية هي تكيف ، وليس أرشيف تجربة 2023.
رمز والمدخلات ل openusd#
قطعة أثرية أو مصدر منبع. Isaac Lab هو خليفة المدار; تحميل المصدر الذي تم تفتيشه Cartpole / cartpole.usd من خلال UsdFileCfg. USD يدعم تبادل المشهد. PhysX يحل الديناميات.
المصدر الذي تم تفتيشه: نعم. المرجع: v2.2.0. الالتزام: 46dff135f44683f031edf346e544fcfd8456b2bb.
الملفات: المصدر/isaaclab_assets/isaaclab_assets/robots/cartpole.py؛ المصدر/isaaclab_tasks/isaaclab_tasks/direct/cartpole/cartpole_env.py
:الشروط BSD-3-Clause المصدر؛ وقت تشغيل NVIDIA منفصل وشروط الأصول
البيئة والحساب: Isaac Lab v2.2.0 مع متوافق Isaac Sim 5.0.0؛ مستقل usd-core للتفتيش وحدة المعالجة المركزية للتفتيش USD ؛ NVIDIA GPU لإسحاق المقترن simulation.
المدخلات: أصل كارتبول USD المشار إليها من قبل التكوين المنبع. الحفاظ على حل تجزئة التبعية وإعدادات محاكاة.
الوصول إلى البيانات: المصدر العام؛ أصول الروبوت ووقت التشغيل تحمل شروط منفصلة.
بناء ومقارنة openusd#
يحتوي التسلسل أدناه على أوامر المنبع وتعليمات الإعداد المقترحة ، كما هو موضح. فقط الأوامر التي تم تحديدها في أدلة الإعدام تم تشغيلها هنا فحص المصدر المثبت والشروط المسبقة قبل التشغيل.
Proposed: fetch the configured Cartpole USD asset through the documented Isaac asset endpoint and retain a local dependency manifest.Proposed: use pxr.Usd.Stage.Open(local_asset), inspect articulation/physics schemas and reference dependencies, and compare attributes before/after export.
النواتج المتوقعة: مشهد الدولار الأمريكي القابل للتحرير ، بيان التبعية ، مقارنة سمات المصدر إلى التصدير.
مقارنة مع الورقة: يتم الحفاظ على التحقق من مسارات بريم المكونة والوحدات والأسماء المشتركة وسمات الفيزياء. لا توجد نتائج رقمية ورقية.
نتيجة التنفيذ: (أ) لا توجد مطالبة تتعلق بالتنفيذ؛ تم تفتيش الأوامر المنبع أو ملحوظ صراحة المقترحة.
أدلة التنفيذ: لم يسجل أي منها.
حاصرات: نسخة تجربة Orbit الأصلية غير متطابقة ؛ لم يتم محاولة استرداد الأصول المحلية بالدولار الأمريكي.
الإجراء التالي: تطوير مشهد واضح ممارسة جنبا إلى جنب مع البطارية الحالية النتائج إلى USD سبيل المثال.
الفجوات: نسخة تجربة Orbit الأصلية غير متطابقة ؛ لم يتم محاولة استرداد الأصول المحلية بالدولار الأمريكي.
مصادر ل openusd#
- هوية ورقية (البحث 2026-11-15).
- ملموسة نشرت الإطار USD المشهد تحميل التكوين (البحث 2026-11-15).
خلاط خلاط#
Blender - هل يمكننا تجديد مقاطع الفيديو الاصطناعية MOVi-A وشروحها الحقيقة الأرضية؟
المسار: مرشح نتيجة ورقة. التنفيذ: تم تنفيذ المثال. مصدر الثقة: عالية.
ورقة للخلاط#
كلاوس غريف وآخرون (2022). Kubric: A scalable dataset generator..... arXiv:2203.03570v1.
نوع المنشور: مؤتمر_ورقة. البيانات الوصفية الأولية..... التحقق من البيانات الوصفية: تم التأكيد. الوصول إلى النص الكامل: فتح CVPR 2022 مخطوطة HTML تفتيشها
الهدف في الورقة: القسم 4-1 والشكل 5، خصائص توليد المشهد MOVi-A؛ يتطلب الجدول 3 نتائج التعلم الاستنساخ التدريب منفصلة.
رمز والمدخلات للخلاط#
قطعة أثرية أو مصدر منبع..... يحدد المؤلفون صراحة MOVi كمساهمة مجموعة بيانات من ورقة CVPR الخاصة بهم ؛ Blender يجعل وPyBullet يحاكي.
المصدر الذي تم تفتيشه: نعم. المرجع: الرئيسية في التفتيش. الالتزام: 61f2422c84bab75006df33c6989e0b483db3ccfe.
الملفات: التحديات/movi/README.md; التحديات/movi/movi_ab_worker.py; التحديات/movi/movi_a.py
:الشروط كوبيريك أباتشي-2.0؛ Blender GPL؛ فحص الكائنات المجمعة / شروط المواد
البيئة والحساب: المؤلفون kubricdockerhub / kubruntu الصورة ؛ وثائق المنبع Blender 2.93. حل / دبوس صورة هضم قبل إنتاج الاستنساخ. CPU مما يجعل من الممكن لمشهد واحد. تقديم مجموعة البيانات الكاملة مكلفة.
المدخلات: مجموعة كائن على غرار CLEVR والخلفية والكاميرا. بذرة مشهد واحد ثابت في البداية ، ثم مطابقة إعدادات مولد مجموعة البيانات.
الوصول إلى البيانات: كود المؤلفين العامين ومجموعة البيانات العامة دلو؛ الاحتفاظ ببيان الأصول والشروط.
بناء ومقارنة الخلاط#
يحتوي التسلسل أدناه على أوامر المنبع وتعليمات الإعداد المقترحة ، كما هو موضح. فقط الأوامر التي تم تحديدها في أدلة الإعدام تم تشغيلها هنا فحص المصدر المثبت والشروط المسبقة قبل التشغيل.
Upstream README: git clone https://github.com/google-research/kubric.gitProposed pin: git checkout 61f2422c84bab75006df33c6989e0b483db3ccfeUpstream MOVi-A command: docker run --rm --interactive --user $(id -u):$(id -g) --volume "$(pwd):/kubric" kubricdockerhub/kubruntu /usr/bin/python3 challenges/movi/movi_ab_worker.py --objects_set=clevr --background=clevr --camera=clevr
النواتج المتوقعة: إطارات RGB ، تجزئة المثال ، العمق ، التدفق البصري ، البيانات الوصفية للمشهد والمشهد المحفوظ حسب تكوين العامل.
مقارنة مع الورقة: PublishedMOVi-A مجموعة بيانات تصميم خصائص المباراة; جميع 9 عددية / تصميم الشيكات مرت. Originalfigurepixels, originalassetbytes andTable3عشرات التعلم خارج هذه المقارنة.
نتيجة التنفيذ: ركض عامل مؤلف تاريخ الورق إلى الانتهاء علىCPU: 24frames، 256 ⁇ 256،7objects وجميع الشروح المقدمة / الحالات الأصلية. تم اجتياز تسعة اختبارات تصميم ؛ المشهد الثاني لديه مثيل مماثل البيانات الوصفية و 24 / 24RGBAhashes.
أدلة التنفيذ: محاولة المؤلف-رمز; سجل التشغيل
حاصرات: لم يتم إنشاء Exact2022assetbytes و full originaldependencylock ؛ SAVi / SIMONetable3training المعيار لم يحاول.
الإجراء التالي: (أ) الاستعراض البشري لدليل توليد مجموعات البيانات؛ تطابق archivedassets وبروتوكول modeltraining قبل reproductionTable3.
الفجوات: لم يتم إنشاء Exact2022assetbytes و full originaldependencylock ؛ SAVi / SIMONetable3training المعيار لم يحاول.
مصادر للخلاط#
- هوية ورقية (البحث 2026-11-15).
- الفرع 4-1 والشكل 5 (البحث 2026-11-15).
- المؤلف مولد القيادة وخصائص مجموعة البيانات (البحث 2026-11-15).
إيزاسيم#
Isaac Sim هل يمكن للإطار المنشور تدريب سياسة تحكم كلاسيكية قائمة على الفيزياء؟
المسار: مثال على ورق البرمجيات. التنفيذ: لا تشغيل. مصدر الثقة: متوسطة.
ورقة ل isaacsim#
نفيديا؛ مايانك ميتال وآخرون (2025). Isaac Lab: إطار محاكاة تسريع GPU لتعلم روبوت متعدد الوسائط..... arXiv:2511.04831v1.
نوع المنشور: ما قبل الطباعة. البيانات الوصفية الأولية..... التحقق من البيانات الوصفية: تم التأكيد. الوصول إلى النص الكامل: فتح preprint HTML تفتيشها ؛ لم يُنشأ منشور يتجاوز مرحلة ما قبل الطباعة
الهدف في الورقة: القسم 3.7.3 بيئات كارتبول الكلاسيكية ؛ القسم 4-1 تعريف الإنتاجية. هذا الطريق لا يعيد إنتاج أرقام إنتاجية الأجهزة.
الكود والمدخلات ل isaacsim#
قطعة أثرية أو مصدر منبع..... تربط الورقة مباشرة إطار المؤلف هذا. فحص v2.2.0 هو خط الأساس المدعومة ملموسة. لم يتم تأسيس المراسلات إلى التزام معيار الورق.
المصدر الذي تم تفتيشه: نعم. المرجع: v2.2.0. الالتزام: 46dff135f44683f031edf346e544fcfd8456b2bb.
الملفات: المصدر/isaaclab_tasks/isaaclab_tasks/direct/cartpole/cartpole_env.py؛ المصدر/isaaclab_tasks/isaaclab_tasks/direct/cartpole/agents/rsl_rl_ppo_cfg.py؛ scripts/reinforcement_learning/rsl_rl/train.py؛ docs/source/overview/التعزيز-التعلم/rl_founding_scripts.rst
:الشروط Isaac Lab BSD-3-Clause الأساسية ؛ Isaac Sim مصدر أباتشي 2.0؛ وقت التشغيل/الأصول شروط منفصلة
البيئة والحساب: Isaac Lab v2.2.0; Isaac Sim 5.0.0 ودعم NVIDIA GPU / سائق. RSL-RL المجمع. وقت تشغيل NVIDIA GPU ؛ لم يحاول أي تدريب على نطاق الأجهزة.
المدخلات: Isaac-Cartpole-Direct-v0 ، البذور الصريحة وعدد البيئات المسجلة ؛ المهمة dt ⁇ 1/120 s والهلاك ⁇ 2 في التكوين الذي تم فحصه.
الوصول إلى البيانات: المصدر العام؛ أصول روبوت الشبكة وشروط وقت تشغيل NVIDIA.
بناء ومقارنة isaacsim#
يحتوي التسلسل أدناه على أوامر المنبع وتعليمات الإعداد المقترحة ، كما هو موضح. فقط الأوامر التي تم تحديدها في أدلة الإعدام تم تشغيلها هنا فحص المصدر المثبت والشروط المسبقة قبل التشغيل.
Proposed pin: git checkout 46dff135f44683f031edf346e544fcfd8456b2bbUpstream wrapper installation route: ./isaaclab.sh -i rsl_rlProposed task selection using inspected train entry point: ./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-Cartpole-Direct-v0 --num_envs 64 --seed 42 --headless
النواتج المتوقعة: تكوين التدريب والسجلات ونقاط التفتيش الخاصة بالسياسات؛ الحتمية evaluation الحلقات؛ بيان مشهد USD اختياري.
مقارنة مع الورقة: قارن بين العديد من منحنيات نفس البذور والبذور المختلفة / منحنيات طول الحلقة. 64 - تشغيل التدريس البيئي ليس تجربة إنتاجية الورق ؛ يتطلب مطابقة القسم 4.1 المهمة الدقيقة ، وحدة معالجة الرسومات ، عد البيئة وتعريف التوقيت.
نتيجة التنفيذ: (أ) لا توجد مطالبة تتعلق بالتنفيذ؛ تم تفتيش الأوامر المنبع أو ملحوظ صراحة المقترحة.
أدلة التنفيذ: لم يسجل أي منها.
حاصرات: لم يتم التحقق من وقت تشغيل GPU المحلي المتوافق ؛ التنقيح المرجعي للورق/الأجهزة غير المطابقة.
الإجراء التالي: توفير عداء GPU معتمد ، تثبيت بيئة الورق ، ثم تشغيل تدريب كامل صغير /evaluation دورة.
الفجوات: لم يتم التحقق من وقت تشغيل GPU المحلي المتوافق ؛ التنقيح المرجعي للورق/الأجهزة غير المطابقة.
مصادر ل isaacsim#
- البيانات الوصفية للورق ورابطة المؤلف والرمز المباشرة (البحث 2026-11-15).
- القسم 3.7.3 أسماء المهام الكلاسيكية. القسم 4-1 يعرّف الإنتاجية (البحث 2026-11-15).
- نموذج ملموسة تيميستيب / المكافآت / إعادة تعيين التكوين (البحث 2026-11-15).
- مسار المجمع التدريبي (البحث 2026-11-15).
إيزاكلاب#
Isaac Lab ⁇ هل يمكننا تدريب وحفظ وتقييم سياسة كارتبول المرتبطة بالورق بشكل متكرر؟
المسار: مثال على ورق البرمجيات. التنفيذ: لا تشغيل. مصدر الثقة: متوسطة.
ورقة ل isaaclab#
نفيديا؛ مايانك ميتال وآخرون (2025). Isaac Lab: إطار محاكاة تسريع GPU لتعلم روبوت متعدد الوسائط..... arXiv:2511.04831v1.
نوع المنشور: ما قبل الطباعة. البيانات الوصفية الأولية..... التحقق من البيانات الوصفية: تم التأكيد. الوصول إلى النص الكامل: فتح preprint HTML تفتيشها ؛ لم يُنشأ منشور يتجاوز مرحلة ما قبل الطباعة
الهدف في الورقة: القسم 3.7.3 بيئات كارتبول الكلاسيكية ؛ القسم 4-1 تعريف الإنتاجية. هذا الطريق لا يعيد إنتاج أرقام إنتاجية الأجهزة.
الكود والمدخلات ل isaaclab#
قطعة أثرية أو مصدر منبع..... تربط الورقة مباشرة إطار المؤلف هذا. فحص v2.2.0 هو خط الأساس المدعومة ملموسة. لم يتم تأسيس المراسلات إلى التزام معيار الورق.
المصدر الذي تم تفتيشه: نعم. المرجع: v2.2.0. الالتزام: 46dff135f44683f031edf346e544fcfd8456b2bb.
الملفات: المصدر/isaaclab_tasks/isaaclab_tasks/direct/cartpole/cartpole_env.py؛ المصدر/isaaclab_tasks/isaaclab_tasks/direct/cartpole/agents/rsl_rl_ppo_cfg.py؛ scripts/reinforcement_learning/rsl_rl/train.py؛ docs/source/overview/التعزيز-التعلم/rl_founding_scripts.rst
:الشروط Isaac Lab BSD-3-Clause الأساسية ؛ Isaac Sim مصدر أباتشي 2.0؛ وقت التشغيل/الأصول شروط منفصلة
البيئة والحساب: Isaac Lab v2.2.0; Isaac Sim 5.0.0 ودعم NVIDIA GPU / سائق. RSL-RL المجمع. وقت تشغيل NVIDIA GPU ؛ لم يحاول أي تدريب على نطاق الأجهزة.
المدخلات: Isaac-Cartpole-Direct-v0 ، البذور الصريحة وعدد البيئات المسجلة ؛ المهمة dt ⁇ 1/120 s والهلاك ⁇ 2 في التكوين الذي تم فحصه.
الوصول إلى البيانات: المصدر العام؛ أصول روبوت الشبكة وشروط وقت تشغيل NVIDIA.
بناء ومقارنة isaaclab#
يحتوي التسلسل أدناه على أوامر المنبع وتعليمات الإعداد المقترحة ، كما هو موضح. فقط الأوامر التي تم تحديدها في أدلة الإعدام تم تشغيلها هنا فحص المصدر المثبت والشروط المسبقة قبل التشغيل.
Proposed pin: git checkout 46dff135f44683f031edf346e544fcfd8456b2bbUpstream wrapper installation route: ./isaaclab.sh -i rsl_rlProposed task selection using inspected train entry point: ./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-Cartpole-Direct-v0 --num_envs 64 --seed 42 --headless
النواتج المتوقعة: تكوين التدريب والسجلات ونقاط التفتيش الخاصة بالسياسات؛ الحتمية evaluation الحلقات؛ بيان مشهد USD اختياري.
مقارنة مع الورقة: قارن بين العديد من منحنيات نفس البذور والبذور المختلفة / منحنيات طول الحلقة. 64 - تشغيل التدريس البيئي ليس تجربة إنتاجية الورق ؛ يتطلب مطابقة القسم 4.1 المهمة الدقيقة ، وحدة معالجة الرسومات ، عد البيئة وتعريف التوقيت.
نتيجة التنفيذ: (أ) لا توجد مطالبة تتعلق بالتنفيذ؛ تم تفتيش الأوامر المنبع أو ملحوظ صراحة المقترحة.
أدلة التنفيذ: لم يسجل أي منها.
حاصرات: لم يتم التحقق من وقت تشغيل GPU المحلي المتوافق ؛ التنقيح المرجعي للورق/الأجهزة غير المطابقة.
الإجراء التالي: توفير عداء GPU معتمد ، تثبيت بيئة الورق ، ثم تشغيل تدريب كامل صغير /evaluation دورة.
الفجوات: لم يتم التحقق من وقت تشغيل GPU المحلي المتوافق ؛ التنقيح المرجعي للورق/الأجهزة غير المطابقة.
مصادر ل isaaclab#
- البيانات الوصفية للورق ورابطة المؤلف والرمز المباشرة (البحث 2026-11-15).
- القسم 3.7.3 أسماء المهام الكلاسيكية. القسم 4-1 يعرّف الإنتاجية (البحث 2026-11-15).
- نموذج ملموسة تيميستيب / المكافآت / إعادة تعيين التكوين (البحث 2026-11-15).
- مسار المجمع التدريبي (البحث 2026-11-15).
موخوكو#
MuJoCo ⁇ هل يمكننا تشغيل بيئة كارتبول الورقية وإعادة إنتاج مثالها الرباعي الصريح؟
المسار: مثال على ورق البرمجيات. التنفيذ: تم تنفيذ المثال. مصدر الثقة: عالية.
ورقة للموجوكو#
8 - يوفال تاسا وآخرون (2018). جناح التحكم DeepMind..... arXiv:1801.00690v1.
نوع المنشور: ما قبل الطباعة. البيانات الوصفية الأولية..... التحقق من البيانات الوصفية: تم التأكيد. الوصول إلى النص الكامل: مخطوطة مفتوحة HTML تفتيشها
الهدف في الورقة: القسم 4 suite.load Cartpole swingup وإعادة تعيين / خطوة مثال الحلقة. مثال القسم 5 من quaternion إلى مصفوفة
الكود والمدخلات لـ mujoco#
قطعة أثرية أو مصدر منبع..... ورقة تطلق صراحة DeepMind جناح التحكم ، مدعوم من MuJoCo..... تختلف الحزمة الحديثة عن محرك 2018.
المصدر الذي تم تفتيشه: نعم. المرجع: الرئيسية في التفتيش. الالتزام: d7e52e3602a555df6cc20cc928ea5b41e9920158.
الملفات: dm_control/suite/cartpole.py؛ dm_control/suite/cartpole.xml؛ README.md قراءة
:الشروط أباتشي-2.0؛ MuJoCo أباتشي-2.0
البيئة والحساب: معزولة بيثون 3.12؛ dm-control ⁇ 1.0.52; تجميد كل حل MuJoCo تبعيات. وحدة المعالجة المركزية؛ حذف تقديم لتجنب عرض التبعية.
المدخلات: ورقة كارتبول سوينغوب؛ البذور ⁇ 42 للبيئة ومولد العمل. كواترينيون (0.5، 0.5، 0.5، 0.5، 0.5).
الوصول إلى البيانات: الرمز العام وأصول MJCF المجمعة.
بناء ومقارنة موجوكو#
يحتوي التسلسل أدناه على أوامر المنبع وتعليمات الإعداد المقترحة ، كما هو موضح. فقط الأوامر التي تم تحديدها في أدلة الإعدام تم تشغيلها هنا فحص المصدر المثبت والشروط المسبقة قبل التشغيل.
Upstream installation: python -m pip install dm-control==1.0.52Paper API route: from dm_control import suite; env = suite.load(domain_name="cartpole", task_name="swingup"); env.reset(); env.step(action)Proposed modern binding for paper Section 5: mujoco.mju_quat2Mat(matrix, quaternion)
النواتج المتوقعة: مسار وملخص حلقة كاملة واحدة ؛ مصفوفة quaternion مقارنة مع مصفوفة الورق المطبوع بشكل صريح.
مقارنة مع الورقة: مصفوفة الورق هي [[0,0,1],[1,0,0],[0,1,0]]. تحقق بالضبط مع التسامح 1e-12. تشغيل حلقة حلقة ورقة والتحقق من حالات محدودة / المكافآت. هذه الشيكات لا تعيد إنتاج منحنيات أداء خوارزمية التعلم.
نتيجة التنفيذ: الحديثة دم السيطرة 1.0.52: 1000 كارتبول يتأرجح خطوات أكثر من 9.99999999999999831 ثانية محاكاة؛ حلقتين المصنف متطابقة تماما. قسم الورق 5 مصفوفة quaternion مطابقة مع خطأ صفر (اختيار التسامح المطلق 1e-12). هذا هو تنفيذ أمثلة البرامج الورقية ، وليس استنساخ معيار التعلم.
أدلة التنفيذ: تشغيل إيصال; الناتج العددي; الناتج العددي
حاصرات: يختلف المحرك / الحزمة الحديثة عن 2018 ؛ لم يحاول معيار التعلم الأصلي.
الإجراء التالي: تنفيذ والاحتفاظ حلقة كاملة CSV، قفل الحزمة، مقارنة المصفوفة، المصدر والمخرجات التجزئة.
الفجوات: يختلف المحرك / الحزمة الحديثة عن 2018 ؛ لم يحاول معيار التعلم الأصلي.
مصادر mujoco#
- البيانات الوصفية للورق (البحث 2026-11-15).
- المثال الفعلي API والمصفوفة المطبوعة (البحث 2026-11-15).
- تنفيذ مهمة المؤلف (البحث 2026-11-15).
- تركيب ودعم simulation الخلفية الخلفية (البحث 2026-11-15).
غيغابايت-سيم#
Gazebo - هل تنتج عمليات PPO المعزولة من نفس البذور نقاط تفتيش متطابقة و evaluation منحنيات؟
المسار: مرشح نتيجة ورقة. التنفيذ: تم تنفيذ المثال. مصدر الثقة: عالية.
ورقة ل gz-sim#
أمل ديف هاريديفان؛ جونجي كانغ؛ جينجون شان (2026). GzDRL: Reproducible and Scalable Deep Reinforcement Learning with Gazebo..... arXiv:2609.13243v1.
نوع المنشور: ما قبل الطباعة. البيانات الوصفية الأولية..... التحقق من البيانات الوصفية: تم التأكيد. الوصول إلى النص الكامل: فتح preprint HTML تفتيشها ؛ يقول مخطوطة قدمت إلى IEEE ، لم يتم إنشاء المنشور
الهدف في الورقة: القسم الخامس - باء، الشكل 6، الجدول الثاني: قابلية استنساخ نفس البذور والبذور المختلفة PPO.
الكود والمدخلات لـ gz-sim#
قطعة أثرية أو مصدر منبع..... المؤلف الدقيق ورقة قطعة أثرية، وصفت صراحة قطعة أثرية البحوث. الروابط الورقية نفس المستودع.
المصدر الذي تم تفتيشه: نعم. المرجع: الرأس في التفتيش. الالتزام: 3e5c5f9a62c1160b3b2889e6d34d794a5361e178.
الملفات: التجارب_paper/reproducability_validation/README.md; التجارب_paper/reproducability_validation/config.json; التجارب_paper/reproducability_validation/run_experiment.py; التجارب_paper/reproducability_validation/verify_determinism.py
:الشروط MIT; Gazeboإشعارات منفصلة / إشعارات مستقلة
البيئة والحساب: المنبع Gazebo/ DRLServer C ⁇ متطلبات البناء بالإضافة إلى Python RL extra ؛ مجمع تجميد تجميد, Gazebo إصدارات SB3. فيزياء وحدة المعالجة المركزية و PPO ؛ 10 دورات تدريبية كاملة. يجب تسجيل الأجهزة الورقية للمطالبات الإنتاجية.
المدخلات: تكوين المؤلف: 5 تشغيل نفس البذور مع البذور 42 ؛ بذور مختلفة {1,5,25,42,125}; ثمانية بيئات؛ 500000 خطوات زمنية؛ نقاط التفتيش كل 50000؛ 20 حتمية evaluation الحلقات.
الوصول إلى البيانات: الرمز العام والتكوين المجمعة ؛ لا توجد بيانات خاصة مشار إليها.
بناء ومقارنة gz-sim#
يحتوي التسلسل أدناه على أوامر المنبع وتعليمات الإعداد المقترحة ، كما هو موضح. فقط الأوامر التي تم تحديدها في أدلة الإعدام تم تشغيلها هنا فحص المصدر المثبت والشروط المسبقة قبل التشغيل.
Upstream installation, from repository root after native build: python -m pip install -e '.[rl]'cd experiments_paper/reproducability_validationpython run_experiment.py
النواتج المتوقعة: النتائج/determinism_check.json; لكل نقطة تفتيش(أ)evaluation البيانات؛ تحليل CSV ، المؤامرات ، جدول LaTeX وبيان الجهاز / التكوين.
مقارنة مع الورقة: يتم دعم الحتمية من نفس البذور من خلال التنفيذ الكامل لرمز المؤلف والتجزئة المستقلة للمعلمة. لم يتم استنساخ التقرير النهائي العددي المنشور ؛ لم يتم اختراع التسامح. لم يتم إنشاء قفل الحزمة / المجمع التاريخي ، ويستخدم هذا portablebuild Gazebo10.6 / GCC15 بالإضافة إلى التصحيح الميكانيكية الصانع توضيح. لم يتم تشغيل صف البذور المختلفة. المراجعة العلمية البشرية في انتظار.
نتيجة التنفيذ: الانتهاء من جميع5full نفس البذور500000-مطلوب خطوة تشغيل التدريب و1200evaluation الحلقات. preflight المؤلف ومستقلة12-checkpoint التحقق من الهوية التحقق من الهوية تمر ؛ العائد النهائي16.53217 يختلف عن الورق18.43.
أدلة التنفيذ: محاولة المؤلف-رمز; سجل التشغيل
حاصرات: ورقة النهائي-return18.43not مستنسخة (الفعلية16.53217)؛ حزمة الأصلي / قفل المجمع و exactpaperartifactversionnot أنشئت.؛ مختلف-seedTableIIrownot تشغيل.
الإجراء التالي: مراجعة الاختلافات المهمة / التكوين / البيئة الأصلية مع مؤلفي الورق ؛ إعادة إنتاج النتيجة الأصلية فقط بعد أن يتم حل البرمجيات بالضبط / التكوين المصدر.
الفجوات: ورقة النهائي-return18.43not مستنسخة (الفعلية16.53217)؛ حزمة الأصلي / قفل المجمع و exactpaperartifactversionnot أنشئت.؛ مختلف-seedTableIIrownot تشغيل.
مصادر لـ gz-sim#
- البيانات الوصفية للورق (البحث 2026-11-15).
- نتائج الجدول الثاني المحددة وإعدادات التجربة الكاملة (البحث 2026-11-15).
- المؤلف الدقيق تشغيل الأوامر وعقد الإخراج (البحث 2026-11-15).
ويبوتس#
Webots ⁇ يمكن أ Webots Cartpole تعلم التوازن من خلال واجهة ورقة Deepbots؟
المسار: تكييف نموذج الورق. التنفيذ: لا تشغيل. مصدر الثقة: متوسطة.
ورقة ل webots#
مانوس كيرتاس؛ كونستانتينوس تسامبازيس؛ نيكولاوس باساليس؛ Anastasios Tefas (2020). (باللغة الإنجليزية). Deepbots: أ Webotsإطار التعلم القائم على التعزيز العميق للروبوتات. 10.1007/978-3-030-49186-4_6.
نوع المنشور: مؤتمر_ورقة. البيانات الوصفية الأولية..... التحقق من البيانات الوصفية: تم التأكيد. الوصول إلى النص الكامل: نص بحث مقالة PMC ومستندات المؤلف التي تم فحصها ؛ تم تحدي الوصول المباشر PMC المفتوح
الهدف في الورقة: القسم 4 حالات الاستخدام وأمثلة رمز كارتبول. تتطلب إعدادات منحنى التعلم المنشورة بدقة مقارنة النص الكامل.
الشفرة والمدخلات لـ webots#
قطعة أثرية أو مصدر منبع..... وثائق Deepbots الرسمية تربط Deepworlds كمستودع مثال لها ؛ الأمثلة الحالية تنفذ إطار المؤلف ولكنها ليست قطعة أثرية مثبتة 2020.
المصدر الذي تم تفتيشه: نعم. المرجع: الرأس في التفتيش. الالتزام: 4f21e555216750a4aafb84baad261aeda7cb1f74.
الملفات: أمثلة/كارتبول/README.md; أمثلة/cartpole/cartpole_discrete/worlds/cartpole_world_robot_supervisor.wbt؛ أمثلة/cartpole/cartpole_discrete/controllers/robot_supervisor_manager/PPO_runner.py
:الشروط مراجعة رخصة deepworlds / deepbots و Webots إشعارات الأصول قبل نسخ التعليمات البرمجية ؛ Webots أباتشي-2.0
البيئة والحساب: Webots بالإضافة إلى مطابقة متطلبات Python deepbots / PyTorch / Gym من المثال المختار. وحدة المعالجة المركزية simulation والشبكة العصبية الصغيرة. Webots مطلوب وقت تشغيل محلي.
المدخلات: عالم كارتبول المنفصل ، مخطط مشرف الروبوت ووكيل PPO ؛ الاحتفاظ بالبذور وأطوال الحلقة وإعدادات إعادة الضبط.
الوصول إلى البيانات: رمز المؤلف العام وعالم الروبوت ؛ لا توجد مجموعة بيانات خاصة.
بناء ومقارنة webots#
يحتوي التسلسل أدناه على أوامر المنبع وتعليمات الإعداد المقترحة ، كما هو موضح. فقط الأوامر التي تم تحديدها في أدلة الإعدام تم تشغيلها هنا فحص المصدر المثبت والشروط المسبقة قبل التشغيل.
Upstream concrete route: install the selected example requirements, open examples/cartpole/cartpole_discrete/worlds/cartpole_world_robot_supervisor.wbt in Webots, and run the supervisor PPO controller.Proposed automation: record environment/controller versions, log episode reward and evaluate a frozen checkpoint over fixed-seed episodes.
النواتج المتوقعة: مؤامرة مكافأة الحلقة ووكيل مدرب كما هو موضح في المؤلفين README ؛ الاحتفاظ بسجلات السياسة لكل حلقة.
مقارنة مع الورقة: مقارنة ضد ورقة القسم 4 نتيجة كارتبول بعد استعادة إعداداته الأصلية. README rewardPlot.png الحالي هو الرصاص ، وليس هدفًا رقميًا للورق.
نتيجة التنفيذ: (أ) لا توجد مطالبة تتعلق بالتنفيذ؛ تم تفتيش الأوامر المنبع أو ملحوظ صراحة المقترحة.
أدلة التنفيذ: لم يسجل أي منها.
حاصرات: Deepbots التاريخية /Webotsإصدارات /Gym غير متطابقة ؛ منحنى الورق لا رقمنة. وقت التشغيل المحلي غير متوفر.
الإجراء التالي: استرداد النص الكامل عبر مسار شرعي ورسم خريطة للعالم الحالي لحالة استخدام الورق قبل قبول هدف الاستنساخ.
الفجوات: Deepbots التاريخية /Webotsإصدارات /Gym غير متطابقة ؛ منحنى الورق لا رقمنة. وقت التشغيل المحلي غير متوفر.
مصادر webots#
- العنوان/المؤلفين/السنة/DOI تم التحقق منها مباشرة (البحث 2026-11-15).
- اقتباس إطار المؤلف وصلة deepworlds الرسمية (البحث 2026-11-15).
- العالم ملموسة / طرق تحكم وقطعة مكافأة القائمة (البحث 2026-11-15).
رصاصة3#
Bullet / PyBullet - هل يمكن إعادة تشغيل وحدات التحكم في الهرولة والركض Minitaur التي تم إصدارها؟
المسار: مرشح نتيجة ورقة. التنفيذ: تم تنفيذ المثال. مصدر الثقة: عالية.
ورقة للرصاص3#
جي تان؛ تينغنان زانغ؛ إروين كومان؛ أتيل إيسين؛ يونفي باي؛ دانيجار هافنر؛ ستيفن بوهيز؛ فنسنت فانهوك (2018). Sim-to-Real: Learning Agile Locomotion For Quadruped Robots..... arXiv:1804.10332v2.
نوع المنشور: مؤتمر_ورقة. البيانات الوصفية الأولية..... التحقق من البيانات الوصفية: تم التأكيد. الوصول إلى النص الكامل: بيئة مفتوحة الملخص والمؤلف README تفتيشها. قسم تجريبي مفصل غير مدقق
الهدف في الورقة: سياسات الدوس على الورق والركض؛ يحدد المؤلفون README بوضوح البيئتين الدقيقتين المستخدمتين.
رمز ومدخلات الرصاصة3#
قطعة أثرية أو مصدر منبع..... يذكر المؤلف README صراحة أن هاتين البيئتين تم استخدامهما في الورقة والروابط أمثلة PPO مدربة مسبقًا.
المصدر الذي تم تفتيشه: نعم. المرجع: سيد في التفتيش. الالتزام: d3afe76132fc76b0f9b2359cbaef47a3766e7fbb.
الملفات: أمثلة/pybullet/gym/pybullet_envs/minitaur/envs/README.md؛ أمثلة/pybullet/gym/pybullet_envs/minitaur/envs/minitaur_reactive_env.py؛ أمثلة/pybullet/gym/pybullet_envs/minitaur/envs/minitaur_trotting_env.py؛ أمثلة/pybullet/gym/pybullet_data/policies/ppo/minitaur_trotting_env/config.yaml
:الشروط Zlib الأساسية؛ مثال منفصل / نموذج / إشعارات الاعتماد على نقاط التفتيش
البيئة والحساب: TensorFlow-1 على غرار التاريخية PPO البيئة, رياضة, ruamel.yaml ومتوافقة PyBullet; فحص الواردات وحل الإصدارات الأصلية قبل التثبيت. إعادة تشغيل سياسة وحدة المعالجة المركزية ممكنة مع التبعيات المتوافقة القديمة ؛ التدريب والاختبار البدني منفصلان.
المدخلات: المجمعة Minitaur URDF ، PPO نقطة تفتيش / التكوين والورق المحرك / الكمون / العشوائية التكوين.
الوصول إلى البيانات: المصدر العام ونقاط التفتيش المجمعة والنموذج ؛ مراجعة إشعارات الأصول الفردية.
بناء ومقارنة الرصاصة3#
يحتوي التسلسل أدناه على أوامر المنبع وتعليمات الإعداد المقترحة ، كما هو موضح. فقط الأوامر التي تم تحديدها في أدلة الإعدام تم تشغيلها هنا فحص المصدر المثبت والشروط المسبقة قبل التشغيل.
Upstream README: pip install gym; pip install ruamel.yamlUpstream, from example directory with dependencies available: python minitaur_reactive_env_example.pyUpstream: python minitaur_trotting_env_example.py
النواتج المتوقعة: نشر السياسات، وحالات/إجراءات الروبوت ومسارات المشي؛ أرشيف سجلات الخام ونقاط التفتيش الدقيق التجزئة.
مقارنة مع الورقة: سياسات الإصدار المنفذة، ولكن نشرت simulation لا يتم إعادة إنتاج السرعات بواسطة طرق / نقاط تفتيش متطابقة. Trot mean0.9215m / s مقابل الورق حوالي 0.50 ؛ جالوب يعني 1.3084 مع SD0.5209 وفقط 2/5 كاملة. لا توجد مطالبة مادية حقيقية.
نتيجة التنفيذ: أعاد المؤلف سياسات PPO المجمدة لخمسة بذور لكل مشية ؛ تم الاحتفاظ بجميع الآثار العددية.
أدلة التنفيذ: محاولة المؤلف-رمز; سجل التشغيل
حاصرات: لم يتم مطابقة عرض السياسة / اختيار نقطة التفتيش TableII المنشورة ؛ مراجعة الفيزياء الأصلية not2018; لا الروبوت المادي evaluation.
الإجراء التالي: استعادة نقطة تفتيش / بيئة ورقية محددة ؛ توافق على تقدير السرعة والتسامح ، ثم مقارنة مع الحلقات المتكررة.
الفجوات: لم يتم مطابقة عرض السياسة / اختيار نقطة التفتيش TableII المنشورة ؛ مراجعة الفيزياء الأصلية not2018; لا الروبوت المادي evaluation.
مصادر الرصاص3#
- البيانات الوصفية الأولية ونتائج الهرولة / التجديف المعلنة (البحث 2026-11-15).
- جمعية المؤلف الصريح ، البيئات الصادرة وأوامر إعادة التشغيل (البحث 2026-11-15).
كرونو#
Project Chrono - كيف تؤثر مدخلات التوجيه والتضاريس على نموذج HMMWV القائم على القالب؟
المسار: مثال على ورق البرمجيات. التنفيذ: لا تشغيل. مصدر الثقة: متوسطة.
ورقة للكرونو#
رادو سربان؛ مايكل تايلور؛ دان نجروت؛ Alessandro Tasora (2019). (باللغة الإنجليزية). Chrono:: المركبات: نمذجة المركبات الأرضية القائمة على القوالب و simulation. 10.1504/IJVP.2019.097096.
نوع المنشور: journal_article. البيانات الوصفية الأولية..... التحقق من البيانات الوصفية: تم التأكيد. الوصول إلى النص الكامل: تم فحص ملخص الناشر والبيانات الوصفية ؛ النص الكامل غير مفحوص
الهدف في الورقة: هندسة البرمجيات وعرض نماذج المركبات الأرضية؛ الرقم ورقة بالضبط / نموذج تحديد في انتظار النص الكامل.
رمز والمدخلات لchrono#
قطعة أثرية أو مصدر منبع..... مثال HMMWV الرسمي الحالي هو من قبل مؤلفي Chrono ويستخدم Chrono::Vehicle ، الوحدة الموضحة في الورقة. لم يتم تأسيسه كتجربة 2019 بالضبط.
المصدر الذي تم تفتيشه: نعم. المرجع: الرئيسية في التفتيش. الالتزام: c2865ec31e5913838898bf9c13b1bba66804db3e.
الملفات: src/demos/python/vehicle/demo_VEH_HMMWV.py
:الشروط رمز BSD-3-Clause ؛ نموذج / إشعارات البيانات منفصلة
البيئة والحساب: PyChrono مع وحدات السيارة و Irrlicht ، مطابقة بيانات السيارة الموردة ؛ يفضل بيئة ثنائية مدعومة على إعادة بناء جميع الوحدات. ديناميات وحدة المعالجة المركزية multibody. دعم العرض لعرض Irrlicht التجريبي غير المعدل.
المدخلات: Upstream HMMWV_Full ، التضاريس ، إعدادات السائق والإطارات في العرض التوضيحي ؛ استبدل برنامج التشغيل التفاعلي بمدخلات حتمية محفوظة فقط كتكيف موثق.
الوصول إلى البيانات: رمز الطراز العام وبيانات السيارة المجمعة.
بناء ومقارنة كرونو#
يحتوي التسلسل أدناه على أوامر المنبع وتعليمات الإعداد المقترحة ، كما هو موضح. فقط الأوامر التي تم تحديدها في أدلة الإعدام تم تشغيلها هنا فحص المصدر المثبت والشروط المسبقة قبل التشغيل.
Proposed from a matching PyChrono environment: python src/demos/python/vehicle/demo_VEH_HMMWV.py
النواتج المتوقعة: تجربة مركبة تفاعلية؛ لاستنساخ إضافة موقف السيارة المسجلة والسرعة ومدخلات التوجيه وتكوين النموذج.
مقارنة مع الورقة: تحقق أولاً من الحالة المحدودة والتكرار تحت إدخال برنامج التشغيل المسجل. حدد الشكل الورقي وإعدادات الشبكة / الإطارات / التضاريس قبل مقارنة المسارات المنشورة أو منحنيات الاستجابة.
نتيجة التنفيذ: (أ) لا توجد مطالبة تتعلق بالتنفيذ؛ تم تفتيش الأوامر المنبع أو ملحوظ صراحة المقترحة.
أدلة التنفيذ: لم يسجل أي منها.
حاصرات: المادة الكاملة والنموذج / الرد المنشور الدقيق لم يتم تفتيشه ؛ العرض التوضيحي تفاعلي وتختلف واجهة برمجة التطبيقات الحالية عن 2019.
الإجراء التالي: الحصول على مخطوطة المؤلف من قائمة ورقة بيضاء كرونو الرسمية، واستخراج الرقم المستهدف، ثم اختيار نسخة نموذج مطابقة لها.
الفجوات: المادة الكاملة والنموذج / الرد المنشور الدقيق لم يتم تفتيشه ؛ العرض التوضيحي تفاعلي وتختلف واجهة برمجة التطبيقات الحالية عن 2019.
مصادر ل Chrono#
- التحقق المباشر DOI/title/authors (البحث 2026-11-15).
- سجل المنشور الأولي والخلاصة (البحث 2026-11-15).
- المؤلف ملموسة نموذج HMMWV والتبعيات (البحث 2026-11-15).
أريكة#
SOFA ⁇ كيف ينحني إزاحة الأوتار إصبعًا ناعمًا محدود العناصر؟
المسار: تكييف نموذج الورق. التنفيذ: لا تشغيل. مصدر الثقة: متوسطة.
ورقة لأريكة#
8 - إيولالي كوفيو وآخرون (2017). مجموعة أدوات البرمجيات لنمذجة, simulation، والسيطرة على الروبوتات الناعمة. 10.1080/01691864.2017.1395362.
نوع المنشور: journal_article. البيانات الوصفية الأولية..... التحقق من البيانات الوصفية: تم التأكيد. الوصول إلى النص الكامل: تم فحص ملخص الناشر والبيانات الوصفية لمنشورات المؤلف ؛ النموذج الكامل / النتائج لم يتم تفتيشها
الهدف في الورقة: مباشرة إلى الأمام لينة الروبوت simulation وصفها في المادة؛ CableConstrraint/Finger.py هو نموذج تعليمي مرتبط بالمؤلف ، وليس رقمًا دقيقًا تم التحقق منه.
رمز والمدخلات لأريكة#
قطعة أثرية أو مصدر منبع..... الورقة تقدم ال SOFAمجموعة الأدوات المستندة إلى. مصدر البرنامج المساعد الرسمي الحالي يوفر إصبع FEM يحركها كابل. لم يتم التحقق من شبكة تاريخية خاصة بالورق والثوابت.
المصدر الذي تم تفتيشه: نعم. المرجع: سيد في التفتيش. الالتزام: 3dadbaff9f50b379bf1cc680b379b74810751ee0.
الملفات: أمثلة/مكون/قيد/CableConstrit/Finger.py; أمثلة/مكون/قيد/CableConstraint/FingerController.py؛ أمثلة/مكون/قيد/كابلتقييد/شبكة/finger.vtk
:الشروط SoftRobots LGPL-3.0 وفقا للبيانات الوصفية ترخيص مستودع الحية. SOFA LGPL-2.1؛ التبعيات منفصلة
البيئة والحساب: SOFA مع الإضافات SoftRobots و SofaPython3 المطابقة ؛ الحفاظ على إصدارات المكونات / المكونات الإضافية الكاملة. وحدة المعالجة المركزية FEM. SOFA وقت التشغيل الأصلي والإضافات ؛ عرض اختياري.
المدخلات: شبكة الإصبع المجمعة. مجموعات المصدر dt ⁇ 0.01 والجاذبية ⁇ [0,-9810,0] في وحدات النموذج ؛ فحص واستبقاء المواد والقيود وتعريفات المشغل.
الوصول إلى البيانات: المصدر العام وشبكة الموردة. تحقق من شروط إعادة توزيع الشبكة.
بناء ومقارنة أريكة#
يحتوي التسلسل أدناه على أوامر المنبع وتعليمات الإعداد المقترحة ، كما هو موضح. فقط الأوامر التي تم تحديدها في أدلة الإعدام تم تشغيلها هنا فحص المصدر المثبت والشروط المسبقة قبل التشغيل.
Proposed supported-runner route: runSofa examples/component/constraint/CableConstraint/Finger.pyProposed reproducibility adaptation: drive a saved tendon-displacement series and export tip displacement and solver residuals.
النواتج المتوقعة: مشهد إصبع مشوه ، وبعد الأجهزة ، سلسلة الإزاحة مقابل التشغيل وسجلات التقارب.
مقارنة مع الورقة: قارن إعدادات المحرك / الشبكة / المواد الورقية ومنحنى انحراف محدد بعد الحصول على النص الكامل. لا تؤدي الرسوم المتحركة القابلة للانحناء أو الحل الخطي المتقارب إلى إعادة إنتاج الورق.
نتيجة التنفيذ: (أ) لا توجد مطالبة تتعلق بالتنفيذ؛ تم تفتيش الأوامر المنبع أو ملحوظ صراحة المقترحة.
أدلة التنفيذ: لم يسجل أي منها.
حاصرات: نموذج 2017 بالضبط ، شبكة ، المعلمات المادية والهدف الرقمي غير متطابقة ؛ المكوّن الإضافي الأصلي غير متوفر.
الإجراء التالي: استرجع مخطوطة المؤلف الشرعي ، وقم بتخطيط تجربة تشغيل كابل إلى الأمام ، ثم أداة دقيقة للشبكة والتحميل.
الفجوات: نموذج 2017 بالضبط ، شبكة ، المعلمات المادية والهدف الرقمي غير متطابقة ؛ المكوّن الإضافي الأصلي غير متوفر.
مصادر للأريكة#
- التحقق من البيانات الوصفية الاستشهادية الأولية الحية (البحث 2026-11-15).
- مجموعة أدوات ربط الورق والدول SOFA علاقة النمذجة (البحث 2026-11-15).
- مصدر مشهد الشبكة/المكون الإضافي/المشغل الفعلي (البحث 2026-11-15).