MOESM1 of Implementation of Q learning and deep Q network for controlling a self balancing robot model

Name: MOESM1 of Implementation of Q learning and deep Q network for controlling a self balancing robot model
Creator: M. Hossain; MD Rahman; S. Rashid
Published: 2018-12-22T00:00:00+08:00

Figshare2018-12-22 更新2026-04-08 收录

强化学习控制

机器人平衡系统

数据链接：

https://springernature.figshare.com/articles/MOESM1_of_Implementation_of_Q_learning_and_deep_Q_network_for_controlling_a_self_balancing_robot_model/7503170/1 数据链接链接失效反馈

官方服务：

资源简介：

Additional file 2. FuzzyPD: Performance Values of Fuzzy PD control system.

提供机构：

M. Hossain; MD Rahman; S. Rashid

创建时间：

2018-12-22

Real-time reinforcement for human-machine interface control - UPHUMMEL - EPFL

神经康复工程

强化学习控制

Dataset and code to reproduce the main results of the paper Real-time reinforcement for human-machine interface control, Neuron (2026). by Pierre Vassiliadis, Daniel Leal Pinheiro, Lisa Fleury, Alexa

Zenodo2026-06-08 更新120

pick_cube_hf_blackhawk

机器人抓取操作

强化学习控制

该数据集是通过LeRobot创建的，主要用于机器人技术领域。数据集中包含30个episodes，478个frames，1个task。数据以parquet格式存储，包含视频文件和数据文件。数据特征包括动作(action)、奖励(reward)、完成状态(done)、观察图像(images.front和images.wrist)、状态(state)等。视频文件的分辨率为128x128，帧率为10fps

Hugging Face2026-04-27 更新70

libero_plus_10_texture_all_kinova3

机器人任务执行

强化学习控制

该数据集是一个用于机器人任务的数据集，包含Kinova3机器人执行多种任务时的多视角图像、状态和动作数据。数据集包含445个episodes，113882帧，7个任务，数据以20帧/秒的速率采集。特征包括：观察状态（如末端执行器状态、关节状态、夹爪状态）、多视角图像（如手腕图像、前视图图像、侧视图图像）、动作、时间戳、帧索引、episode索引等。数据格式为parquet，视频编码为av1，图像分

Hugging Face2026-07-18 更新40

Reinforcement learning control method for greenhouse vegetable irrigation driven by dynamic clipping and negative incentive mechanism

农业精准灌溉

强化学习控制

The irrigation control is a critical aspect of greenhouse vegetable production. However, existing agricultural irrigation studies face limitations such as high equipment requirements, overly complex s

DataCite Commons2025-05-18 更新100

kinova3_pickplace

机器人抓取放置

强化学习控制

该数据集是一个机器人学习数据集，使用LeRobot工具创建。它包含51个episodes，总计23901帧数据，分为102个视频。数据以parquet格式存储，帧率为20fps，并包含训练集分割。数据集的特征包括：从agent视角和手腕视角采集的224x224x3分辨率视频图像（编码为h264），13维的浮点状态向量，7维的浮点动作向量，以及时间戳、帧索引、episode索引等元数据。这些数据用于

Hugging Face2026-06-06 更新50

MOESM1 of Implementation of Q learning and deep Q network for controlling a self balancing robot model

资源简介：

相关数据集