DeepMind 机器人-通过深度学习模拟人类步态的机器人

MuJoCo Playground是一个开源库，提供GPU加速的机器人学习环境，支持模拟到现实的转换，适用于多种控制任务和环境。它包括经典的控制环境，并支持四足和两足动物的行走模拟，以及非抓握和机械手的操作，此外还提供基于视觉的支持。

智元灵犀X1所使用的强化学习训练代码，可配合智元灵犀X1配套的推理软件进行真机和仿真的行走调试，或导入其他机器人模型进行训练。

Vulp 是一个用于实时运动控制的 Python 库，提供标准的动作-观察循环，旨在控制各种执行器和模拟器，具备易于集成和扩展的特性。

这款机械臂机器人可以帮助用户完成各种家务，功能强大，几乎可以代替保姆的工作。

Zeroth Bot是一款3D打印的开源仿人机器人平台，适用于模拟现实转换和强化学习。它的特点是超级可hack、性价比高，从硬件到SDK再到模拟环境全部开源，材料清单起始成本仅350美元，极大降低了制造和开发的门槛。

SmilingRobo是一个致力于推进和 democratize 机器人技术的开源项目，旨在让更多人能够轻松接触和使用机器人。通过开放的资源和社区支持，SmilingRobo希望降低机器人技术的门槛，激发创造力和创新，促进不同领域的应用。

Unitree Go2/G1机器人数字孪生项目，集成Nvidia Isaac Sim 4.0和Isaac Lab，为机器人研究和开发提供模拟环境测试平台，推动算法创新。

Fashion-AI-segmentation 是一个基于深度学习和OpenCV开发的算法，旨在去除时尚图像中的噪声并对时尚物品进行图像分割。该项目通过集成深度学习模型，提高了分割的准确性，并允许用户根据不同的时尚物品自定义分割参数。

DeepPath是一种利用强化学习进行知识图谱推理的方法，适用于大规模知识图谱中的高效路径查找。它结合了结构信息和语义信息，能够扩展到复杂且多样化的知识图谱，并提供可解释的推理路径。

一个强化学习项目，旨在通过少量示例训练大型语言模型以进行数学推理和解决问题。该项目通过使用少量数据和简化的训练流程，使得AI推理训练更加高效，且小模型也能表现出强大的推理能力。

Stick-breaking Attention 是一种基于 Triton 的变长序列注意力机制实现，旨在通过优化计算方式提升在 GPU 上的性能，适合多种深度学习任务，易于与现有框架集成。

Deep Nostalgia是一种迷人的工具，通过先进的深度学习技术，为静态家庭照片中的人脸注入生命，使用户能够以动态和情感的方式体验自己的家族历史。

imgfind是一个基于Rust、candle和CLIP构建的图像搜索工具，旨在提供高性能的图像检索体验。它利用深度学习技术和CLIP模型，支持多种图像格式，并具备用户友好的命令行界面，适用于各种图像搜索需求。

Diamond Env是一个为强化学习设计的标准化环境，基于Minecraft中的Diamond任务。它提供了一致的实验条件，支持多种强化学习算法，并允许用户自定义任务和奖励机制。该环境适用于研究Minecraft中的智能体行为，并可作为基准环境进行性能评估。

voltaML-fast-stable-diffusion是一个轻量级库，通过简单的一行代码实现对Stable Diffusion模型的加速，速度提升可达10倍，支持Dreambooth的快速推理，方便用户进行机器学习和深度学习项目的快速部署和集成。

Native Sparse Attention是一个高效实现原生稀疏注意力的Triton代码库，专注于在深度学习模型中优化注意力机制。通过硬件对齐优化和动态选择稀疏块，显著提升了性能，比FlashAttention更快，性能提升高达数倍。适用于需要高效处理稀疏数据的场景，并在AI创造营等项目中得到应用。

hl-gauss-pytorch是一个基于PyTorch实现的高斯直方图损失函数（HL-Gauss），为回归任务提供了全新的视角，能够有效提升模型的性能。

AlphaFold 3是由DeepMind开发的AI系统，用于从蛋白质的氨基酸序列中预测其三维结构。它通过深度学习技术和海量蛋白质数据训练，能够在几小时内完成蛋白质结构分析。AlphaFold 3已经预测了超过2亿种蛋白质的三维结构，涵盖几乎所有已知生命体，其预测结果接近实验数据的准确度。该项目提供了推理管道的实现，并允许用户通过特定流程获取模型参数。

Sapiens 是由 Meta 开发的一种新型人类视觉模型，旨在通过深度学习技术模拟人类视觉感知。它基于大量图像数据和高级算法，支持 1K 高分辨率推理，适合多种人类相关的视觉任务。该项目在二维姿态估计、身体部位分割、深度估计和表面法向量预测等任务上表现出色，尤其在野外数据上的泛化能力显著。Sapiens 通过预训练于超过 3 亿张野外人类图像，展示了卓越的性能，并通过简单微调适应各种任务。

Epoching-Blog是一个集成了PyTorch、fastai和HuggingFace的自然语言处理实战教程，旨在帮助用户通过实践深入理解深度学习及其在NLP领域的应用。项目提供了丰富的代码示例和详细的教程，适合希望提升NLP技能的学习者。

该项目是一个从零开始构建大语言模型的开源教程，不依赖任何外部库，仅使用Python和PyTorch实现。教程详细讲解了从基础到进阶的LLM构建过程，包括模型结构、注意力模块、KV Cache等核心概念，并提供了训练和微调的代码，帮助读者快速上手和实践。

fused-ssim是一个高效且可微分的结构相似性指数(SSIM)实现，专为深度学习中的图像质量评估而设计。其特色在于采用了完全融合的实现方式，有效减少了全局内存访问，从而显著提高了计算效率。这使得它在处理大规模图像数据时表现出色，特别适用于需要快速且准确评估图像质量的深度学习任务。