Navigation & SLAM

Forschung

EAO-SLAM: Monokularer halbdichter Objekt-SLAM basierend auf Ensemble Data Association

Forschung

Implementierung zum Erlernen einer Zuordnung von Stadtbildern, die dynamische Objekte enthalten, zu statischen realistischen Bildern, die für SLAM geeignet sind

Forschung

Sensorfusionsarchitektur zur Schätzung, Lokalisierung und Kartierung des Roboterzustands.

Forschung

Dies ist die offizielle Implementierung der voxelbasierten humanoiden Fortbewegung in „Gallant: Voxel Grid-based Humanoid Locomotion and Local-navigation across 3D Constrained Terrains“

Forschung

Geometriebewusstes Lernen von Karten zur Kameralokalisierung (CVPR2018)

Forschung

Habitat-GS: Ein High-Fidelity-Navigationssimulator mit dynamischem Gaußschen Splatting

Forschung

AUTONOME ROBOTERNAVIGATION MIT ROS Clearpath Husky A200-Roboter mit Gazebo- und RViz-Simulationen unter Verwendung verschiedener SLAM- und Pfadplanungsalgorithmen. 360-Grad-Laserscan mit zwei SICK LMS511…

Forschung

Code für LGX (Language Guided Exploration). Wir verwenden LLMs, um eine verkörperte Roboternavigation im Zero-Shot-Verfahren durchzuführen.

Forschung

Verwandte Veröffentlichungen:

Forschung

📦 Installation

Forschung

Learning World Transition Model für sozialbewusste Roboternavigation

Forschung

Ein modulares Optimierungsframework für Lokalisierung und Kartierung (MOLA)

Forschung

EMKG: Multimodales Gedächtnis und Abruf für die Objekt-Ziel-Navigation in der offenen Welt in dynamischen Umgebungen.

Forschung

Pädagogische Python-Implementierung der Pose-Graph-Optimierung.

Forschung

Echtzeit-Nav2-Parameter-Tuning-GUI für ROS2, kein Kill oder Neustart erforderlich

Forschung

Nav-R1: Argumentation und Navigation in verkörperten Szenen

Forschung

Offizielle Umsetzung von „NavRAG: Generating User Demand Instructions for Embodied Navigation through Retrieval-Augmented LLM“ (ACL'25 Findings)

Forschung

ROS globale und lokale Bewegungsplanung für mobile Roboter.

Forschung

objectSLAM

Forschung

Eine ROS-Integration von ORB-SLAM2.

Forschung

Eine semantische visuelle SLAM-Implementierung, die Objekterkennung, Bewegungsanalyse und OctoMap-Mapping kombiniert.

Forschung

Pop-up-SLAM: Semantischer monokularer Ebenen-SLAM für Umgebungen mit geringer Textur

Forschung

Auf Stichproben basierende Neuverdrahtungsansätze zur Lösung von Bewegungsplanungsproblemen für einen Roboter mit dynamischen Hindernissen

Forschung

Eine historische Sammlung von SLAM-Forschungsreferenzen, die bis zur Ausgabe 2021 gepflegt wird.