Référentiel
franka ros2 · frankarobotics
Packages d'intégration ROS 2 pour les robots de recherche Franka.
Cadres d'apprentissage des robotsLE RÉPERTOIRE DE L'IA INCORPORÉE
Découvrez le logiciel de simulation de robot, le middleware ROS 2, la planification de mouvements et les outils d'apprentissage de robot Python.
Référentiel
Packages d'intégration ROS 2 pour les robots de recherche Franka.
Cadres d'apprentissage des robots
Référentiel
Packages d'intégration ROS pour les robots de recherche Franka.
Cadres d'apprentissage des robots
Référentiel
ACDC4Robot : conversion automatisée des conventions de description pour les robots de la conception à l'apprentissage
Cadres d'apprentissage des robots
Référentiel
Localisation ROS 2 pour robots d'extérieur : IMU, encodeurs de roue et GPS fusionnés dans un UKF à 23 états à 100 Hz. Lorsque l'estimation est erronée, elle indique quel capteur et pourquoi, au lieu de dériver silencieusement.…
Navigation et SLAM
Référentiel
Gaussian-SLAM : SLAM dense photoréaliste avec éclaboussures gaussiennes
Navigation et SLAM
Référentiel
Un outil simple pour générer le terrain du gazebo à l'aide d'images satellite et de données DEM.
Simulation et physique
Référentiel
Planification de mouvement autour des obstacles avec optimisation convexe par Marcucci et al, 2023
Planification et contrôle des mouvements
Référentiel
Code de recherche pour l'apprentissage des flux de mouvement généraux en tant que moyens de robot.
Cadres d'apprentissage des robots
Référentiel
Un framework RL robotique léger construit sur Genesis avec des API alignées sur IsaacLab, permettant un développement rapide de tâches et une migration facile à partir des environnements IsaacLab existants.
Simulation et physique
Référentiel
Génération de tâches de simulation robotique via de grands modèles de langage
Simulation et physique
Référentiel
Boîte à outils GNSS C++20 moderne — Fusion RTK/PPP/CLAS/IMU.
Navigation et SLAM
Référentiel
Un contrôleur de locomotion MPC convexe implémenté dans MuJoCo avec le quadrupède Unitree Go2
Planification et contrôle des mouvements
Référentiel
"Bon robot ! Maintenant, regardez ça !" : réutilisation de l'apprentissage par renforcement pour le transfert de tâche à tâche ; et « Bon robot ! » : apprentissage par renforcement efficace pour les tâches visuelles en plusieurs étapes avec transfert du simulateur au réel
Cadres d'apprentissage des robots
Référentiel
Lissage de chemin basé sur le gradient pour les robots mobiles à roues (GRIPS)
Planification et contrôle des mouvements
Référentiel
Exemple de connexion d'une stratégie Isaac GR00T à un Panda Franka simulé dans MuJoCo.
Perception et géométrie
Référentiel
Implémentation de segmentation sol LiDAR et d’estimation de terrain.
Systèmes de flotte et d'autonomie
Référentiel
Expériences d'apprentissage par renforcement en ligne ancrées dans des modèles de langage dans BabyAI-Text.
Cadres d'apprentissage des robots
Référentiel
Une boîte à outils archivée pour les expériences RL avec ROS 2 et Gazebo.
Simulation et physique
Référentiel
Cadre de développement d'environnements robotiques OpenAI Gym simulés avec Ignition Gazebo
Simulation et physique
Référentiel
Environnements PyBullet Gymnasium pour l'apprentissage du contrôle des quadricoptères.
Planification et contrôle des mouvements
Référentiel
Expériences d'apprentissage par renforcement reproductibles dans Gazebo.
Simulation et physique
Référentiel
NVIDIA Halos Outside-In Safety Blueprint étend la perception du robot au-delà des capteurs embarqués en utilisant des caméras d'infrastructure externes et des agents d'IA pour contrôler dynamiquement le comportement et les performances du robot...
Perception et géométrie
Référentiel
Code de recherche HapticWAM pour distiller le toucher dans un modèle d'action mondiale.
Cadres d'apprentissage des robots
Référentiel
Quadrotor Hector avec MoveIt ! Cadre de planification des mouvements
Planification et contrôle des mouvementsConnaissez-vous une ressource qui a sa place ici ?