Référentiel
LeRobot · huggingface
Outils LeRobot pour le contrôle des robots, les ensembles de données et l'apprentissage de bout en bout.
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
Outils LeRobot pour le contrôle des robots, les ensembles de données et l'apprentissage de bout en bout.
Cadres d'apprentissage des robots
Référentiel
Simulateur physique MuJoCo pour la dynamique multiarticulaire et le contact.
Planification et contrôle des mouvements
Référentiel
Outils d'apprentissage des robots construits autour de l'écosystème de simulation Isaac.
Simulation et physique
Référentiel
Un SDK physique pour la détection de collisions et la simulation multi-physique.
SDK de robots
Référentiel
Convertit les assemblages Onshape en descriptions de robots URDF, SDF et MuJoCo.
Simulation et physique
Référentiel
Un estimateur d'état visuo-inertiel monoculaire robuste et polyvalent
Navigation et SLAM
Référentiel
Un simulateur 3D pour la recherche de navigation et d'interaction d'agents incarnés.
Navigation et SLAM
Référentiel
Exemples d'assemblage de robots pour l'exportateur onshape-to-robot.
Cadres d'apprentissage des robots
Référentiel
Visual SLAM pour les caméras monoculaires, stéréo et RVB-D.
Navigation et SLAM
Référentiel
Environnements de manipulation basés sur MuJoCo pour les expériences d'apprentissage de robots.
Simulation et physique
Référentiel
API d’environnement standard et environnements de référence pour l’apprentissage par renforcement.
Cadres d'apprentissage des robots
Référentiel
Workflows de formation et d’évaluation pour les agents incarnés utilisant Habitat.
Navigation et SLAM
Référentiel
Implémentations en fichier unique d'algorithmes d'apprentissage par renforcement profond.
Planification et contrôle des mouvements
Référentiel
Un simulateur pour la recherche sur la perception et le contrôle de la conduite autonome.
Systèmes de flotte et d'autonomie
Référentiel
Environnements de simulation physique et d'apprentissage par renforcement basés sur MuJoCo de Google DeepMind.
Planification et contrôle des mouvements
Référentiel
Un moteur de définition et d'exécution de scénarios de trafic pour CARLA.
Cadres d'apprentissage des robots
Référentiel
Un estimateur d'état multicapteur basé sur l'optimisation
Navigation et SLAM
Référentiel
Outils pour apprendre les politiques des robots à partir d’ensembles de données de démonstration.
Cadres d'apprentissage des robots
Référentiel
Outils d'apprentissage par renforcement pour l'entraînement à la locomotion robotique.
Cadres d'apprentissage des robots
Référentiel
Code source et ressources de développement du simulateur robotique Gazebo Sim.
Simulation et physique
Référentiel
Algorithmes de cinématique et de dynamique des corps rigides pour les modèles de robots.
Planification et contrôle des mouvements
Référentiel
Interface de physique abstraite conçue pour prendre en charge la simulation et le développement rapide d'applications robotiques.
Simulation et physique
Référentiel
Estimateur d'état visuo-inertiel monoculaire sur téléphones mobiles
Navigation et SLAM
Référentiel
Outils de contrôle optimal pour les systèmes robotiques à contacts multiples.
Planification et contrôle des mouvementsConnaissez-vous une ressource qui a sa place ici ?