Référentiel
gpmp2 · gtrll
Implémentation du Processus Gaussien Motion Planner 2.
Planification et contrôle des mouvementsLE 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
Implémentation du Processus Gaussien Motion Planner 2.
Planification et contrôle des mouvements
Référentiel
Une mise en œuvre de la recherche guidée de politiques pour la recherche sur l’apprentissage des politiques.
Cadres d'apprentissage des robots
Référentiel
Outils de formation et de déploiement d'apprentissage de maîtrise GQ-CNN avec intégration ROS.
Cadres d'apprentissage des robots
Référentiel
GRADE : Génération d'environnements dynamiques animés pour la recherche en robotique
Simulation et physique
Référentiel
Simulation Webots d'un robot bipède à roues à l'aide d'un LQR basé sur un modèle (issu d'un projet de fin d'études de premier cycle)
Simulation et physique
Référentiel
Plateforme pour le développement général de l'intelligence robotique
Simulation et physique
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 pile d'autonomie pour l'humanoïde Unitree G1, construite sur ROS 2.
Cadres d'apprentissage des robots
Référentiel
GUIDE fournit un environnement basé sur des instructions pour la collecte et la manipulation des données des robots.
Outils de visualisation et de données
Référentiel
Packages ROS et commandes de mouvement pour les robots GUNDAM.
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
Environnement Mujoco Gym pour le contrôle de robots quadrupèdes
Simulation et physique
Référentiel
Expériences d'apprentissage par renforcement reproductibles dans Gazebo.
Simulation et physique
Référentiel
Habitat-GS : un simulateur de navigation haute fidélité avec éclaboussures gaussiennes dynamiques
Navigation et SLAM
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
Code de recherche pour l'ajustement des politiques assisté par simulation dans l'apprentissage des robots en boîte noire.
Planification et contrôle des mouvements
Référentiel
Quadrotor Hector avec MoveIt ! Cadre de planification des mouvements
Planification et contrôle des mouvements
Référentiel
Logiciel de simulation (ROS/MATLAB) pour le contrôle de la locomotion du robot humanoïde HECTOR/le contrôle de la locomotion bipède/MPC basé sur la force et le moment
Simulation et physiqueConnaissez-vous une ressource qui a sa place ici ?