Référentiel
mpc-rl · junhengl
RL guidé par MPC pour la locomotion et la manipulation humanoïde
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
RL guidé par MPC pour la locomotion et la manipulation humanoïde
Planification et contrôle des mouvements
Référentiel
Robot mobile à roues différentielles - Contrôle prédictif de modèle non linéaire basé sur ROS
Planification et contrôle des mouvements
Référentiel
Ce référentiel implémente Motion Planning Diffusion (MPD) - une méthode d'apprentissage et de planification des mouvements de robots avec des modèles de diffusion.
Planification et contrôle des mouvements
Référentiel
Une implémentation C++/CUDA du contrôle Model Predictive Path Integral.
Planification et contrôle des mouvements
Référentiel
Les modèles de planification de mouvement créent des planificateurs de mouvements rapides, parallèles et spécifiques aux robots.
Planification et contrôle des mouvements
Référentiel
Nœuds ROS 2 encapsulant les fonctionnalités MRPT de base : localisation, navigation autonome, rawlogs, etc. SLAM est dans d'autres packages.
Navigation et SLAM
Référentiel
Un système SLAM multi-robot modularisé avec cartographie d'élévation et convertisseur de carte de coûts pour une navigation facile. Différents algorithmes d’odométrie et de fermeture de boucle peuvent être facilement intégrés au système.
Navigation et SLAM
Référentiel
CVPR 2026 - MSGNav : libérer la puissance du graphique de scène 3D multimodal pour la navigation embarquée Zero-Shot
Navigation et SLAM
Référentiel
Messagerie Pub/sub pour Python, C et C++.
Cadres d'apprentissage des robots
Référentiel
Expériences RL de locomotion MuJoCo avec PPO et randomisation de domaine.
Planification et contrôle des mouvements
Référentiel
Package de contrôle ROS2 pour le simulateur physique de simulation Mujoco, comprenant des plugins pour divers capteurs, caméras RVB-D et lidar.
Simulation et physique
Référentiel
Éditeur de scènes de navigateur interactif pour les scènes de robot et de maillage MuJoCo.
Simulation et physique
Référentiel
Recherche de collecte de données guidée par les performances pour l'apprentissage sur robot.
Cadres d'apprentissage des robots
Référentiel
EMKG : mémoire et récupération multimodales pour la navigation objet-objectif en monde ouvert dans des environnements dynamiques.
Navigation et SLAM
Référentiel
Visionneuse multi-panneaux Python pour la simulation MuJoCo.
Simulation et physique
Référentiel
« Coordination multi-robots avec architecture agent-serveur pour la navigation autonome dans des environnements partiellement inconnus », IROS 2020
Navigation et SLAM
Référentiel
Le projet d'armée d'exploration autonome comprend 1 véhicule aérien et 2 véhicules terrestres, utilisant ROS 2 et l'environnement de simulation Gazebo.
Simulation et physique
Référentiel
Planificateur de mouvement hybride lié aux articles « Planification de trajectoire pour les essaims de quadrirotor » et « Planification de trajectoire pour les équipes de robots hétérogènes »
Planification et contrôle des mouvements
Référentiel
Un simulateur d'essaim de drones basé sur ROS (Robot Operating System).
Simulation et physique
Référentiel
Applications ROS pour le robot mobile myAGV, y compris cartographie et navigation.
Cadres d'apprentissage des robots
Référentiel
Référentiel
Projet ouvert pour robot bipède avec C++. Cross OS, plateforme de simulation croisée ou même vrai robot.
Simulation et physique
Référentiel
Implémentation éducative Python de l'optimisation des graphes de pose.
Navigation et SLAM
Référentiel
🦕 nanosaure est un petit robot, propulsé par ROS 2. Conçu pour NVIDIA Jetson
Intergiciel et communicationConnaissez-vous une ressource qui a sa place ici ?