Cadres d'apprentissage des robots

Source ouverte

Implémentation du transformateur de l'article : "Real-World Humanoid Locomotion with Reinforcement Learning"

Source ouverte

Cadre d'apprentissage par renforcement Isaac Gym pour robots manipulateurs.

Source ouverte

Outils de construction et de configuration du micrologiciel pour micro-ROS.

Source ouverte

Démonstration de véhicules agricoles guidés utilisant le cadre RAI.

Source ouverte

Extension de ligne de commande ROS 2 utilisant des modèles de langage.

Source ouverte

Une interface d'agent pour interagir avec les systèmes robotiques basés sur ROS.

Source ouverte

Mise en œuvre d’une politique de correspondance de flux 3D pour la manipulation à un ou deux bras.

Source ouverte

Flux de travail, invites et modèles assistés par l'IA pour la recherche en robotique.

Source ouverte

Une bibliothèque Python pour l'apprentissage des robots - Une extension de PyRobot

Source ouverte

Démonstrations de robotique Unity

Source ouverte

autoware_core

Source ouverte

Outils pour interroger les données de robotique et de drones via un serveur MCP.

Source ouverte

Apprentissage des robots en toute sécurité

Source ouverte

Outils Python pour interagir avec les cartes compatibles MicroPython.

Source ouverte

Une imprimante 3D cinématique parallèle rapide utilisant des câbles et des treuils comme actionneur.

Source ouverte

Une application Web de texte vers CAO open source.

Source ouverte

Packages ROS pour le robot IQR Caster.

Source ouverte

Package ROS combinant les plateformes robotiques Caster et Kinova.

Source ouverte

CHEK EGO Miner de Qingkong Technology : utilisez CHEK mobile et Qingkong Miker Desktop pour collecter des données EGO à la première personne pour l'IA incarnée.

Source ouverte

Modèles de raisonnement physique de bon sens et de prise de décision incarnée.

Source ouverte

Bibliothèques, outils et tâches pour la recherche en robotique de Google DeepMind.

Source ouverte

Logiciel pour le projet Domino Robot de Mark Rober.

Source ouverte

Modèle URDF du robot humanoïde Draco3.

Source ouverte

Rêver à contrôler : apprendre les comportements par l'imagination latente, implémenté dans PyTorch.