#model-predictive-control Repositories
Entdecke 23 aktive Open-Source-GitHub-Repositories, die mit #model-predictive-control getaggt sind und insgesamt 28,336 Sterne gesammelt haben (durchschnittlich 1,232 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist ai-winter/ros_motion_planning mit 3,623 Sternen.
Insgesamt 23 Repositories
Bewegungsplanung und Navigation von AGV/AMR: Implementierung von ROS-Planer-Plugins für A*, JPS, D*, LPA*, D* Lite, Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, ACO, PSO, Voronoi, PID, LQR, MPC, DWA, APF, Pure Pursuit usw.
Eine Plattform für reproduzierbare Forschung und Bewertung von Weltmodellen
Lerne autonomes Fahren, indem du es selbst entwickelst: mit Python-Simulationen und einem frei zugänglichen Lehrbuch, in dem das System Schritt für Schritt wächst. Tausche Lokalisierungs-, Planungs- und Steuerungsalgorithmen im selben System aus und vergleiche sie.
Echtzeit-Verhaltenssynthese mit MuJoCo unter Verwendung von Predictive Control
Schnelle und eingebettete Löser für nichtlineare optimale Steuerung und nichtlineare modellprädiktive Steuerung
Crocoddyl ist eine Optimalsteuerungsbibliothek für die Robotersteuerung unter Kontaktsequenz. Ihr Solver basiert auf verschiedenen effizienten Differential Dynamic Programming (DDP)-ähnlichen Algorithmen.
Bewegungsplanung (Pfadplanung und Trajektorienplanung/-verfolgung) von AGV/AMR: Python-Implementierung von Dijkstra, A*, JPS, D*, LPA*, D* Lite, (Lazy)Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, Voronoi, PID, DWA, APF, LQR, MPC, RPP, Bezier, Dubins etc.
Ein schneller und differenzierbarer Löser für modellprädiktive Regelung (MPC) für PyTorch.
Python-Implementierung des MPPI (Model Predictive Path-Integral) Controllers zum Verständnis der Grundidee. Obligatorische Abhängigkeiten sind nur numpy und matplotlib.
Ein minimalistisches, sofort einsatzbereites Repository zur Förderung der World-Model-Wissenschaft.
Model Predictive Path Integral (MPPI) mit approximierter Dynamik, implementiert in PyTorch
emhass: Energieverwaltung für Home Assistant, ein Python-Modul, das darauf ausgelegt ist, Ihren Haushaltsenergieverbrauch zu optimieren und mit Home Assistant zu interagieren.
Nichtkonvexe eingebettete Optimierung: Code-Generierung für schnelle Echtzeit-Optimierung + ROS-Unterstützung
Intelligente Raumklimaregelung für Home Assistant — selbstlernende MPC, proportionale Ventilsteuerung und Modellierung solarer Wärmegewinne
Open-Source-C++-Implementierung der kürzlich vorgeschlagenen Online-Active-Set-Strategie
Ein Open-Source-Framework zur Steuerung von zweibeinigen Robotern, basierend auf nicht-linearem MPC und WBC, zugeschnitten auf den zweibeinigen Roboter EC-hunter80-v01.
Häufig gestellte Fragen
Welches ist das beliebteste #model-predictive-control-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#model-predictive-control-Projekt auf GitHub ist ai-winter/ros_motion_planning mit 3,623 Sternen. Bewegungsplanung und Navigation von AGV/AMR: Implementierung von ROS-Planer-Plugins für A*, JPS, D*, LPA*, D* Lite, Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, ACO, PSO, Voronoi, PID, LQR, MPC, DWA, APF, Pure Pursuit usw.
Welche Programmiersprachen werden in #model-predictive-control-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #model-predictive-control-Projekten auf GitHub sind Python, C++, C, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #model-predictive-control-Repositories berechnet?
Wir verfolgen 23 aktive Open-Source-Repositories, die mit #model-predictive-control getaggt sind (500+ Sterne), mit insgesamt 28,336 Sternen und durchschnittlich 1,232 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.