#model-predictive-control Dépôts
Découvrez 23 dépôts GitHub open source actifs associés à #model-predictive-control, cumulant 28,336 étoiles au total (soit une moyenne de 1,232 étoiles par projet). Le projet en tête de ce thème est ai-winter/ros_motion_planning, avec 3,623 étoiles.
23 dépôts au total
Planification de mouvement et Navigation de AGV/AMR : implémentation du plugin de planification ROS de A*, JPS, D*, LPA*, D* Lite, Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, ACO, PSO, Voronoi, PID, LQR, MPC, DWA, APF, Pure Pursuit, etc.
Une plateforme pour la recherche et l'évaluation reproductibles des modèles du monde
Apprenez la conduite autonome en la construisant : des simulations Python et un manuel libre dans lequel le système évolue étape par étape. Remplacez et comparez les algorithmes de localisation, de planification et de contrôle au sein d’un même système.
Synthèse de comportement en temps réel avec MuJoCo, utilisant le contrôle prédictif
Solveurs rapides et embarqués pour le contrôle optimal non linéaire et le contrôle prédictif par modèle non linéaire
Crocoddyl est une bibliothèque de contrôle optimal pour le contrôle de robots sous séquence de contact. Son solveur est basé sur divers algorithmes efficaces similaires au Differential Dynamic Programming (DDP).
Commande prédictive par modèle pour microcontrôleurs, Prix du meilleur article ICRA 2024
Planification de mouvement (Planification de chemin et Planification/Suivi de trajectoire) d'AGV/AMR : implémentation Python de 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.
Un solveur rapide et différentiable de contrôle prédictif par modèle (MPC) pour PyTorch.
Implémentation Python du contrôleur MPPI (Model Predictive Path-Integral) pour comprendre l'idée de base. Les dépendances obligatoires sont uniquement numpy et matplotlib.
Un dépôt minimaliste et complet pour faire progresser la science des modèles du monde.
Model Predictive Path Integral (MPPI) avec dynamiques approximatives implémentées en PyTorch
emhass : Gestion énergétique pour Home Assistant, un module Python conçu pour optimiser votre consommation d'énergie domestique en interfaçant avec Home Assistant.
Apprentissage par Renforcement avec Contrôle Prédictif Basé sur un Modèle
Implémentation en Python du code de planification et de contrôle de la conduite autonome
Optimisation embarquée non convexe : génération de code pour une optimisation en temps réel rapide + support ROS
Régulation intelligente du climat intérieur pour Home Assistant — MPC avec apprentissage automatique, commande proportionnelle des vannes et modélisation des apports solaires
Implémentation C++ open-source de la stratégie d'ensemble actif en ligne récemment proposée
Un framework open source pour le contrôle de robots bipèdes, basé sur le MPC non linéaire et le WBC, adapté au robot bipède EC-hunter80-v01.
Foire aux questions
Quel est le dépôt #model-predictive-control le plus populaire sur GitHub ?
Le projet #model-predictive-control open source le mieux classé sur GitHub est ai-winter/ros_motion_planning, avec 3,623 étoiles. Planification de mouvement et Navigation de AGV/AMR : implémentation du plugin de planification ROS de A*, JPS, D*, LPA*, D* Lite, Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, ACO, PSO, Voronoi, PID, LQR, MPC, DWA, APF, Pure Pursuit, etc.
Quels langages de programmation sont les plus utilisés dans les dépôts #model-predictive-control ?
Parmi les projets #model-predictive-control les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, C, Jupyter Notebook.
Comment le classement des dépôts #model-predictive-control est-il calculé ?
Nous suivons 23 dépôts open source actifs associés à #model-predictive-control (500+ étoiles), totalisant 28,336 étoiles, avec une moyenne de 1,232 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.