#optimal-control Dépôts
Découvrez 15 dépôts GitHub open source actifs associés à #optimal-control, cumulant 20,620 étoiles au total (soit une moyenne de 1,374 étoiles par projet). Le projet en tête de ce thème est open-spaced-repetition/fsrs4anki, avec 4,142 étoiles.
15 dépôts au total
Une planification personnalisée Anki moderne basée sur l'algorithme Free Spaced Repetition Scheduler
CasADi est un framework symbolique pour l’optimisation numérique qui implémente la différentiation automatique en modes direct et inverse sur des graphes de calcul à valeurs matricielles creuses. Il prend en charge la génération de code C autonome et fournit des interfaces vers des codes de pointe tels que SUNDIALS, IPOPT, etc. Il peut être utilisé depuis C++, Python, Matlab/Octave, Julia ou JavaScript.
Solveurs rapides et embarqués pour le contrôle optimal non linéaire et le contrôle prédictif par modèle non linéaire
Génération de mouvement pour robots et machines. Temps réel. Contraint en secousses. Optimal en temps.
Un planificateur de trajectoires optimal prenant en compte des topologies distinctives pour les robots mobiles basé sur Timed-Elastic-Bands (ROS Package)
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).
Un solveur rapide et différentiable de contrôle prédictif par modèle (MPC) pour PyTorch.
Implémentation officielle pour l'article "Full-Order Sampling-Based MPC for Torque-Level Locomotion Control via Diffusion-Style Annealing". DIAL-MPC est un nouveau cadre MPC basé sur l'échantillonnage pour le contrôle au niveau du couple de l'ordre complet des robots bipèdes, avec précision et agilité d'une manière sans entraînement.
Optimisation embarquée non convexe : génération de code pour une optimisation en temps réel rapide + support ROS
ACADO Toolkit est un environnement logiciel et une collection d'algorithmes pour le contrôle automatique et l'optimisation dynamique. Il fournit un cadre général pour l'utilisation d'une grande variété d'algorithmes pour le contrôle optimal direct, y compris le contrôle prédictif basé sur le modèle, l'estimation d'état et de paramètres et l'optimisation robuste.
Logiciel de simulation (ROS/MATLAB) pour le contrôle de la locomotion du robot humanoïde HECTOR/contrôle de la locomotion bipède/MPC basé sur la force et le moment
Foire aux questions
Quel est le dépôt #optimal-control le plus populaire sur GitHub ?
Le projet #optimal-control open source le mieux classé sur GitHub est open-spaced-repetition/fsrs4anki, avec 4,142 étoiles. Une planification personnalisée Anki moderne basée sur l'algorithme Free Spaced Repetition Scheduler
Quels langages de programmation sont les plus utilisés dans les dépôts #optimal-control ?
Parmi les projets #optimal-control les mieux classés sur GitHub, les langages de programmation les plus courants sont C++, C, Python, Jupyter Notebook.
Comment le classement des dépôts #optimal-control est-il calculé ?
Nous suivons 15 dépôts open source actifs associés à #optimal-control (500+ étoiles), totalisant 20,620 étoiles, avec une moyenne de 1,374 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.