#model-predictive-control Repository
Scopri 23 repository GitHub open source attivi contrassegnati con #model-predictive-control, che raccolgono un totale di 28,336 stelle (con una media di 1,232 stelle per progetto). Il progetto leader di questo argomento è ai-winter/ros_motion_planning, con 3,623 stelle.
23 repository in totale
Pianificazione del movimento e Navigazione di AGV/AMR: implementazione del plugin del pianificatore ROS di A*, JPS, D*, LPA*, D* Lite, Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, ACO, PSO, Voronoi, PID, LQR, MPC, DWA, APF, Pure Pursuit ecc.
Una piattaforma per la ricerca e la valutazione riproducibile dei modelli del mondo
Impara la guida autonoma costruendola: simulazioni in Python e un libro di testo aperto in cui il sistema cresce passo dopo passo. Sostituisci e confronta gli algoritmi di localizzazione, pianificazione e controllo all’interno dello stesso sistema.
Controllore Predittivo di Contornamento (MPCC) Basato su Modello per le Corse Autonome
Sintesi del comportamento in tempo reale con MuJoCo, utilizzando il controllo predittivo
Solver rapidi e integrati per il controllo ottimale non lineare e il controllo predittivo per modello non lineare
Crocoddyl è una libreria di controllo ottimale per il controllo di robot sotto sequenza di contatto. Il suo solver si basa su vari algoritmi efficienti simili al Differential Dynamic Programming (DDP).
Pianificazione del movimento (Pianificazione del percorso e Pianificazione/Tracciamento della traiettoria) di AGV/AMR: implementazione Python di Dijkstra, A*, JPS, D*, LPA*, D* Lite, (Lazy)Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, Voronoi, PID, DWA, APF, LQR, MPC, RPP, Bezier, Dubins ecc.
Un risolutore veloce e differenziabile per il controllo predittivo del modello (MPC) per PyTorch.
Implementazione Python del controllore MPPI (Model Predictive Path-Integral) per comprendere l'idea di base. Le dipendenze obbligatorie sono solo numpy e matplotlib.
Un repository minimalista e completo per far progredire la scienza dei modelli del mondo.
Model Predictive Path Integral (MPPI) con dinamiche approssimate implementate in PyTorch
emhass: Energy Management for Home Assistant, è un modulo Python progettato per ottimizzare il consumo energetico domestico interfacciandosi con Home Assistant.
Apprendimento per Rinforzo con Controllo Predittivo Basato su Modello
Implementazione del codice Python per la pianificazione e il controllo della guida autonoma
Ottimizzazione embedded non convessa: generazione di codice per ottimizzazione in tempo reale rapida + supporto ROS
Controllo intelligente del clima degli ambienti per Home Assistant — MPC con autoapprendimento, controllo proporzionale delle valvole e modellazione degli apporti solari
Implementazione open-source C++ della strategia di active set online recentemente proposta
Un framework open source per il controllo di robot bipedi, basato su MPC non lineare e WBC, personalizzato per il robot bipede EC-hunter80-v01.
Domande frequenti
Qual è il repository #model-predictive-control più popolare su GitHub?
Il progetto open source #model-predictive-control più alto in classifica su GitHub è ai-winter/ros_motion_planning, con 3,623 stelle. Pianificazione del movimento e Navigazione di AGV/AMR: implementazione del plugin del pianificatore ROS di A*, JPS, D*, LPA*, D* Lite, Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, ACO, PSO, Voronoi, PID, LQR, MPC, DWA, APF, Pure Pursuit ecc.
Quali linguaggi di programmazione sono più utilizzati nei repository #model-predictive-control?
Tra i progetti #model-predictive-control più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, C, Jupyter Notebook.
Come viene calcolata la classifica dei repository #model-predictive-control?
Monitoriamo 23 repository open source attivi contrassegnati con #model-predictive-control (500+ stelle), per un totale di 28,336 stelle e una media di 1,232 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.