#model-predictive-control Repositórios
Descubra 23 repositórios ativos de código aberto no GitHub marcados com #model-predictive-control, acumulando um total de 28,336 estrelas (uma média de 1,232 por projeto). O líder deste tópico é ai-winter/ros_motion_planning, com 3,623 estrelas.
23 repositórios no total
Planejamento de Movimento e Navegação de AGV/AMR: Implementação de plugin de planejador 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.
Uma plataforma para pesquisa e avaliação reprodutível de modelos do mundo
Aprenda a condução autônoma construindo-a: simulações em Python e um livro didático aberto, no qual o sistema evolui etapa por etapa. Troque e compare algoritmos de localização, planejamento e controle dentro do mesmo sistema.
Síntese de comportamento em tempo real com MuJoCo, usando Controle Preditivo
Solucionadores rápidos e embarcados para controle ótimo não linear e controle preditivo de modelo não linear
Crocoddyl é uma biblioteca de controle ótimo para controle de robôs sob sequências de contato. Seu resolvedor é baseado em vários algoritmos eficientes do tipo Programação Dinâmica Diferencial (DDP)
Controle preditivo baseado em modelo para microcontroladores, Prêmio de Melhor Artigo ICRA 2024
Planejamento de movimento (Planejamento de Caminho e Planejamento/Rastreamento de Trajetória) de AGV/AMR: implementação em 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.
Um solver de controle preditivo de modelo (MPC) rápido e diferenciável para PyTorch.
Implementação em Python do controlador MPPI (Model Predictive Path-Integral) para compreender a ideia básica. As dependências obrigatórias são apenas numpy e matplotlib.
Um repositório minimalista e completo para o avanço da ciência de modelos de mundo.
Model Predictive Path Integral (MPPI) com dinâmica aproximada implementada em pytorch
emhass: Gerenciamento de Energia para Home Assistant, é um módulo Python projetado para otimizar o consumo de energia da sua casa ao interagir com o Home Assistant.
Aprendizagem por Reforço com Controle Preditivo por Modelo
Implementação em Python do código de planejamento e controle de direção autônoma
Otimização embutida não convexa: geração de código para otimização rápida em tempo real + suporte a ROS
Controle climático inteligente de ambientes para Home Assistant — MPC com autoaprendizagem, controle proporcional de válvulas e modelagem dos ganhos solares
Implementação C++ de código aberto da estratégia de active set online recentemente proposta
Um framework de controle de robô bípede de código aberto, baseado em MPC não linear e WBC, adaptado para o robô bípede EC-hunter80-v01.
Perguntas Frequentes
Qual é o repositório de #model-predictive-control mais popular no GitHub?
O projeto de código aberto de #model-predictive-control mais bem classificado no GitHub é ai-winter/ros_motion_planning, com 3,623 estrelas. Planejamento de Movimento e Navegação de AGV/AMR: Implementação de plugin de planejador 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.
Quais linguagens de programação são mais usadas nos repositórios de #model-predictive-control?
Entre os projetos de #model-predictive-control mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, C, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #model-predictive-control?
Acompanhamos 23 repositórios ativos de código aberto marcados com #model-predictive-control (com mais de 500 estrelas), totalizando 28,336 estrelas e uma média de 1,232 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.