#physical-ai Repositórios
Descubra 17 repositórios ativos de código aberto no GitHub marcados com #physical-ai, acumulando um total de 57,631 estrelas (uma média de 3,390 por projeto). O líder deste tópico é harvard-edge/cs249r_book, com 30,283 estrelas.
17 repositórios no total
Sistemas de aprendizado de máquina: fundamentos, escalabilidade, IA agêntica e IA física (vols. I–IV) • Harvard CS249r | https://mlsysbook.ai
Um framework de robô pet quadrúpede de código aberto para desenvolver robôs de quatro patas no estilo Boston Dynamics, perfeitos para STEM, educação em codificação e robótica, aplicações de robótica IoT, serviços de aplicação de robótica aprimorados por IA, pesquisa e desenvolvimento de kits de robótica DIY.
Habilidades de agente para produtos NVIDIA — instale no Claude Code, Codex e outros agentes de codificação para executar fluxos de trabalho de IA física, robótica, simulação, CUDA e RAG de ponta a ponta.
PAROL6: braço robótico de mesa de 6 eixos, de código aberto e impresso em 3D. Lista de materiais, arquivos STL e STEP, firmware e instruções de montagem.
NVIDIA Alpamayo 1 Nano é um modelo VLA de raciocínio aberto de 10B para veículos autônomos que combina trajetórias de direção com raciocínio de Cadeia de Causalidade.
Copper é um sistema operacional para robôs — construa, execute e reproduza seu robô inteiro de forma determinística.
Um gato robótico programável e altamente manobrável para educação STEM e serviços aprimorados por IA.
AlpaSim é uma plataforma de simulação de veículos autónomos de código aberto projetada para o desenvolvimento e teste de políticas AV de ponta a ponta
IoT DC3 — Conecte o mundo físico à IA. Um runtime de IoT industrial de código aberto para Physical AI: 36 drivers de protocolos, entrega de dados da borda à nuvem e um gateway de ferramentas MCP para que agentes de IA atuem nos dispositivos em um ciclo seguro, controlável e rastreável.
Cosmos-Transfer1 é um modelo de transferência de mundo a mundo projetado para preencher a lacuna perceptual entre ambientes simulados e do mundo real.
Avaliações de código aberto para IA física. Execute qualquer LLM/VLA em qualquer braço robótico ou humanoide com base em qualquer benchmark real ou simulado.
Cosmos-Predict2 é uma coleção de modelos de fundação mundial de propósito geral para IA Física que podem ser ajustados em modelos mundiais personalizados para aplicações downstream.
RAI é um framework agentic agnóstico de fornecedores para robótica Physical AI, utilizando ferramentas ROS 2 para realizar ações complexas, cenários definidos, execução de interface livre, resumos de logs, interação por voz e mais.
Um framework de código aberto baseado em ESP32 para robôs quadrúpedes de estimação, criado para desenvolver robôs de quatro patas no estilo da Boston Dynamics. Ideal para o ensino de STEM, programação e robótica, aplicações robóticas de IoT, serviços de aplicações robóticas aprimorados por IA, pesquisa e desenvolvimento de kits de robótica DIY.
Perguntas Frequentes
Qual é o repositório de #physical-ai mais popular no GitHub?
O projeto de código aberto de #physical-ai mais bem classificado no GitHub é harvard-edge/cs249r_book, com 30,283 estrelas. Sistemas de aprendizado de máquina: fundamentos, escalabilidade, IA agêntica e IA física (vols. I–IV) • Harvard CS249r | https://mlsysbook.ai
Quais linguagens de programação são mais usadas nos repositórios de #physical-ai?
Entre os projetos de #physical-ai mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Rust, HTML.
Como é calculada a classificação dos repositórios de #physical-ai?
Acompanhamos 17 repositórios ativos de código aberto marcados com #physical-ai (com mais de 500 estrelas), totalizando 57,631 estrelas e uma média de 3,390 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.