Uma implementação em GPU de controle de Modelo Preditivo de Caminho Integral (MPPI) que usa um modelo probabilístico de transitabilidade para planejar trajetórias cientes de risco.
Planeje caminhos de movimento seguros para robôs usando um método de controle baseado em GPU.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserUma implementação em GPU de controle de Modelo Preditivo de Caminho Integral (MPPI) que usa um modelo probabilístico de transitabilidade para planejar trajetórias cientes de risco.
mppi_numba tem 310 estrelas no GitHub. Foi bifurcado 23 vezes. mppi_numba é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2022. mppi_numba está disponível sob a licença MIT. Os seus principais temas são: gpu, motion-planning, mppi, numba.
Uma implementação em GPU de controle de Modelo Preditivo de Caminho Integral (MPPI) que usa um modelo probabilístico de transitabilidade para planejar trajetórias cientes de risco.
mppi_numba é um projeto de código aberto. É distribuído sob a licença MIT.
Sim. mppi_numba é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
mppi_numba está disponível sob a licença MIT.
mppi_numba é escrito principalmente em Jupyter Notebook.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/mit-acl-mppi-numba.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.