MPC避障 描述 MPC（模型预测控制）实现使用Casadi Python软件包进行数值优化，并使用{numpy + matplotlib}进行可视化。 完整的移动机器人（Mecanum轮式全向移动机器人（MWOMR））用作实现系统。 此外，通过根据障碍物的参数添加不等式约束，可以避免障碍物。 通过动画示例辅助回购，以实现更好的可视化。 卡萨迪（Casadi）： ：//web.casadi.org/ 内容 mpc_code.py →MPC的主要Python脚本 simulation_code.py →一个帮助程序文件，用于实现MPC代码中使用的可视化 main.py →要运行的代码 笔记： 您应该运行main.py 如下插入目标点：[x方向，y方向，角度]，例如：[10,10，pi] 要求 在运行代码之前，请确保您在计算机上安装了Python3.5 +和以下软件包：

通过深度强化学习实现基于单眼视觉的避障 由，，尼基trigoni，安德鲁·马卡姆。 本文的张量流实现： 内容 介绍 该存储库包含： 1.Training代码。 我们编写自己的培训代码，但直接使用提供的代码构建模式。 （我们在存储库中保留了Iro的许可证） 2.用于训练FCRN的数据预处理代码。 3.在Gazebo模拟器中使用turtlebot2进行D3QN（具有决斗架构的Double Deep Q网络）的训练代码。 4，在现实世界中使用turtlebot2测试D3QN的代码 5，tensorflow和ros之间的接口代码 D3QN的网络模型与本文稍有不同，因为我们发现此版本具有更好的性能。 您可以在获得我们真实世界实验的视频 先决条件 Tensorflow> 1.1 ROS动力学 cv2 操作说明 再培训FCRN 我们在/Depth/data文件夹中有一个用turtlebo

使用Arduino的基本机器人。

消防员Arduino自主机器人，能够检测，接近和灭火。

时空A * 具有附加时间维度的时空A *（STA *）搜索算法，用于处理动态障碍。 安装 该软件包名为space-time-astar并在列出。 您可以使用pip安装： pip3 install space-time-astar 对于多个代理，您可能会对cbs-mapf包感兴趣，该包也将此包用作低级计划程序，也适用于和 。 用法 导入计划者 from stastar . planner import Planner 构造函数参数 Planner ( grid_size : int , robot_radius : int , static_obstacles : List [ Tuple

PX4 avoidance 3DVFH+算法论文，翻墙下载都不一定能找到，属于稀缺资源

罗斯形成和避免障碍 编队中有五个正在执行任务的机器人。 他们可以通过通信拓扑相互通信并纠正其位置。 并且他们通过使用激光雷达实现了避障。 这些程序可以在ROS中运行。 并且有两组代码，脚本1和脚本2使用了不同的避障方法

比较经典的人工势函数避障方法，参考性不言而喻，分享给大家，这里面有仿真例程，对于新手来说非常有帮助，对于只会理论不会仿真的同学也十分的友好，这篇论文真的没得说，非常好

小秋SLAM笔记