#路径规划

深度强化学习在无人机避障中的应用:UAV_Obstacle_Avoiding_DRL项目详解

2 个月前
Cover of 深度强化学习在无人机避障中的应用:UAV_Obstacle_Avoiding_DRL项目详解

BEV-Planner: 推动端到端自动驾驶研究的新基准

2 个月前
Cover of BEV-Planner: 推动端到端自动驾驶研究的新基准

Recast Navigation:游戏AI导航的行业标准工具集

3 个月前
Cover of Recast Navigation:游戏AI导航的行业标准工具集

Recast Navigation: 游戏中的导航网格生成利器

3 个月前
Cover of Recast Navigation: 游戏中的导航网格生成利器
相关项目
Project Cover

recastnavigation

Recast Navigation提供自动化、快速且灵活的导航网格生成和路径规划功能,无需依赖其他库。支持Unity、Unreal和Godot等多个游戏引擎,适用于各种游戏类型。包括导航网格生成、路径规划和群体模拟等多种模块,满足不同项目需求。为开发者提供详细文档和社区支持,是行业标准的导航解决方案。

Project Cover

BEV-Planner

BEV-Planner项目研究端到端自动驾驶中的关键问题。研究发现在nuScenes数据集上,模型过度依赖车辆状态而忽视感知信息。项目提出新的评估指标和基准方法,全面评估规划质量。研究结果质疑当前自动驾驶研究方向,建议重新审视现有方法。项目为自动驾驶领域提供新思路,包括道路遵循性评估和简单但有效的基线模型。

Project Cover

UAV_Obstacle_Avoiding_DRL

本项目研究了深度强化学习在UAV自主避障中的应用,涵盖静态和动态环境。研究结合多智能体强化学习、人工势场法和扰动流场算法等创新技术,并与A*、RRT等传统路径规划方法进行对比。项目实现了MADDPG、TD3、PPO等多种算法,提供MATLAB和Python代码。仿真实验表明,深度强化学习方法在无人机障碍物避免任务中展现出优越性能,为自主导航技术发展提供了新思路。

Project Cover

PythonRobotics

PythonRobotics汇集了多种机器人算法的Python实现,包括定位、导航、SLAM和路径规划等领域的经典算法。项目代码易于理解,实用性强,依赖性低,适合学习和实践机器人算法。它提供了丰富的文档和动画演示,可作为开发机器人应用的参考资源。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号