Ce projet est dédié à l'exécution du deuxième travail pratique de la formation AMS301 de l'ENSTA. Il contient les codes sources initiaux pour la réalisation de ce travail.

Ce projet consiste à implémenter un diagramme de classes UML en code Kotlin en utilisant l'outil Ant pour la compilation et l'exécution des tests. Il est important de respecter scrupuleusement les noms des classes, méthodes et paramètres pour que les tests puissent s'exécuter correctement.

Ce projet est un tutoriel destiné à l'apprentissage de l'utilisation de l'IDE IntelliJ IDEA pour le développement en Kotlin et Java. Il propose des guides pour la configuration, l'édition de code, l'exécution de projets, l'exécution de tests, le débogage, la mesure de la couverture de code, l'importation de fichiers et de projets, l'utilisation de Git et l'installation de plugins.

Ce projet est un dépôt de code source contenant des scripts Python et bash permettant d'automatiser le déploiement d'environnements informatiques sur des ressources réservées via Grid5000. Il utilise la bibliothèque EnOSlib pour la réservation des ressources et l'exécution de recettes Ansible pour la configuration des ressources.

Environnement Docker pour les nœuds ROS liés à la perception de corps et de groupes. Contient les nœuds suivants : front_fisheye_2d_body_pose_detector, body_3d_tracker, body_to_face_mapper, group_detector, skeleton_extrapolate. Deux versions de l'image peuvent être créées : production pour exécuter le code, develop pour développer le code. Deux algorithmes pour extraire les poses corporelles avec le nœud front_fisheye_2d_body_pose_detector : ros_openpose (par défaut) et Mediapipe.

MDE4RTS est un outil d'analyse d'impact de modifications de code et de sélection de tests de régression pour les projets Maven avec code source Java. Il propose deux approches : une basée sur le modèle, qui exécute les cas de test après l'instrumentation du bytecode et analyse les traces d'exécution pour construire un modèle, et une autre basée sur la trace, qui génère le modèle statique avec MoDisco et écrit les traces d'exécution dans une file d'attente topic-based pour l'analyse d'impact. La sélection de tests de régression peut être effectuée entre le dernier commit git et l'état actuel du code ou entre un commit précédent et l'état actuel du code.

AutoJMH est un outil qui prend en entrée un segment de code et une exécution d'entraînement, et génère un microbenchmark JMH complet pour le segment. L'outil génère la classe JMH et place le segment de code à l'intérieur de la méthode wrapper, générant entièrement le microbenchmark. AutoJMH initialise également les variables du microbenchmark et effectue une série d'analyses pour éviter automatiquement les pièges courants de la microbenchmarking.

Uica-toy est un simulateur qui permet de prédire le débit d'exécution de blocs de base sur les microarchitectures Intel récentes. Il offre également des informations sur la manière dont le code est exécuté. uica-toy est basé sur les données de uops.info, combinées avec un modèle de pipeline détaillé. Il suppose que tous les accès mémoire se traduisent par des coups au cache.

Le projet franka_tools vise à faciliter le développement sur le robot Franka Emika en fournissant des exemples pour les principales bibliothèques et en utilisant une image Docker pour l'exécuter. Il est recommandé de cloner le dépôt franka_tools dans le répertoire personnel sur le miniPC, de créer ses propres fichiers de contrôleur dans les répertoires franka_tools et d'utiliser l'image Docker pour l'exécuter. Le dépôt contient des exemples de codes pour contrôler le robot avec différents contrôleurs ou obtenir des variables d'état à l'aide de libfranka. Il est également possible de déplacer le robot à l'aide de la bibliothèque Cartesian_franka en Python.

Ce projet consiste en un programme de détection de pièces de lego à partir d'images. Il utilise Tensorflow et nécessite une caméra pour fonctionner. Le dépôt contient le code source du programme ainsi que des instructions pour le construire et l'exécuter dans un environnement Docker.