Lmpcpp est une bibliothèque logicielle dédiée à la planification de trajectoires et au contrôle de robots mobiles et manipulateurs. Elle permet de générer des trajectoires optimales en termes de temps et d'énergie, en prenant en compte les contraintes de vitesse, d'accélération et d'évitement d'obstacles. Elle s'appuie sur des algorithmes avancés de calcul matriciel et d'optimisation numérique, et offre une interface flexible et facile à utiliser pour les développeurs et les chercheurs en robotique.

Panda_motion est un projet dédié à la planification et au contrôle de mouvements pour des robots manipulateurs. Il permet de simuler des scénarios robotiques complexes et d'optimiser les trajectoires des bras robotiques en temps réel.

Ce projet est dédié à la planification de trajectoires optimales pour des robots opérant dans un environnement partagé avec des humains. Il permet de prédire l'action humaine et d'évaluer différentes politiques de décision en simulant des interactions entre le robot et l'humain.

Le projet abb_qp_controller est une solution de contrôle de robots ABB, intégrant des algorithmes avancés de planification et d'optimisation de trajectoires. Il s'appuie sur le système d'exploitation robotique ROS (Robot Operating System) pour offrir une gestion flexible et efficace des robots.

Le projet toppra_cartesian_path_planning est une bibliothèque logicielle dédiée à la planification de trajectoires cartésiennes pour robots. Il permet d'optimiser les mouvements de robots industriels en environnement contraint et de simuler leurs déplacements.

Ce projet utilise des réseaux de neurones graphiques (GNN) pour résoudre le problème de planification de trajectoires pour des robots multiples dans un environnement dynamique. Il s'appuie sur des frameworks et librairies populaires tels que PyTorch, NumPy, SciPy et Scikit-learn pour offrir une solution efficace et flexible.

Un espace de travail pour tester lmpcpoly, qui permet le contrôle de vitesse et de couple pour un bras robotique, la planification de trajectoires à l'aide de MoveIt et l'évitement d'obstacles.

Ce projet permet d'interpréter des trajectoires cartésiennes et articulaires écrites en Staubli Val3 afin de générer les tâches correspondantes dans RKCL. Il facilite ainsi l'intégration de ces trajectoires dans des systèmes de planification et de contrôle de robots.

Un espace de travail ROS pour tester panda_qp_control, permettant le contrôle de robot panda en vitesse ou en couple, ainsi que la planification de trajectoire avec MoveIt.

Top-traj est un projet de calcul de trajectoires optimales pour des véhicules, en prenant en compte des contraintes de vitesse et d'accélération. Il permet de planifier des mouvements pour des robots mobiles en leur fournissant des trajectoires optimales.