Simulador de cuadricópteros basado en JAX que ejecuta simulaciones diferenciables por lotes en CPU y GPU para drones Crazyflie 2.x.
Crazyflow es un simulador de investigación para drones cuadricópteros. Está construido sobre JAX y ejecuta en paralelo muchos entornos independientes y enjambres de varios drones en CPU o GPU, por lo que es adecuado para entrenamientos y experimentos a gran escala en aprendizaje y control de robots.
El simulador ofrece dos tipos de dinámica para la familia Crazyflie 2.x: ecuaciones basadas en primeros principios, con parámetros identificados a partir de mediciones del mundo real, y dinámicas simplificadas y abstractas en tres variantes ajustadas con datos de vuelos reales. Como el flujo de procesamiento es diferenciable, los gradientes pueden propagarse por toda la cadena de dinámica y control con jax.grad. Las funciones de paso y reinicio son funciones JAX simples que los usuarios pueden ampliar o sustituir.
La integración con MuJoCo mediante MJX proporciona renderizado en pantalla y fuera de pantalla, raycasting y detección de contactos.
Instala la versión para CPU desde PyPI
pip install crazyflowInstala la versión para GPU (Linux x86-64, CUDA 12)
pip install "crazyflow[gpu]"Consulta la documentación para ver ejemplos y la guía de usuario
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Motor de física de cuerpos rígidos basado en JAX que ejecuta simulaciones diferenciables y masivamente paralelas en aceleradores para investigación en robótica y RL.
Entornos de Gymnasium basados en PyBullet para entrenar controladores de aprendizaje por refuerzo para cuadricópteros, con uno o varios agentes.
Framework de Python que compila funciones Python comunes con JIT para convertirlas en kernels que se ejecutan en CPU o GPU NVIDIA, para simulación, robótica y ML.
Framework basado en NVIDIA Isaac Sim para simular drones multirrotor, con integración de los autopilotos PX4 y ArduPilot y una interfaz de control en Python.
Simulador basado en Unreal Engine para drones, autos y otros vehículos, ampliado por Cosys-Lab con nuevos modelos de sensores y API.
Benchmark de aprendizaje por imitación para el control de cuerpo completo, con entornos MuJoCo y MJX para humanoides, cuadrúpedos y modelos musculoesqueléticos humanos.