curobo

curobo

Bibliothèque de robots accélérés CUDA

Vérifiez Curobo.org pour l'installation et le démarrage avec des exemples!

Utilisez des discussions pour des questions sur l'utilisation de ce package.

Utilisez des problèmes si vous trouvez un bogue.

Le planificateur de mouvement sans collision de Curobo est disponible pour les applications commerciales en tant que plugin Moveit: Isaac Ros Cumotion

Pour les demandes commerciales de cette bibliothèque Python, veuillez visiter notre site Web et soumettre le formulaire: Nvidia Research Licensing

Aperçu

Curobo est une bibliothèque accélérée CUDA contenant une suite d'algorithmes de robotique qui s'exécutent considérablement plus rapidement que les implémentations existantes tirant parti du calcul parallèle. cuRobo currently provides the following algorithms: (1) forward and inverse kinematics, (2) collision checking between robot and world, with the world represented as Cuboids, Meshes, and Depth images, (3) numerical optimization with gradient descent, L-BFGS, and MPPI, (4) geometric planning, (5) trajectory optimization, (6) motion generation that combines inverse kinematics, Planification géométrique et optimisation de la trajectoire pour générer des mouvements globaux dans les 30 ms.

Curobo effectue une optimisation de la trajectoire à travers de nombreuses graines en parallèle pour trouver une solution. L'optimisation de la trajectoire de Curobo pénalise les secousses et les accélérations, encourageant des trajectoires plus lisses et plus courtes. Ci-dessous, nous comparons la génération de mouvement de Curobo sur la gauche à un planificateur Birrt pour les phases de planification de mouvement dans une tâche de choix.

Citation

Si vous avez trouvé ce travail utile, veuillez citer le rapport ci-dessous,

 @misc{curobo_report23,
      title={cuRobo: Parallelized Collision-Free Minimum-Jerk Robot Motion Generation},
      author={Balakumar Sundaralingam and Siva Kumar Sastry Hari and Adam Fishman and Caelan Garrett
              and Karl Van Wyk and Valts Blukis and Alexander Millane and Helen Oleynikova and Ankur Handa
              and Fabio Ramos and Nathan Ratliff and Dieter Fox},
      year={2023},
      eprint={2310.17274},
      archivePrefix={arXiv},
      primaryClass={cs.RO}
}