Softwaretools

Es wurden 9 Software Tools gefunden.

BOLeRo

Behavior Optimization and Learning for Robots
BOLeRo stellt Werkzeuge zum Lernen von Verhalten für Roboter bereit. Das umfasst Verhaltensrepräsentationen sowie bestärkende Lernverfahren, Black-Box-Optimierung, Evolutionäre Algorithmen und Imitationslernverfahren. Es stellt eine C++- und eine Python-Schnittstelle zur Verfügung, um effizient zu sein wo dies erforderlich ist und um flexibel und einfach zu benutzen zu sein, wo Performanz kein Problem ist. Da die Bibliothek eine C++-Schnittstelle bereitstellt, ist sie leicht in die meisten robotischen Frameworks zu integrieren; zum Beispiel ROS oder Rock.
Maschinelles Lernen, Evolutionäre Algorithmen, Verhaltenslernen, Optimierung

CAD-2-SIM

Computer Aided Design To Simulation
Der Zweck des Programms CAD-2-SIM ist, den Transfer von Spezifikationen von Mechanismen aus CAD-Programmen in Simulationsumgebungen zu vereinfachen. Insbesondere ermöglicht das Programm, die numerischen Daten der kinematischen und dynamischen Eigenschaften eines Mechanismus ohne manuelle Eingriffe aus dem CAD-Beschreibung in mehrere Simulationsumgebungen (Openrave, Mars, RBDL, ROS, ROCK, SimMechanics) zu überführen. Durch diese Direktübertragung wird ein schnellerer und stabilerer Entwicklungsprozess ermöglicht. Das Programm CAD-2-SIM nutzt die Sheth-Uicker Konvention und eine graphenbasierte Bauteilnummerierung.
Kinematisch-Dynamische Modellierung, Mechanische Synthese, Computergestützter Entwurf

MARS

Machina Arte Robotum Simulans
MARS ist ein plattformunabhängiges Simulations- und Visualisierungstool, das für die Robotikforschung erstellt wurde. Es besteht aus einem Kern-Framework, das alle wichtigen Simulationskomponenten beinhaltet: eine GUI (basierend auf Qt), eine 3D-Visualisierung (die Open Scene Graph benutzt) und eine Physikengine (basierend auf ODE). MARS wurde in einer modularen Form entworfen und kann sehr flexibel genutzt werden; z.B. kann die Physiksimulation ohne Visualisierung und GUI gestartet werden. Es ist auch möglich, MARS durch das Erstellen eigener Plugins zu erweitern und so neue Funktionalität hinzuzufügen. Eine Reihe von Plugins - beispielsweise für HUDs oder definierte Bodenreaktionskräfte existieren bereits, und es ist einfach, eigene zu erstellen.
Simulation, Visualisierung

MMLF

Maja Machine Learning Framework
Das Maja Machine Learning Framework (MMLF) ist ein allgemeines Framework für Probleme im Bereich des Bestärkenden Lernens (Reinforcement Learning; RL), das in Python geschrieben ist. Es stellt Implementierungen einer Reihe von RL-Algorithmen und Benchmark-Problemen bereit. Des Weiteren ist es einfach erweiterbar und ermöglicht die einfache Automatisierung des Benchmarkings verschiedener Agenten.
Bestärkendes Lernen, maschinelles Lernen, evolutionäre Algorithmen

NDLCom

Node Level Data Link Communication
Moderne robotische Systeme verfügen über eine Vielzahl von dezentralen Sensor- und Steuerelektroniken, welche zum Teil untereinander kommunizieren wollen. Das NDLCom Protokoll ermöglicht es kleine Datenpakete in einem einfachen Netzwerk zwischen Mikrocontrollern, FPGAs und Computern auszutauschen. Dabei ist jeder Teilnehmer mit einer Punkt-zu-Punkt Verbindung zu mindestens einem Nachbarn verbunden und jeder Teilnehmer muss empfangene Nachrichten entsprechend der Empfängeradresse weiterleiten. Implementierungen für das Empfangen, Weiterleiten und Dekodieren von Nachrichten sind für C/C++ und VHDL vorhanden. Das Darstellen, Loggen und Exportieren von empfangenen Daten ist in einer grafischen Benutzerumgebung möglich.
Serielle Kommunikation, OSI-Layer, Embedded, C, VHDL, Qt, CSV-Export

Phobos

Ein Blender-Add-On zum Editieren und Export von Robotermodellen für die MARS-Simulation
Das Erstellen adäquater Simulationsmodelle von Robotern ist eine schwierige Aufgabe, die in der Welt von Open Source und Forschung häufig darauf hinausläuft, komplexe Beschreibungsdateien von Hand zu editieren. Phobos ist ein Open-Source Add-On für Blender, entworfen, um diese Aufgabe zu vereinfachen und dem Anwender zu erlauben, Robotermodelle mittels einer visuellen, interaktiven Benutzeroberfläche zu erzeugen. Die Modelle können als URDF-Dateien und SMURF-Roboterbeschreibungen für die MARS-Simulationsumgebung exportiert werden.
Simulation, Robotermodell, Modellierung

pySPACE

Signalverarbeitungs- und Klassifikationsumgebung in Python
pySPACE ist ein modulares Software-Framework für die Verarbeitung segmentierter Zeitreihen sowie Merkmalsvektoren. Es wurde speziell für die verteilte Verarbeitung und empirische Evaluation unterschiedlicher Signalverarbeitungsketten entwickelt. Es kann sowohl für große offline Vergleiche als auch online in konkreten Anwendungen benutzt werden. Verschiedene Datensätze werden automatisch geladen, verarbeitet und gespeichert. Signalverarbeitungsalgorithmen (Knoten) und größere Transformationen der Datensätze (Operationen) können einfach aneinander gehängt werden. Eine parallele Verarbeitung kann auf einem Mehrkernprozessor oder Cluster erfolgen. pySPACE wird aktiv gewartet und weiterentwickelt, wodurch die Anzahl von Knoten stetig steigt.
Maschinelles Lernen, Signalverarbeitung, Parallelisierung

reSPACE

Reconfigurable Signal Processing and Classification Environment
Das Framework reSPACE (reconfigurable Signal Processing and Classification Environment) wurde entwickelt, um die Entwicklung applikationsspezifischer FPGA-basierter Hardwarebeschleuniger für rechenintensive Aufgaben für eingebettete und mobile Systeme zu wesentlich zu vereinfachen. reSPACE unterstützt dabei eine modellbasierte Entwicklungsmethodik, um den komplizierten Entwicklungsprozess zu beschleunigen. Der Fokus liegt insbesondere auf Anwendungen aus den Bereichen Signal- und Bildverarbeitung sowie maschinelles Lernen.
Maschinelles Lernen, Signalverarbeitung, Parallelisierung, FPGA, Eingebettete Systeme

Rock

Robot Construction Kit
Rock ist ein Software Framework für die Entwicklung von Robotern. Das zugrundeliegende Komponentenmodell basiert auf Orocos RTT (Real Time Toolkit). Rock stellt umfassende Softwarewerkzeuge für die Entwicklung und den Betrieb von leistungsfähigen und zuverlässigen Robotern im Forschungs- und industriellen Umfeld zur Verfügung. Es beinhaltet bereits eine reichhaltige Sammlung an Treibern und Softwaremodulen die direkt auf anderen Robotern eingesetzt werden können und bietet außerdem die Möglichkeit einfach neue Komponenten hinzuzufügen.
Roboter, Framework, Komponenten, Modular, Treiber, Echtzeit
© DFKI GmbH
zuletzt geändert am 03.01.2017
nach oben