記事一覧

31ページ目 / 620ページ(全7440記事)

CarFree — CARLAで手軽にアノテーション生成
AI/ML

CarFree — CARLAで手軽にアノテーション生成

2026/3/9

CARLAシミュレータを用いて車両と歩行者の検出用アノテーション(Darknet/YOL O形式)を自動生成するPythonツール群。シミュレーション上でアクターをスポーンし、カメラセンサーから画像を取得、座標変換して正規化されたバウンディングボックスを出力することで、現実データ収集の手間を削減し、気象条件やシーンバリエーションを持つ学習データセット作成を効率化します。(約300字)

Computer VisionSimulationDataset
記事を読む
クラスタベース物体検出システム(cluster-object-detection)
AI/ML

クラスタベース物体検出システム(cluster-object-detection)

2026/3/9

本リポジトリは「Cluster-based Object Detection System with Scalable Performance for Autonomous Driving (ICCAS 2023)」の実装プロトタイプを収めています。単一ノードの処理能力や遅延の限界を超えるため、EthernetとCANバスで接続された複数の計算ノードをクラスタリングし、画像タイムスタンプに基づく分散合意(コンセンサス)方式で効率的な画像選択と同期を行う点が特徴です。組み込み向けのC言語実装で、カメラドライバやネットワーク制御を含むリアルタイム性と拡張性を重視した設計になっています。

クラスタリング物体検出自動運転
記事を読む
Data-Parallel Inference — データ並列リアルタイム推論フレームワーク
AI/ML

Data-Parallel Inference — データ並列リアルタイム推論フレームワーク

2026/3/9

Data-parallel Real-Time Perception System with Partial GPU Acceleration を実装したリポジトリ。C言語を中心に、リアルタイム性を重視したデータ並列処理とGPUの部分的な活用で高スループットな推論をめざす設計がなされています。Darknet/YOLO 系の要素を取り込みつつ、フレーム並列化、入出力パイプライン、ビルド構成(CMake)や3rdparty依存管理を含む実装が収録されています。(約300字)

AI/MLコンピュータビジョン推論
記事を読む
Demand Layering — リアルタイムDNN推論のメモリ最適化
AI/ML

Demand Layering — リアルタイムDNN推論のメモリ最適化

2026/3/9

Demand Layeringは「Demand Layering for Real-Time DNN Inference with Minimized Memory Usage (RTSS 2022)」の実装リポジトリで、Darknetベースのニューラルネットワーク推論でメモリ使用量を最小化する技術を提供します。レイヤー単位で必要な重みや中間バッファをオンデマンドで配置・解放することで、組み込み機器やメモリ制約のある環境でリアルタイム推論を可能にします。複数のパイプライン(同期/非同期/Two-stage/トレードオフ)を実験的に切り替えられ、事前にBNを吸収した.weightsファイルと動画入力により動作確認が可能です。

AI/MLEdgeDNN
記事を読む
E-Platoon:電動トラック隊列走行シミュレータ(日本語)
Tool

E-Platoon:電動トラック隊列走行シミュレータ(日本語)

2026/3/9

本リポジトリ「e-platoon」は、MATLAB/Simulinkで構築された電動トラックの隊列(プラトーニング)シミュレータです。3台編成のトラック隊列を対象に、CACC(協調適応巡航制御)に基づく縦制御やコロンカウントによるバッテリーSOC推定、速度追従・車間保持といった挙動のシミュレーションと評価に焦点を当てています。CARLA等の外部シミュレータと組み合わせた車両挙動・エネルギー管理の研究利用を想定し、バッテリーモデルやSimulinkモデル群を含む実践的なリソースを提供します。(約300字)

MATLABSimulinkPlatooning
記事を読む
EmbedClaw — ESP32-S3上にLLMとエージェントを詰め込む組み込みフレームワーク
AI/ML

EmbedClaw — ESP32-S3上にLLMとエージェントを詰め込む組み込みフレームワーク

2026/3/9

EmbedClawは「LLM」「Tools」「Agent」「Channels」を分離して設計し、それらを単一のESP32-S3ボード上に詰め込むことを目指した軽量な組み込みフレームワークです。C言語で実装され、CMakeによるビルド構成を採用。LLMはQwen(DashScope経由)、チャネルはFeishuやWebSocket、検索連携にTavilyを想定した設計で、オンデバイスでの応答ループと外部サービス連携を両立します。リソース制約のあるMCU上でのエージェント実装やツール連携のパターンを示す試作的プロジェクトです。

ESP32LLMembedded
記事を読む
Frontal-Assault — Top‑Downゲーム開発(Unreal Engine 想定)
Other

Frontal-Assault — Top‑Downゲーム開発(Unreal Engine 想定)

2026/3/9

Frontal-Assault は「Game Dev」とだけ記された小規模リポジトリで、Unreal Engine のプロジェクトファイル(Top_Down.uproject)を含んでいます。現状ファイル数とコミット数が非常に少なく、ソースやアセットは含まれていない可能性が高いため、プロジェクトの全体像は限定的ですが、Unreal プロジェクト管理やバイナリ資産の扱いに関する注意点が読み取れます。

ゲーム開発UnrealEngineTopDown
記事を読む
G12_Capstone — STEMデータ(パスワード保護)プロジェクト
Other

G12_Capstone — STEMデータ(パスワード保護)プロジェクト

2026/3/9

本リポジトリは「G12_Capstone」という名前の小規模なアーカイブで、STEM_12.zip と STEM_8.zip という二つのZIPアーカイブを含みます。READMEには「PM me for password」と記載されており、アーカイブはパスワード保護されていると推測されます。コミット数やファイル数が非常に少なく、初期段階の成果物または配布用パッケージとして管理されているリポジトリです。中身は明示されておらず、利用にはリポジトリ所有者への連絡が必要です(300字程度)。

教育STEMデータ
記事を読む
Hermes Agent の自己進化(Hermes Agent Self-Evolution)
AI/ML

Hermes Agent の自己進化(Hermes Agent Self-Evolution)

2026/3/9

Hermes Agent Self-Evolution は、DSPy と GEPA(Genetic-Pareto Prompt Evolution)を用いて、Hermes Agent のスキル、ツール説明、システムプロンプト、コードを自動で進化・最適化するリポジトリです。GPU による学習は不要で、外部 LLM API を用いてテキスト変異、評価、選択を繰り返すことで、実用的に性能の改善されたバージョンを生成します。自己反省的な進化探索を通じて多目的最適化(パレート最適)を行い、プロンプト工学やコード修復/改善の自動化にフォーカスしています。

進化計算プロンプト最適化HermesAgent
記事を読む
HkAZQbcpFn — ミニマルなリポジトリの解析
Other

HkAZQbcpFn — ミニマルなリポジトリの解析

2026/3/9

本リポジトリ「HkAZQbcpFn」は非常に小規模で、README.md のみを含むシンプルな構成です。メタ情報は限定的で言語指定やライセンスがなく、コミット数も2と最小限。学習用やテンプレート置き場、個人の実験的スナップショットとして想定されます。拡張や公開を意図する際の改善点(README充実化、ライセンス、CI、ディレクトリ構成など)を中心に解説します。

ミニマルリポジトリ解析README
記事を読む
kicad-happy — KiCad向けClaude Codeスキル集
Tool

kicad-happy — KiCad向けClaude Codeスキル集

2026/3/9

kicad-happyは、Anthropicの「Claude Code」エージェントを利用してKiCad電子回路設計ワークフローをターミナルから支援するツール群です。回路図の解析、PCBレイアウトのレビュー、部品表(BOM)生成、データシート取得、部品の調達候補提示、基板製造向けの準備作業などを自動化し、設計チェックや製造前の確認を効率化します。ローカルのKiCadプロジェクトファイルを元に解析を行い、Web上のデータソース(例:Digi-Key等)と連携して情報を収集します。Claude Codeのエージェント機能に依存するため、実行環境にClaude Codeが必要です。

KiCadClaude CodeEDA
記事を読む
プラトーニング向け車線変更(Rear‑First Lane Change Protocol)
AI/ML

プラトーニング向け車線変更(Rear‑First Lane Change Protocol)

2026/3/9

本リポジトリは「Rear‑First Lane Change Protocol with Cooperative Perception for Safe Platooning」を実装するためのコードベースです。ROS2(Galactic)を中心に、NVIDIA Jetson Nano と OpenCR を組み合わせた Jetracer 環境で動作することを想定しており、カメラ(IMX219)と OpenCV(GPU/CUDA 有効)を用いた協調的知覚(Cooperative Perception)により、車列走行(プラトーニング)中の安全な車線変更を実現するためのアルゴリズムと制御ロジックを提供します。C++ で実装され、CMake と ROS2 ワークスペースでビルドする設計になっています。開発履歴やハードウェア構成、ソフトウェア要件も README にまとめられています(Jetpack 5.1.1 / Ubuntu 20.04 / OpenCV 4.4 / ROS2 Galactic)。

自動運転ROS2C++
記事を読む