NavGround est un cadre de navigation complet piloté par l'IA qui fournit une planification de mouvement réactive, une évitement d'obstacles et une génération de trajectoires pour des robots à conduite différentielle et holonomiques en environnements 2D. Il intègre des représentations de cartes dynamiques et la fusion de capteurs pour détecter des obstacles statiques et mobiles, en appliquant des méthodes d'obstacles de vitesse pour calculer des vitesses sans collision respectant la cinématique et la dynamique du robot. La bibliothèque C++ légère offre une API modulaire avec support ROS, permettant une intégration transparente avec des systèmes SLAM, des planificateurs de trajectoires et des boucles de contrôle. La performance en temps réel et l'adaptabilité en ligne font de NavGround un outil adapté aux robots de service, véhicules autonomes et prototypes de recherche opérant dans des scénarios encombrés ou dynamiques. La structure de l'architecture extensible et les fonctions de coût personnalisables facilitent l'expérimentation rapide et l'optimisation des comportements de navigation.

ePH-MAPF fournit un pipeline efficace pour calculer des chemins sans collision pour des dizaines à des centaines d'agents sur des cartes basées sur une grille. Il utilise des heuristiques prioritaires, des techniques de recherche incrémentielle et des métriques de coût personnalisables (Manhattan, Euclidéenne) pour équilibrer rapidité et qualité de la solution. Les utilisateurs peuvent choisir parmi différentes fonctions heuristiques, intégrer la bibliothèque dans des systèmes robotiques Python, et benchmarker la performance sur des scénarios MAPF standards. Le code est modulaire et bien documenté, permettant aux chercheurs et développeurs de l’étendre pour des obstacles dynamiques ou des environnements spécialisés.