- 博客(68)
- 资源 (8)
- 收藏
- 关注
RSS订阅
原创 Learning a Decentralized Multi-arm Motion Planner基于强化学习的多机械臂运动规划算法
Abstract我们提出了一种闭环多臂运动规划器，该规划器具有可扩展性和灵活性。传统的多臂机器人系统依赖于集中的运动规划算法，其运行时间往往随机器人数量呈指数级增长，因此，无法用开环控制来处理动态环境。在本文中，我们利用多智能体强化学习来解决这一问题。在多臂系统中，通过观察机器人的工作空间状态和目标末端执行器姿态，训练一种分散策略来控制其达到目标末端执行器姿态。该策略是使用软演员评论家和来自基于采样的运动规划算法(即BiRRT)的专家演示来训练的。利用经典的规划算法，我们可以提高强化学习算法的学习效率，.
2020-12-25 21:57:51
1856
1
原创 Learning to Rearrange Deformable Cables, Fabrics, and Bags with Goal-Conditioned Transporter Network
排列和操作可变形的物体，如电缆、织物和包袋是一项长期的挑战。在机器人操纵中，可变形体的复杂动力学和高维构型空间，相比于刚性物体，不仅使得多步骤的操作变得困难，甚至目标的规范也变得困难。柔性目标不能像刚性物体那样容易指定姿态，并可能涉及复杂的相对的空间关系，如 “把物品放在袋子里”。 在本项目中，我们开发了一套使用1D、2D和3D柔性物体的模拟基准，包括涉及基于图像的目标状态调节和多步骤可变形操作的任务。我们提出将目标状态嵌入到Transporter网络中，这是一个最近提出的用于学习机器人操作的模型架构，它.
2020-12-25 19:20:27
446
2
原创 Paper Reading——MoreFusion: Multi-object Reasoning for 6D Pose Estimation from Volume基于体素融合的多目标6D位姿估计
摘要机器人和其他智能设备需要从视觉系统中获得高效的基于目标对象的场景表示，以进行接触、遮挡等物理特性的推理。已知的精确目标模型在未知结构的非参数化重建中起着十分重要的作用。我们提出了一个系统，该系统可以实时估计多视角场景中接触和遮挡的多个已知对象的精确位姿。我们的方法从单个RGB-D视图中估计3D对象位姿，当相机移动时，积累来自多个视图的位姿估计和非参数占用信息，并执行联合优化以对接触的多个接触目标进行一致非交叉的位姿估计。我们在富有挑战性的YCB-Video数据集上通过实验验证了我们方法的准确性和鲁棒性
2020-11-22 00:13:55
1032
原创 V-REP（ CoppeliaSim）仿真环境界面初识
因课题需要用到V-REP做机械臂仿真，实验室没有师兄师姐做过vrep相关的仿真实验，没有相关基础，很多东西要从零学起，故打算开个专栏记录一下学习历程和使用心得。下载与安装下载地址为：https://www.coppeliarobotics.com/downloads link选择教育版本（免费）下载。下载完成后，安装包如下第一次运行V-REP在终端运行命令./coppeliaSim.sh软件打开后界面如下用户交互界面比较简洁，易于操作，想要深入了解请参考用户手册：http://
2020-11-21 00:16:34
1169
原创 基于深度学习的目标检测论文综述Paper Reading:A Survey of Deep Learning-based Object Detection
AbstractIntroduction of classical target detection algorithm and data setAnalysis and comparison, various target detection algorithms, including one-stage and two-stageIntroduction of traditional and new applications, as well as some other branches of.
2020-11-19 00:03:49
730
原创 系统辨识 广义最小二乘递推算法 matlab仿真实验
广义最小二乘递推 matlab实现A. The selected modelB. Identification algorithm usedC.Matlab codeD.The simulation imageE. Make a table to compare the estimation of parameters with the truth valueF. ConclusionA. The selected modelIn this experiment, the specific m
2020-11-18 00:18:07
3187
1
原创 系统辨识 递推最小二乘辨识 matlab仿真实验
A. The selected modelThe system model：B. Identification algorithm used1.Recursive least squares identification. 2.Recursive least square identification with forgetting factor： Take the forgetting factorclear allclose allclca=[1 -1.3 0.5]';b=[0.8 0
2020-11-18 00:17:36
6717
2
原创 关于nvidia-smi和nvcc -V显示的cuda版本不一致的问题
问题之前就发现，nvidia-smi 中的CUDA 版本与 nvcc不一致，nvidia-smi的结果显示CUDA版本是11.0，而从nvcc-V命令来看，却是CUDA 10.0。但是跑代码也没啥问题，就没有管了。今天，心血来潮，想探究下原因。分析其实是因为CUDA 有两种API，分别是 运行时 API 和 驱动API，即所谓的 Runtime API 与 Driver API。nvidia-smi 的结果除了有 GPU 驱动版本型号，还有 CUDA Driver API的型号，这里是 11.0
2021-01-07 16:43:09
11060
7
原创 ssh远程服务 服务端（Ubuntu ）安装配置与客户端（Windows）的使用
1. 关于sshSSH 为 Secure Shell 的缩写，由 IETF 的网络小组（Network Working Group）所制定；SSH 为建立在应用层基础上的安全协议。SSH 是较可靠，专为远程登录会话和其他网络服务提供安全性的协议。利用 SSH 协议可以有效防止远程管理过程中的信息泄露问题。SSH最初是UNIX系统上的一个程序，后来又迅速扩展到其他操作平台。SSH在正确使用时可弥补网络中的漏洞。SSH客户端适用于多种平台。几乎所有UNIX平台—包括HP-UX、Linux、AIX、Solari
2021-01-07 16:33:59
548
转载 QT-Opt: Scalable Deep Reinforcement Learning for Vision-Based Robotic Manipulation
在机器人交互的典型问题机器人抓取任务中，传统方法通常采用单向执行模式，而不会对抓取结果进行反馈。而在本文介绍的获得 CoRL 2018 最佳系统论文奖的研究 QT-Opt 中，来自伯克利和谷歌大脑的研究者提出了视觉闭环形式的机器人抓取方法，能通过自监督进行反馈来修正抓取动作，这其实和人类抓取物体的方式很相似。第一下没抓到？没关系，挪挪手指就好；东西堆在一起抓不到？没关系，一巴掌打散再说。此外，该方法还有设置简单、抗干扰、泛化性强的优点。Jeff Dean 也推荐了这篇论文，赞叹道「We are start.
2020-12-26 10:10:50
983
1
原创 conda环境的复制与安装（生成.yaml文件）
conda导出已有环境，环境会被保存在environment.yaml文件中。conda env export > environment.yaml当我们想再次创建该环境，或根据别人提供的.yaml文件复现环境时，就可以通过下面的命令来复现安装环境了。conda env create -f environment.yaml注：.yaml文件移植过来的环境只是安装了你原来环境里用conda install等命令直接安装的包，你用pip之类装的东西没有移植过来，需要你重新安装。...
2020-12-03 22:22:30
16417
1
转载 Paper Reading：Data-efficient Deep Reinforcement Learning for Dexterous Manipulation
DeepMind 升级深度强化学习，仅10小时训练16个机器人灵活操纵物体DeepMind 研究人员改进深度确定策略梯度算法，在虚拟环境中训练机械臂叠协同完成堆叠积木的任务，每架机械臂的结果都被用于改进核心算法，10个小时训练好 16 台机器人。研究人员表示，他们的方法可以很快就能用于训练真实世界机器人完成精确堆叠的任务。让机器人相互学习一个最简单的方法就是将所有关于成功和失败的经验都汇总到一起。去年，谷歌大脑展示了他们的协作机械臂研究项目——：一台机械臂学会的东西，可以在所有机械臂之间共享，这样所有的
2020-11-29 15:42:04
319
转载 LearningHand-Eye Coordination for Robotic Grasping with Deep Learning and Large-ScaleData Collection
DeepMind 物体抓取文章的出发点就是一个，看看收集巨量数据能否训练出不错的效果。于是他们构建了个很大的神经网络来训练，但是没有使用RL，而使用CEM。输入当前帧和初始帧，然后输入Motor Command，输出则是捡取物体的成功概率。这个和一般的做法很不一样，一般policy是输出动作。而这个则是输出成功概率，某种程度上讲，这是一个value network而不是policy network。我想可能的一个原因是做这个实验的时候A3C还没出来，当时还是DQN的时代，要不然就用A3C呀。事实上之
2020-11-28 15:29:23
715
转载 强化学习——从Q-Learning到DQN
1 学习目标复习Q-Learning；理解什么是值函数近似（Function Approximation）；理解什么是DQN，弄清它和Q-Learning的区别是什么。2 用Q-Learning解决经典迷宫问题现有一个5房间的房子，如图1所示，房间与房间之间通过门连接，编号0到4,5号是房子外边，即我们的终点。我们将agent随机放在任一房间内，每打开一个房门返回一个reward。图2为房间之间的抽象关系图，箭头表示agent可以从该房间转移到与之相连的房间，箭头上的数字代表rew
2020-11-27 00:06:54
986
原创 Paper Reading——Grasp Pose Detection in Point Clouds
近年来，许多抓取检测方法被提出，可以直接从传感器数据定位机器人抓取配置，而不需要估计目标的姿态。其基本思想是将抓知觉类比于计算机视觉中的目标检测。这些方法以有噪声和部分遮挡的RGBD图像或点云作为输入，生成可行的抓取的输出位姿估计值，而不需要假设已知的对象CAD模型。虽然这些方法能很好地把掌握的知识推广到新的对象上，但还没有被证明具有足够的可靠性，可以广泛应用。许多抓取检测方法实现了75%到95%的抓取成功率(抓取成功率是抓取尝试总数的一部分)，对于孤立或在光杂波中出现的新对象。这些成功率对于实际的抓握应用
2020-11-22 00:27:46
716
转载 机械臂末端夹爪
就像机械臂，模仿的是人类的手臂，本文介绍的末端夹爪模仿的是人类灵巧的手，机械臂+末端夹爪才完整构成了人类手臂。工业机器人的夹爪，也称为末端执行器，它是装在工业机器人手臂上直接抓握工件或执行作业的部件，具有夹持、运输、放置工件到某一个位置的功能。末端夹爪种类繁多从形态上来看，夹爪可以是像人手那样具有手指，比如三指、五指产品，也可以是不具备手指的手掌，比如平行两指夹子；可以是类人的抓手，也可以是进行专业作业的工具，例如装在机器人手腕上的喷漆枪、焊接工具等。从驱动方式来说，又可以分为液压驱动、气压驱动及
2020-11-22 00:26:01
5283
1
转载 梳理 | 机器人学习（Robot Learning）的发展
机器人学习这个话题上，在这个领域做出最重要贡献的是加州伯克利大学的Pieter Abbeel和Sergey Levine团队，几乎可以说他们以一个团队之力开拓了机器人学习这个领域。 梳理一下机器人学习这两年发展过程中出现的一些有影响力的paper。Robot Learning就是面对Robot这种实体机器人本身。Robot Learning想要解决的核心问题是让机器人能够自己学会执行各种决策控制任务，比如叠衣服，拿东西，开门之类的问题。对于这类问题，更多的需要对机器人进行底层的连续控制，而不是最顶层的决策
2020-11-22 00:24:25
1358
转载 关于机器人、机械臂的那些事
为什么现在市面上市场占有率高的协作机器人厂商都不是做工业机器人起家的？https://www.zhihu.com/question/376604929/answer/1071769051姿态估计问题就是确定某一三维目标物体的方位指向问题
2020-11-22 00:23:35
218
转载 凸优化
0.定义凸优化问题（OPT，convex optimization problem）指定义在凸集中的凸函数最优化的问题。 虽然条件苛刻，但应用广泛，具有重要价值，主要体现在：凸优化本身具有很好的性质一来，凸问题的局部最优解就是全局最优解。二来，凸优化理论中的Lagrange对偶，为凸优化算法的最优性与有效性提供了保证。近些年来关于凸问题的研究非常透彻，以至于只要把某一问题抽象为凸问题，就可以近似认为这个问题已经解决了。凸优化具有很强扩展性对于非凸问题，通过一定的手段，要么可以等价地化归为凸问题，要
2020-11-22 00:21:44
4156
转载 实例分割模型Mask R-CNN详解：从R-CNN，Fast R-CNN，Faster R-CNN再到Mask R-CNN
Mask R-CNN是ICCV 2017的best paper，彰显了机器学习计算机视觉领域在2017年的最新成果。在机器学习2017年的最新发展中，单任务的网络结构已经逐渐不再引人瞩目，取而代之的是集成，复杂，一石多鸟的多任务网络模型。Mask R-CNN就是典型的代表。本篇大作的一作是何凯明，在该篇论文发表的时候，何凯明已经去了FaceBook。我们先来看一下，Mask R-CNN取得了何等的成果。在实例分割Mask R-CNN框架中，还是主要完成了三件事情：目标检测，直接在结果图上绘制了目标框
2020-11-22 00:15:49
542
1
原创 （Dex-Net4.0）Learning ambidextrous robot grasping policies
这里写自定义目录标题欢迎使用Markdown编辑器摘要INTRODUCTIONRESULTS双手灵巧的机器人抓取合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器
2020-11-21 01:04:12
1429
原创 F-PointNet: 以二维图像驱动三维点云中的物体检测
f-pointnets基于RGB图像+深度信息使用pointnet和pointnet++的结构做了目标检测。使用到2D RGB图像的原因是当时基于纯3D点云数据的3D目标检测对小目标检测效果不佳，所以f-pointnets先基于2D RGB做2D的目标检测来定位目标，再基于2d目标检测结果用其对应的点云数据视锥进行bbox回归的方法来实现3D目标检测。使用纯3D的点云数据，计算量也会特别大，效率也是这个方法的优点之一。使用成熟的2D CNN目标检测器（Mask RCNN）生成2D检测框，并输出one-h
2020-11-21 01:01:15
1434
原创 基于深度学习的目标检测论文综述Paper Reading:A Survey of Deep Learning-based Object Detection（中文）
摘要介绍了文章的大致思路和结构：1.介绍，经典的目标检测算法，数据集2.分析比对，各种目标检测算法，包括一阶段和两阶段的3.介绍，传统和新的应用，以及一些目标检测的其他分支4.讨论，用目前这些算法来构建有效的系统，目标检测算法未来的发展方向背景介绍目标检测即找出图像中所有感兴趣的物体，包含物体定位和物体分类两个子任务，同时确定物体的类别和位置。传统目标检测的方法一般分为三个阶段:1.在给定的图像上选择一些候选的区域，2.对这些区域提取特征，3.使用训练的分类器进行分类。（1）区域选择
2020-11-21 01:00:07
1249
1
原创 Using Geometry to Detect Grasp Poses in 3D Point Clouds
ICRA 2015中的一篇论文，利用SVM分类器，直接对3D点云进行训练，判断其可抓取方向：效果并不是特别好，需要较为完整的点云，同时训练库对结果影响也很大。
2020-11-21 00:59:06
814
原创 Recovering 6d object pose and predicting next-best-view in the crowd
Doumanoglou, Andreas, et al. “Recovering 6d object pose and predicting next-best-view in the crowd.” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016.工作大概是这样的：对于一个物体，取很多小块RGB-D数据；每小块有一个坐标（相对于物体坐标系）；然后，首先用一个自编码器对数据进行降维；
2020-11-21 00:58:31
741
原创 High precision grasp pose detection in dense clutter
这篇论文采用卷积神经网络训练一小片点云的可抓取性。上图按顺序依次是：彩色图片、点云图片、随机生成的抓取姿态、CNN判断可行的抓取姿态。
2020-11-21 00:57:56
875
原创 Paper Reading:A Survey of Deep Learning-based Object Detection
摘要介绍了文章的大致思路和结构：1.介绍，经典的目标检测算法，数据集2.分析比对，各种目标检测算法，包括一阶段和两阶段的3.介绍，传统和新的应用，以及一些目标检测的其他分支4.讨论，用目前这些算法来构建有效的系统，目标检测算法未来的发展方向相关背景目标检测即找出图像中所有感兴趣的物体，包含物体定位和物体分类两个子任务，同时确定物体的类别和位置。传统目标检测的方法一般分为三个阶段:1.在给定的图像上选择一些候选的区域，2.对这些区域提取特征，3.使用训练的分类器进行分类。（1）区域选择
2020-11-21 00:56:50
838
原创 基于深度神经网络LSTM的股票指数及趋势预测
链接知乎：https://zhuanlan.zhihu.com/p/255139924Github:https://github.com/hellobilllee/lstm_stock_price_prediction
2020-11-21 00:18:02
1159
原创 转载大佬链接——基于视觉的机器人（机械臂）抓取论文（代码开源的有标注链接）汇总 vision-based-robotic-grasping
抓取论文汇总，作者总结得很全面，也一直在更新。地址：https://github.com/GeorgeDu/vision-based-robotic-grasping以下是目录
2020-11-21 00:17:30
1429
原创 Windows下设置护眼模式
1、鼠标右键点击【开始】菜单按钮选择【运行】。2、输入regedit 点击【确定】。3、展开注册表路径至：HKEY_CURRENT_USER\Control Panel，点击【Colors】文件夹。4、在右侧找到 Window，鼠标右击【Window】选择【修改】。5、将数值数据改为【202 234 206】点击【确定】。6、重启电脑，设置生效！...
2020-11-19 00:07:13
585
原创 C++ ifstream open 读取txt文件出现中文乱码的解决方法
由于编解码的问题，txt读写会出现中文乱码，打开txt文件，点另存为，可看到编码方式有：编码方式为UTF-8时，会出现中文乱码。将编码方式换为ANSI时，问题解决。
2020-11-19 00:03:10
4498
3
转载 C++的面向对象和泛型编程思想——STL(标准模板库)常用容器之list容器
list容器3.7.1 list基本概念3.7.2 list构造函数3.7.3 list 赋值和交换3.7.4 list 大小操作3.7.5 list 插入和删除3.7.6 list 数据存取3.7.7 list 反转和排序3.7.8 排序案例3.7.1 list基本概念**功能：**将数据进行链式存储链表（list）是一种物理存储单元上非连续的存储结构，数据元素的逻辑顺序是通过链表中的指针链接实现的链表的组成：链表由一系列结点组成结点的组成：一个是存储数据元素的数据域，另一个是存储下一个结点地
2020-11-19 00:02:43
148
原创 C++编程思想之泛型编程——模板（C++学习记录）
1.1 模板的概念模板就是建立通用的模具，大大提高复用性例如生活中的模板一寸照片模板：PPT模板：模板的特点：模板不可以直接使用，它只是一个框架模板的通用并不是万能的1.2 函数模板C++另一种编程思想称为 泛型编程 ，主要利用的技术就是模板C++提供两种模板机制:函数模板和类模板1.2.1 函数模板语法函数模板作用：建立一个通用函数，其函数返回值类型和形参类型可以不具体制定，用一个虚拟的类型来代表。语法：template<typename T>函
2020-11-19 00:02:27
210
1
原创 STL- 常用算法（C++学习记录）
STL- 常用算法5.1 常用遍历算法5.1.1 for_each5.1.2 transform5.2 常用查找算法5.2.1 find5.2.2 find_if5.2.3 adjacent_find5.2.4 binary_search5.2.5 count5.2.6 count_if概述:算法主要是由头文件<algorithm> <functional> <numeric>组成。<algorithm>是所有STL头文件中最大的一个，范围涉及到
2020-11-19 00:02:15
200
原创 STL- 函数对象(C++学习记录)
STL- 函数对象4.1 函数对象4.1.1 函数对象概念4.1.2 函数对象使用4.2 谓词4.2.1 谓词概念4.2.2 一元谓词4.2.3 二元谓词4.3 内建函数对象4.3.1 内建函数对象意义4.3.2 算术仿函数4.3.3 关系仿函数4.3.4 逻辑仿函数4.1 函数对象4.1.1 函数对象概念概念：重载函数调用操作符的类，其对象常称为函数对象函数对象使用重载的()时，行为类似函数调用，也叫仿函数本质：函数对象(仿函数)是一个类，不是一个函数4.1.2 函数对象使用特
2020-11-19 00:01:57
146
原创 C++ string、vector、map容器实战案例——员工分组
3.10.1 案例描述公司今天招聘了10个员工（ABCDEFGHIJ），10名员工进入公司之后，需要指派员工在那个部门工作员工信息有: 姓名 工资组成；部门分为：策划、美术、研发随机给10名员工分配部门和工资通过multimap进行信息的插入 key(部门编号) value(员工)分部门显示员工信息3.10.2 实现步骤创建10名员工，放到vector中遍历vector容器，取出每个员工，进行随机分组分组后，将员工部门编号作为key，具体员工作为value，放入到multimap
2020-11-19 00:01:36
261
原创 C++的面向对象和泛型编程思想——STL(标准模板库)常用容器之map/ multimap容器
map/ multimap容器3.9.1 map基本概念3.9.2 map构造和赋值3.9.3 map大小和交换3.9.4 map插入和删除3.9.5 map查找和统计3.9.6 map容器排序3.9.1 map基本概念简介：map中所有元素都是pairpair中第一个元素为key（键值），起到索引作用，第二个元素为value（实值）所有元素都会根据元素的键值自动排序本质：map/multimap属于关联式容器，底层结构是用二叉树实现。优点：可以根据key值快速找到value值
2020-11-19 00:00:58
120
原创 C++的面向对象和泛型编程思想——STL(标准模板库)常用容器之set/ multiset 容器
set/multiset 容器3.8.1 set基本概念3.8.2 set构造和赋值3.8.3 set大小和交换3.8.4 set插入和删除3.8.5 set查找和统计3.8.6 set和multiset区别3.8.7 pair对组创建3.8.8 set容器排序3.8.1 set基本概念简介：所有元素都会在插入时自动被排序本质：set/multiset属于关联式容器，底层结构是用二叉树实现。set和multiset区别：set不允许容器中有重复的元素multiset允许容器中有重复
2020-11-19 00:00:39
115
原创 C++的面向对象和泛型编程思想——STL(标准模板库)常用容器之stack、queue容器（栈与队列）
栈与队列3.5 stack 容器3.5.1 stack 基本概念3.5.2 stack 常用接口3.6 queue 容器3.6.1 queue 基本概念3.6.2 queue 常用接口3.5 stack 容器3.5.1 stack 基本概念概念：stack是一种先进后出(First In Last Out,FILO)的数据结构，它只有一个出口栈中只有顶端的元素才可以被外界使用，因此栈不允许有遍历行为栈中进入数据称为 — 入栈 push栈中弹出数据称为 — 出栈 pop生活中的栈：3
2020-11-18 00:20:38
124
原创 C++ string、vector、deque容器实战案例——评委打分
3.4.1 案例描述有5名选手：选手ABCDE，10个评委分别对每一名选手打分，去除最高分，去除评委中最低分，取平均分。3.4.2 实现步骤创建五名选手，放到vector中遍历vector容器，取出来每一个选手，执行for循环，可以把10个评分打分存到deque容器中sort算法对deque容器中分数排序，去除最高和最低分deque容器遍历一遍，累加总分获取平均分示例代码：#include<iostream>#include <vector>#include
2020-11-18 00:20:15
144
Solidwork入门教程与3D打印.rar
2020-11-21
商业环境论文.docx
2020-11-21
自控原理基础实验MATLAB上机实验
2020-11-20
机房预约系统（C++实现）
2020-11-18
基于STL的演讲比赛流程管理系统
2020-11-18
基于多态的职工管理系统（C++实现）
2020-11-18
通讯录管理系统（C++实现）
2020-11-18
数值分析matlab实现（含注释）
2020-11-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人