AI for Robotics
文章平均质量分 79
水沐森
大数据人生预测分析
展开
-
无人车技术基础——课程1:Localization Overview
本课程讲授人工智能的基本方法,包括概率推论、规划和搜索、定位、跟踪和控制,所有内容都以机器人技术为重点。 本课程是佐治亚理工学院CS硕士学位课程的一部分,更新后的课程包括一项最终项目:追捕一个试图逃跑的失控机器人。 CS 373 PROGRAMMING A ROBOTIC CAR Taught by Professor Sebastian Thrun 课程1:Localizati原创 2017-09-05 14:08:06 · 716 阅读 · 0 评论 -
无人车技术基础——课程2:Kalman Filters
1)简介 Stanford's Research Center:最新版的无人车,设备介绍:laser-range finder(激光测距仪),每秒进行10次distance scan,返回近一百万个数据点,这些是Kalman filter 的 input。车顶有相机,结合其他的相机组成 stereo camera system。车尾有GPS的天线,接受GPS信息辅助定位。车辆行驶时,不仅要知道附原创 2017-09-11 10:44:41 · 888 阅读 · 0 评论 -
无人车技术基础——课程3:Particle Filters
先简单总结下之前的方法:Histogram 和Kalman Filters 都是对位置的近似估计(approximately),前者是离散的容易理解,后者是线性的,对线性系统是准确的,而真实情况中,很多是非线性的。前者的内存需求是指数式增长,后者为多项式式增长,因为均值和协方差矩阵是多项式级别。modal就不说了,前uni后multi。Particle Filters是连续的,multimodal原创 2017-09-13 16:27:39 · 547 阅读 · 0 评论