【自主探索综述】极端环境中 SLAM 的现状和未来：DARPA SubT 挑战

于 2024-10-09 20:57:40 发布
阅读量1k 收藏 11
点赞数 14
分类专栏： 论文阅读 自主探索 文章标签： 机器人
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sjj200108/article/details/142783094
版权

(TRO 2024)Present and Future of SLAM in Extreme Environments: The DARPA SubT Challenge
在这里插入图片描述

摘要

本文通过讨论参加为期三年的 SubT 比赛的六个团队的不同 SLAM 策略和结果，报告了 Underground SLAM 的最新技术。特别是，本文有四个主要目标。1）回顾团队采用的算法、架构和系统；特别强调以光探测和测距 (LIDAR) 为中心的 SLAM 解决方案（几乎所有参赛队伍的首选方法）、异构多机器人操作（包括空中和地面机器人）以及现实世界的地下操作（从模糊因素的存在到需要处理严格的计算约束）。文章并不回避讨论不同 SubT SLAM 系统背后的“肮脏细节”，这些细节经常在技术论文中被省略。2）通过强调当前 SLAM 系统的可能性以及作者认为通过一些良好的系统工程可以实现的目标来讨论该领域的成熟度。3）概述了作者认为是根本性的未决问题

引言

地下环境定位与建图的挑战

1）无法访问绝对定位源（如GPS）
2）很少能使用先前的环境地图
3）光照条件差使得部署视觉和视觉-惯性 SLAM 解决方案具有挑战性（虽然照明不足可以通过机载光源来部分补偿，但产生的照明要么微弱，要么产生镜面反射，干扰视觉特征跟踪
4）可能存在的浓密遮挡物（例如雾、旋转尘埃云和烟雾）对激光雷达的使用提出了挑战，而在崎岖地形上使用快速移动平台会由于激进的 6-DoF 导致惯性传感器产生噪声运动和高频振动。
5）在算法层面，缺乏感知特征的环境，例如长走廊和大开放空间，可能会导致激光雷达里程计方法失败。
6）自相似区域的存在可能会导致闭环检测方法出现误报；
7）即使没有感知混叠，环路闭合在长隧道系统中也可能很少发生，从而导致定位错误增加。

相关综述

提到了一些关于多机器人系统的综述
1） [16]调查多机器人应用的分布式优化算法。帕克等人。T. Halsted, O. Shorinwa, J. Yu, and M. Schwager, “A survey of distributed optimization methods for multi-robot systems,” 2021, arXiv:2103.12840.
2）[17] 研究多机器人 SLAM 架构，重点关注通信问题及其对多机器人团队的影响。L. E. Parker, D. Rus, and G. S. Sukhatme, “Multiple mobile robot systems,” in Springer Handbook of Robotics. Berlin, Germany: Springer, 2016, pp. 1335–1379.
3）[18]提供了协作 SLAM 的文献综述，重点关注鲁棒性、通信和资源管理。P. Y. Lajoie, B. Ramtoula, F. Wu, and G. Beltrame, “Towards collaborative simultaneous localization and mapping: A survey of the current research landscape,” 2021, arXiv:2108.08325.
4）[19]回顾了使多机器人系统对环境不确定性、故障和对抗性攻击具有鲁棒性的算法开发。 L. Zhou and P. Tokekar, “Multi-robot coordination and planning in uncertain and adversarial environments,” 2021, arXiv:2108.08325.

关于地下SLAM的前沿技术

单机器人和多机器人 SLAM 系统剖析

SLAM架构被典型的分为两种：1）前端 2）后端
前端：①基于激光雷达的SLAM前端通过从连续的激光雷达扫描中提取和配准显著特征，将这些扫描数据转换为里程计估计值，用来确定机器人在环境中的相对位置和方向变化。（CERBERUS/Explorer） ②基于激光雷达的SLAM前端通过使用迭代最近点算法（ICP）或其变体，对激光雷达扫描生成的点云或表面单元进行密集配准，以估计机器人在环境中的相对运动。这种方法依赖于对齐连续的点云数据，从而推算出机器人从一个位置到另一个位置的位移和旋转。（CoSTAR/CSIRO/CTU-CRAS-Norlab/MARBLE）
后端：关于后端松耦合/紧耦合等描述（略过）
多机器人系统：多机器人 SLAM 架构可以是集中式、分散式或分布式的。集中式：基站从所有机器人收集数据，然后计算整个团队的最佳轨迹和地图估计。分散式：每个机器人都被视为一个基站，收集来自其他机器人的所有数据并执行轨迹的联合估计和整个团队的全局地图。分布式：每个机器人仅与其邻居交换部分信息，并且仅依靠分布式机器人间闭环检测和分布式优化协议来估计自己的地图。

ROS笔记（25） 自主探索SLAM
氢键H-H
08-23 1万+
自主探索SLAM、通过rviz探索、提前设置目标、实现自主探索
视觉SLAM入门 -- 学习笔记 - Part 1
～勿据散客～的博客
10-13 1103
熟悉Linux 1. 如何在Ubuntu 中安装软件（命令⾏界⾯）？它们通常被安装在什么地⽅？ 软件安装命令行： ubuntu下安装软件有四种方式: 1.通过deb格式的离线软件包安装 sudo dpkg -i xxx.deb # 安装包,安装程序 -i: install sudo dpkg -r package # 删除包 -r: remove 此方法的默认安装目录为: /opt 2.通过apt-get包管理器从软件源中在线安装(最常用的方式) sudo apt-get install 软件
SLAM综述阅读笔记一：Past, Present, and Future of Simultaneous Localization And Mapping（2016）
light169的专栏
07-08 3004
Past, Present, and Future of SimultaneousLocalization And Mapping: Towards theRobust-Perception Age
subt：该目录包含用于DARPA SubT Challenge的虚拟跟踪的软件。 在此存储库中，您会找到Gazebo模拟资产，ROS接口，支持脚本和插件以及在SubT虚拟挑战赛中竞争所需的文档
02-11
DARPA SubT虚拟竞赛软件 请访问获取更多信息
ROS机器人系列竞赛之地下挑战赛 The DARPA Subterranean (SubT) Challenge Competition
zhangrelay的专栏
03-29 4592
这个挑战赛有完整的教程： github.com/osrf/subt_hello_world 谷歌翻译截图如下： 仿真是基础，仿真不过瘾的话嘛，真实场景更加酷炫！！！ 参考：www.openrobotics.org/blog/2021/9/27/darpa-subt-final-competition 入口 洞穴实景 场景一应俱全啊，全景图如下： 主角，酷炫的机器人！ DARPA SubT 总决赛（谷歌翻译） DARPA 地下 (SubT)...
美国防部DARPA发起地下空间挑战赛提供3百万美元巨奖
我爱计算机视觉
09-19 949
(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)地下环境越来越与全球安全相关，不断增长的人口和城市化要求军事和民用急救人员在人造隧道、地下城市空间和天然地下洞穴网络中履行...
章国锋：黑暗中的前行--复杂环境下的鲁棒SfM与SLAM | VALSE2017之十五
深度学习大讲堂
11-01 3009
点击上方“深度学习大讲堂”可订阅哦！编者按：无人系统在未知环境中的移动，恰如人在黑暗中前行，是一个不断通过传感器对周围世界进行摸索感知的过程。这种感知不仅会受到外部环境、气候条件、光照变化的影响，还会受到自身的运动模式、硬件条件等的限制。因而，如何在复杂环境下，仍能保证方位定位与三维重建的精度，已经成为学术界及工业界亟待解决的问题。在本文中，来自浙江大学的章国锋副教授将为大家讲述，如何在复杂环境下
ICLR 2023 | DIM-SLAM：首个实现神经隐式稠密重建的RGB-SLAM
阿木寺的博客
02-25 1350
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【SLAM】微信技术交流群Paper: Dense RGB SLAM With Neural Implicit Maps作者：Heng Li, Xiaodong Gu, Weihao Yuan, Luwei Yang, Ping Tan单位：HKUST，Alibaba，SFU主页：https://poptree....
subt_hello_world：DARPA SubT挑战赛的Hello World
01-30
该存储库包含一组有关DARPA SubT虚拟测试平台的快速入门世界教程。 这些教程将引导您完成为模拟机器人开发软件堆栈的完整过程。 请参考以下资源以获得更多信息和帮助： 当前教程 官方SubT资源 。 是报道SubT ...
机器人学同步定位与地图构建(SLAM)技术详解：环境感知与自主导航中的挑战及解决方案
最新发布
04-08
SLAM旨在机器人在未知环境中移动时，通过传感器数据构建环境地图并同时确定自身位置。文章首先概述了导航的核心问题，包括定位、规划和探索。接着详细描述了SLAM问题的输入输出，强调了地图和姿态估计的重要性。文中...
【有啥问啥】探索扫地机器人中的 SLAM 算法：原理、实现与未来展望
Chauvin的博客
09-11 3403
SLAM 是解决机器人在未知环境中边构建地图边确定自己位置的核心问题。定位（Localization）：通过传感器，机器人在未知地图中确定自己当前的具体位置。建图（Mapping）：实时绘制并更新周围环境的地图。对扫地机器人来说，SLAM 是实现高效清扫的关键，因为机器人需要知道哪些区域已经清扫，哪些区域仍待处理。SLAM 技术的成熟推动了扫地机器人等智能设备的广泛应用。在未来，随着算法和硬件的进步，SLAM 将进一步提升扫地机器人的自主性与智能化水平，推动智能家居的进一步发展。
基于多机器人协作的未知环境下路径探索研究
07-13
目录 摘要…………………………………………………………………………………………Ⅰ Abstract……………………………………………………………………………………Ⅲ 第1章绪论…………………………………………………………………………………1 1.1课题的背景和意义…………………………………………………………………1 1.2自主导航综述………………………………………………………………………2 1.2.1导航的概念……………………………………………………………………2 1.2.2导航的分类……………………………………………………………………2 1.2.3已知环境下的自主导航技术………………………………………………3 1.2.4未知环境下的自主导航技术………………………………………………8 1.3地图创建……………………………………………………………………………12 1.3.1几种常用的环境表示方法…………………………………………………12 1.3.2快速同时定位与地图生成(fastSLAM)……………………………………14 1.3.3基于视觉的同时定位与地图生成(vSLAM)……………………………16 1.3.4基于拓扑地图的同时定位与地图生成…………………………………18 1.4基于多机器人协作的路径探索综述…………………………………………19 1.4.1协作探索的定义………………………………………………………………19 1.4.2协作探索的国内外研究现状………………………………………………20 1.4.3协作探索中的关键问题……………………………………………………21 1.5本文的主要研究内容……………………………………………………………23 第2章基于速度空间寻优的局部避障方法………………………………………25 2.1引言…………………………………………………………………………………25 2.2速度空间寻优方法………………………………………………………………27 2.2.1曲率-速率法(CVM)…………………………………………………………27 2.2.2巷道-曲率法(LCM)…………………………………………………………28 2.2.3扇区-曲率法(BCM)…………………………………………………………29 2.3从笛卡儿空间到构型空间的转换……………………………………………30 2.4基于扇区分类的BCM改进……………………………………………………33 2.4.1扇区的形成与分类……………………………………………………………33 2.4.2最优扇区的选择………………………………………………………………34 -V-哈尔滨工业大学工学博士学位论文 2.5碰撞检测方法………………………………………………………………………36 2.5.1碰撞预测模型…………………………………………………………………36 2.5.2扩展卡尔曼滤波与速度估计………………………………………………37 2.5.3轨迹预测和碰撞检测方法…………………………………………………39 2.6基于BCM的局部避障实验结果及其分析…………………………………41 2.7本章小结……………………………………………………………………………43 第3章基于拓扑地图的单机器人路径探索………………………………………45 3.1引言…………………………………………………………………………………45 3.2拓扑地图的必要性……………………………………………………………45 3.2.1拓扑地图与逻辑定位…………………………………………………45 3.2.2拓扑地图创建需要解决的关键技术…………………………………47 3.3基于BCM的实时拓扑地图创建方法…………………………………………48 3.3.1新型拓扑地图的定义………………………………………………………48 3.3.2拓扑节点的检测………………………………………………………………49 3.3.3拓扑节点的定位………………………………………………………………50 3.4比例不变特征变换………………………………………………………………54 3.4.1特征提取………………………………………………………………………55 3.4.2特征匹配………………………………………………………………………57 3.5基于拓扑地图的定位算法………………………………………………………58 3.6拓扑地图与其他地图的性能比较实验………………………………………59 3.6.1导航效率对比实验……………………………………………………………59 3.6.2地图维护与更新性能比较…………………………………………………62 3.6.3 SIFT与实时导航的矛盾……………………………………………………63 3.7本章小结……………………………………………………………………………64 第4章基于拓扑地图的多机器人协作路径探索…………………………………65 4.1引言…………………………………………………………………………………65 4.2基于隐马尔可夫模型的节点定位……………………………………67 4.2.1贝叶斯滤波……………………………………………………………………67 4.2.2隐马尔可夫模型………………………………………………………………68 4.3协作策略的选择……………………………………………………………………70 4.3.1基于HMM的拓扑地图拼接………………………………………………71 4.3.2基于市场法的多任务分配…………………………………………………73 4.4基于扫描匹配的混合地图拼接…………………………………………………75 -VI-目录 4.4.1混合地图………………………………………………………………………76 4.4.2基于fastSLAM的栅格地图生成…………………………………………77 4.4.3基于足迹匹配的混合地图拼接……………………………………………81 4.5基于拓扑地图的多机器人协作探索实验……………………………………83 4.5.1地图拼接实验…………………………………………………………………83 4.5.2基于市场法的协作探索实验………………………………………………85 4.6本章小结……………………………………………………………………………88 第5章利用移动感知网提高路径探索效率………………………………………89 5.1引言…………………………………………………………………………………89 5.2移动感知网体系结构……………………………………………………………90 5.2.1总体结构………………………………………………………………………90 5.2.2传感器系统……………………………………………………………………91 5.3无线感知网的节点定位方法……………………………………………………92 5.3.1蒙特卡罗定位………………………………………………………………94 5.3.2基于MCL的节点定位……………………………………………………95 5.3.3基于混合蒙特卡罗Box的节点定位……………………………………96 5.3.4节点定位对比实验…………………………………………………………98 5.4基于移动感知网的多机器人协作路径探索………………………………100 5.4.1利用机器人部署无线感知网节点………………………………………100 5.4.2利用无线感知网减轻无线通讯负担……………………………………101 5.5多机器人协作路径探索实验系统……………………………………………102 5.5.1硬件系统………………………………………………………………………102 5.5.2软件系统………………………………………………………………………103 5.6本章小结…………………………………………………………………………105 结论…………………………………………………………………………………………106 参考文献……………………………………………………………………………………108 攻读博士学位期间所发表的学术论文………………………………………………120 哈尔滨工业大学博士学位论文原创性声明…………………………………………121 哈尔滨工业大学博士学位论文使用授权书…………………………………………121 致谢…………………………………………………………………………………………122 个人简历……………………………………………………………………………………123 -VII-哈尔滨工业大学工学博士学位论文 Contents Abstract(In Chinese)………………………………………………………………………Ⅰ Abstract(In English)………………………………………………………………………Ⅲ Chapter 1 Introduction…………………………………………………………………1 1.1 The Background and Significance of the Research Work……………………1 1.2 Overview of Autonomous Navigation……………………………………………2 1.2.1 Defination of Navigation………………………………………………………2 1.2.2 Classification of Navigation…………………………………………………2 1.2.3 Autonomous Navigation Techniques in Known Environments…………3 1.2.4 Autonomous Navigation Techniques in Unknown Environments………8 1.3 Map Building………………………………………………………………………12 1.3.1 Several Existing Environment Representations…………………………12 1.3.2 Fast Simultaneous Localization and Mapping(fastSLAM)……………14 1.3.3 Vision-based Simultaneous Localization and Mapping(vSLAM)……16 1.3.4 Topological Map-based Simultaneous Localization and Mapping……18 1.4 Overview of Cooperative Path Exploration by Multi-robots………………19 1.4.1 Defination of Cooperative Exploration……………………………………19 1.4.2 State-of-the-art of Cooperative Exploration………………………………20 1.4.3 Critical Problems in Cooperative Exploration……………………………21 1.5 Main Work of Dissatation…………………………………………………………23 Chapter 2 Local Obstacle Avoidance based on Velocity Space Method………25 2.1 Introduction…………………………………………………………………………25 2.2 Velocity Space Method……………………………………………………………27 2.2.1 Curvature Velocity Method(CVM)…………………………………………27 2.2.2 Lane Curvature Method(LCM)……………………………………………28 2.2.3 Beam Curvature Method(BCM)……………………………………………29 2.3 Conversion from Cartesian Space to Configuration Space…………………30 2.4 Improvements on BCM based on Beam Classification………………………33 2.4.1 Formation and Classification of the Beams………………………………33 2.4.2 Selection of the Best Beam…………………………………………………34 -VIII-Contents 2.5 The Prediction Method of Collision……………………………………………36 2.5.1 The Prediction Model of Collision…………………………………………36 2.5.2 Extended Kalman Filter and Velocity Estimation………………………37 2.5.3 Trajectory Prediction and Collision Detection Method…………………39 2.6 The Experimental Result and Analysis of Local Obstacle Avoidance based on BCM……………………………………………………………………………………41 2.7 Summary……………………………………………………………………………43 Chapter 3 Topological Map-based Path Exploration by Single robot………45 3.1 Introduction…………………………………………………………………………45 3.2 Necessity of Topological Map……………………………………………………45 3.2.1 Topological Map and Logic Localization…………………………………45 3.2.2 Critical Techniques to be Resolved in Topological Map Construction 47 3.3 The Method of Realtime Topological Map Building based on BCM………48 3.3.1 The Defination of the Novel Topological Map……………………………48 3.3.2 Detection of the Topological Node…………………………………………49 3.3.3 Localization of the Topological Node………………………………………50 3.4 Scale-invariant Feature Transform………………………………………………54 3.4.1 Feature Extraction……………………………………………………………55 3.4.2 Feature Matching………………………………………………………………57 3.5 Localization based on Topological Map………………………………………58 3.6 Comparative Experiments of the Map Performance between the Topological Map and other Map Representations………………………………………………59 3.6.1 Comparative Experiments on Navigation Efficiency……………………59 3.6.2 Performance Comparison of Map Maintenance and Update……………62 3.6.3 Contradiction between SIFT and Realtime Navigation…………………63 3.7 Summary……………………………………………………………………………64 Chapter 4 Cooperative Path Exploration based on Topological Map by Multi- robot………………………………………………………………………………………65 4.1 Introduction…………………………………………………………………………65 4.2 Node Localization based on Hidden Markov Model(HMM)………………67 4.2.1 Bayes Filter……………………………………………………………………67 4.2.2 Hidden Markov Model………………………………………………………68 4.3 Selection of Coordination Strategy………………………………………………70 -IX-哈尔滨工业大学工学博士学位论文 4.3.1 Topological Map Merging based on HMM………………………………71 4.3.2 Multi-task Allocation based on Market Economy………………………73 4.4 Hybrid Map Merging based on Scan Matching………………………………75 4.4.1 Hybrid Map……………………………………………………………………76 4.4.2 Grid Map Building based on fastSLAM…………………………………77 4.4.3 Hybrid Map Merging based on Footprint Matching……………………81 4.5 Topological Map-based Experiment of Cooperative Path Exploration by Multi-robot………………………………………………………………………………83 4.5.1 The Experiment of Map Merging…………………………………………83 4.5.2 The Experiment of Cooperative Exploration based on Market Economy……………………………………………………………………………85 4.6 Summary……………………………………………………………………………88 Chapter 5 Improve the Efficiency of Path Exploration by Mobile Sensor Networks…………………………………………………………………………………89 5.1 Introduction…………………………………………………………………………89 5.2 Achitecture of Mobile Sensor Networks(MSN)………………………………90 5.2.1 Gross Structure…………………………………………………………………90 5.2.2 Sensor System…………………………………………………………………91 5.3 Node Localization of MSN………………………………………………………92 5.3.1 Monte Carlo Localization……………………………………………………94 5.3.2 Node Localization based on MCL…………………………………………95 5.3.3 Node Localization based on Mixture Monte Carlo Box…………………96 5.3.4 Comparative Experiments of Node Localization…………………………98 5.4 Cooperative Path Exploration by Multi-robot based on MSN……………100 5.4.1 Use Robots to Deploy the Node of MSN…………………………………100 5.4.2 Use MSN to Reduce the Burden of Wireless Communication………101 5.5 The System of Cooperative Path Exploration by Multi-robot…………102 5.5.1 Hardware System……………………………………………………………102 5.5.2 Software System……………………………………………………………103 5.6 Summary……………………………………………………………………………105 Conclusion…………………………………………………………………………………106 References…………………………………………………………………………………108 Papers published in the period of Ph.D.education……………………………120 -X-Contents Statement of copyright…………………………………………………………………121 Letter of authorization…………………………………………………………………121 Acknowledgment…………………………………………………………………………122 Resume………………………………………………………………………………………123
机器人领域顶刊TRO最受欢迎的TOP 50文章盘点
techflowai的博客
09-06 3222
机器人领域顶刊TRO最受欢迎的TOP 50文章盘点
slam的应用场景与落地步骤
weixin_43802726的博客
05-27 409
slam的落地场景难点通常有，弱光照或黑暗场景，对于这种场景基于特征点法的方法失效，开阔地带或广场，对于这种场景2d 3d激光方法失效因为其传感器有极限距离，高低起伏地面场景2d激光失效无法扫描不同的平面，室内与室外场景，室内适合2d，室外适合惯性导航和uwb导航，传感器硬件成本3d多线激光雷达成本太高，相比之下面阵tof具有优势，软件部署成本(包括算力，算法成熟度，可移植性)，大多开源算法都比较成熟，算法应用范围等。每个场景有其适用的开源算法。常用的slam有2d 3d，激光和视觉slam。
Active Mapping and Robot Exploration: A Survey 主动建图与机器人探索：综述
nicheng123lala的博客
07-13 1827
Active Mapping and Robot Exploration: A Survey 主动建图与机器人探索：综述摘要关键词1. 简介2. 历史回顾3. ASLAM问题3.1 位姿识别 Pose Identification3.2 优化目标选择3.3 导航与检查4. 优化对象4.1 位姿优化方法4.2 轨迹优化5. 位置重访6. 数据维度与计算成本7. ASLAM算法总结8. 发展展望9. 总结附录A：世界表示 主动建图与机器人探索：综述) 标题：Active Mapping and Robot Ex
[概述]移动机器人自主探索
weixin_34364135的博客
04-18 2051
　　Autonomous Exploration自主探索 　　移动机器人自主探索最主要的任务是确定机器人下一步的期望运动位置，最终实现全局范围内以最短无碰撞路径获取最多未知正确环境信息。 　　Autonomous Navigation自主导航 　　自主导航和自主探索都涉及两个问题：一个是自身定位和环境地图构建（SLAM），一个是路径规划（Path Planing）。后者包括全局路径规划和局部...
强度信息SLAM调研
TheRun的博客
03-14 1599
目标应用场景是具体是通过对强度图像提取orb特征点再2D转3D投影优化获取位姿。代码参考：https://zhuanlan.zhihu.com/p/527529896实验部分测试了几何退化场景：室内环境中，有长走廊和狭窄的通道，在山区环境中，我们有陡峭的坡和狭窄的通道，在街道环境中，有许多障碍和许多转弯，这些情况对于纯激光雷达SLAM来说都很困难。使用强度信息转强度图，对强度图进行超级点提取，利用稀疏的特征点进行里程计估计。
雨天和隧道这种恶劣环境下的SLAM怎么搞？
计算机视觉工坊
09-20 1230
基于GPS的车辆定位和跟踪受到不稳定位置信息的影响，这种情况在隧道路段和人口密集的城市区域中普遍存在。此外，视觉里程计(VO)和视觉惯性里程计(VIO)都容易受到不利天气条件的影响，从而导致视觉输入的遮挡或模糊。在本文中，我们提出了一种新的车辆定位方法，该方法使用基于街道网络的地图信息来校正漂移的里程计估计和间歇的GPS测量，特别是在恶劣的场景中，例如在雨中和隧道中驾驶。具体来说，我们的方法是一种灵活的融合算法，它将间歇性GPS、漂移IMU和VO估计与2D地图信息集成在一起，用于鲁棒的车辆定位和跟踪。
Gazebo烧脑系列：挑战赛
zhangrelay的专栏
12-22 2444
假期终于到了。对于许多人来说，这意味着下班后可以吃点东西，玩游戏和家人一起闲逛以及从事个人项目。如果想在这个假期里找到一些有趣的事情，提高ROS技能，甚至可能赚到几美元，那么使用ROS的比赛现在很多。最好的部分是，无需订购大量零件或在组装机器人的工作台上花费数小时，就可以在Gazebo中进行所有操作。 DARPA地下挑战赛（SubT） 链接：DARPA地下挑战赛（SubT...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值