- 博客(13)
- 收藏
- 关注
RSS订阅原创 七. 运动规划与任务规划
运动规划和任务规划同属机器人的研究热点，对于初学者来说，这两个概念比较容易混淆。运动规划，即motion planning（和路径规划即path planning做的事情也类似，因此有时可以看做一个东西），顾名思义，就是在给定的空间中找出一条可行的路线让机器人去执行。对于真的是“空”的空间（一点障碍物没有，这个事情是非常好办的，只要把开始点和结束点连起来，然后在中间插值就行了。而对于含有障碍物...
2018-09-22 14:53:04
5974
3
原创 六. 先有鸡还是先有蛋？--SLAM
在机器人发展早期，人们已经开始研究移动机器人的定位问题。按正常思维来说，机器人想要知道自己位置，或者从A点走到B点，需要先有一张地图，然后用算法在地图上先规划出路线，然后机器人再沿着规划出来的路线走。但问题来了，对于一个新环境，机器人就需要先构建一个地图，但构建地图的过程中，机器人又需要知道自己的位置，否则画出来的图可能跟现实差了十万八千里（当不闭环的时候）。为了解决这个问题，研究者们提出了一个一...
2018-09-22 14:19:17
1401
原创 五 跳个舞你就满足了吗？--机器人动力学
通过三四章的学习，我们已经可以操作机器人来改变他的关节角度了，也就是说，我们可以让机器人跳舞咯，只需要编排好关节角度，在一定周期给信号就OK啦～～～～～当然也可以赋予一个random值让它乱动哦～～～至于具体怎么实现，这个我打算留给读者自行研究。在此不展开说明（因为展开了真的可以很长。。）然而，但是。跳个舞你就满足了吗？这些关节之前到底隐藏着怎样的关系？比如说我想让一个机械臂去抓它面前的一个杯...
2018-03-04 17:32:33
658
2
原创 四 控制自己的机器人(在模拟器上面)
接下来我们要控制自己的小狗咯。为此我们要写一个控制器描述文件 toydog_control.yamltoydog: # Publish all joint states ----------------------------------- joint_state_controller: type...
2018-03-04 16:57:01
2137
原创 三 打造自己的机器人(在模拟器上面)
在这里我们将用到第二章安装的ROS，以及机器人仿真软件Gazebo来打造自己的机器人小狗，在这里先给出效果图～～比较先看到结果比较能提起读者兴趣～～ 至于如果有读者想做真正的机器人可以自行百度"ROS 制作 机器人"等关键词。不过实体机器人说白了还是那堆东西(几根铁加电机)，比较花功夫的在写嵌入式那边，如果读者碰巧是大一二学生，或者有大把大把的时间（零基础的话半年到一年）不妨试着自己做一个实体机器...
2018-03-04 12:19:53
1810
1
原创 二 机器人界的安卓 -- ROS
从本章开始，为了提高游戏体验，读者需要开始自己动手了（实践出真知~）接下来是你们需要面对的第一道坎---安装Linux系统，版本号14.04 或16.04在你成为一个合格的机器人科研工作者之前，你还会安装无数次Linux的，所以不要慌，该来的迟早会来。在继续往下读之前，请确保已经安装好linux系统，否则就算继续往下看也会索然无味。至于安装教程请自行百度（会自己解决问题才是研究最最重要...
2018-03-04 12:10:36
517
原创 一. 服务机器人现状
根据博主这些年来的观察及调研，还有在机器人公司的工作经验，从技术层面上我个人倾向把现在服务机器人分为三类。第一类是市场上可以见到的，第二类是虽然开始卖了然而还在实验室继续开发的， 第三类是还在实验室呆着的。第一类服务机器人广泛存在于国内的市场上，现在大众能接触到的基本属于这一类机器人，它们的特点可以简单概括为：一个平板电脑加一个遥控车底盘，为了要完成移动和壁障，一般还配备有激光传感器和摄像头(...
2018-03-01 20:09:07
1812
原创 机器人从零开始（科普向）
本文主要是对自己这些年来做机器人的一些总结和感悟，希望能对大家有所帮助。由于本文主要面对没有机器人基础的读者，对于大部分知识点会尽量做到通俗易懂。从五开始的每一部分都对应着机器人的一个研究领域，往下做了都够做到博士毕业哦。 目录：（暂定，如果能写完的话）一. 服务机器人现状二. 机器人界的安卓 -- ROS三. 打造自己的机器人(在模拟器上面)四. 控制自己的机器人(在...
2018-03-01 19:33:15
1207
转载 AI算法基础补完之多元正态分布
1.多元正态分布的概率密度函数 多元是指样本以多个变量来描述，或具有多个属性，在此一般用d维特征向量表示，X＝[x1，…，xd]T。d维特征向量的正态分布用下式表示 (2-32) 其中μ是X的均值向量，也是d维， μ＝E{X}＝[μ1，μ2，…，μd]T (2-33) Σ是d×d维协方差矩阵，而Σ－1是Σ的逆矩阵，|Σ|是Σ的行列式 Σ＝E{(X－μ)(X－μ)
2015-01-23 08:36:39
1228
原创 AI算法基础补完之隐马尔科夫模型(HMM)（一）
献给和我一样苦苦挣扎的数学渣们，以下是我在查阅网上资料时总结的，懒得一一标明出处了基础摘要: 尽量详细推导马尔科夫链：根据其无后效性有 P(x_n|x_{n-1},...,x_1)=P(x_n|x_{n-1}) P(x_n,x_{n-1},...,x_1)=P(x_1)P(x_2|x_1)P(x_3|x_2,x_1)...P(x_n|x_
2015-01-18 11:44:07
855
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人