- 博客(40)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 模仿学习-从入门到出门
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
2024-05-24 14:03:20
135
原创 robosuite导入自定义机器人
文件，复制一份，然后该个名字，并在。截止到此，该机器人配置文件可用了。从原有机器人中，随便找个机器人的。实现其他标准/非标准机器人的构建。的转变，后续操作之需要在。
2024-05-23 13:46:45
868
1
原创 Robosuit可视化表达
的耦合，实现添加物体的可视化表达与实际操作分离；该方法对算法及系统设计无有效作用。，这是因为新添加了一个物体，导致。创建物体，指定部分属性。输出维度不一致导致的。
2024-05-20 15:39:43
377
原创 ACT逻辑解析
动作分块的实现是非最优的：每k步生成一次观测值可能会导致机器人运动不平稳，为了提高运行的平稳性和避免观测与执行的分离，我们在每个步长都进行预测，这使得不同的动作块相互重叠，并且在给定的时间步长上会有比预测的动作更多的动作。我们注意到，与典型的平滑不同，在典型的平滑中，当前动作与相邻时间步长中的动作聚合，这会导致偏差，我们聚合了为同一时间步长预测的动作。具体来说，单步的策略对时间相关的混杂因素不友好，例如示教过程中的停顿，这些状态没有任何价值，但是是存在于时间序列中的。步的动作，并顺序执行。
2024-04-07 11:28:24
994
1
原创 机器人技能学习-构建自己的数据集并进行训练
若想训练自己的场景，数据集的重要性不做过多赘述，下面就基于robomimic和robosuite构建自己的数据集进行讲解，同时，也会附上train和run的流程，这样，就形成了闭环。
2024-01-12 16:29:12
1916
2
原创 机器人技能学习-robosuite-0-入门介绍
资料太少、资料太少、资料太少，重要的事说三边，想根据自己实际场景自定义下机器人，结果发现无路可走，鉴于缺少参考文献，现在这里记录下，主要内容为官网信息，如有不合适的地方，望留言结构很清晰，就是不会，以下是整体的框架图：仿真模型三要素要素数量解释备注机器人模型一个或多个包含夹具及机器人上的附属物物体模型0个或多个能操作的目标物Arena有且仅有一个机器人工作场景，包含桌子等组件作用备注Robots实际动作者Controls解析相关指令转换成低层次语言传给物理引擎。
2024-01-08 17:12:14
980
2
原创 机器人技能学习--数据集剖析
一切为了能自己构建属于自己的数据集，所以，从现有数据集剖析入手。目前，基于MimicGen官方提供的数据集，初始数据集有11组，其中，每组数据中，包含10个demo，每个demo的数据构成是一样的，只是轨迹和物体的姿态不一样。前10。
2024-01-03 21:33:03
1080
原创 MimicGen论文分析与资料汇总
破局利刃！英伟达合成数据新成果：为机器人造出“训练数据永动机”AI智能超越人类！5万个合成数据碾压人类示例，备咖啡动作超丝滑MimicGen：合成数据助力AI模仿学习MimicGen|从人类演示中生成大量合成机器人数据英偉達高級研究科學家範麟熙：基於合成數據訓練AI將是未來方向英伟达开创新纪元：机器人训练数据的“永动机”
2023-12-03 17:25:49
981
原创 Mimicgen基本环境介绍Stack_d0
仅介绍现有环境中提供的资源0:Sawyer1:Panda2:Jaco3:Kinova34:IIWA5:UR5e。
2023-11-27 16:21:46
1031
原创 Neo4j
的开篇之作，主要记录图数据库的学习经验，此博文记录。下的话，需要用管理员权限打开。或其他命令行工具，然后进入。至此，完成安装过程；
2023-07-21 19:15:38
151
1
原创 CC踩坑之路--插件开发
CC的软件框架和插件功能的开发是比较灵活的，该博文记录下插件的开发工作。插件分为三种，IOGL和Standard，并没有细研究每种的区别，今天主要介绍下Standard类插件的开发。从Example推断运行机制，官网提供的ActionA.h其中，是与CC的插件机制耦合的，一般情况是不需要改的，因为做插件的目的是为了扩展功能，如果要扩展的功能是独立的话，那就不需要改这俩文件了，ActionA.*是具体的实现文件，可以简单的理解为，CC的插件机制会调用，然后会出发ActionA.*if (!
2023-04-13 11:25:53
168
原创 激光点云处理--格式转换
LASlaz 转 laslas 转 lazlaz 转 las下载编译安装 LASzip$ laszip64 -i results.laz -o result.laslas 转 laz下载编译安装 LASzip$ laszip64 -i results.las -o result.laz
2022-01-09 22:25:10
267
原创 DL--环境搭配
环境搭建前言一、我的平台二、配置1. wsl2. GPU3. Docker前言开启深度学习之旅，首先要确定 炼丹炉 放到什么地方，据了解，常规的平台组合有：win + anacondawin + wslubuntu + anacondaubuntu + docker上述是用的比较多的组合方式，当然，对于 GPU/CPU 以及 tensorflow/pytorch 是根据需求来的。一、我的平台我的电脑是 9300H+GTX1650 的组合，GPU 虽然有点 low，但聊胜于无，勉强凑合
2021-11-08 21:44:17
1700
原创 编程工具学习篇--yaml-cpp
编程工具学习篇--yaml-cpp前言一、下载与安装二、使用步骤前言在日常编程中，免不了需要从外部读取/存储参数，这样操作也极大方便了参数的调整过程，有效提高了编程者的测试效率。一、下载与安装yaml-cpp下载链接：Download在win下用Cmake编译code,不需要依赖别的库，只需要Configure然后Generate就可以，然后选择自己喜欢的IDE搞定就行。二、使用步骤主要目标：从文件中读取参数网文件中写入参数#include <iostream>#inc
2021-04-26 22:50:56
224
原创 编程学习工具篇--boost
boost--filesystem前言一、Filesystem简介二、功能学习2.1新建文件夹2.读入数据总结前言从18年就开始接触boost，但是从来没有细细了解过它的功能，因工作需求，这几天看了下boost，发现确实很强大，真心为以前的无知感到羞愧，boost包含的内容太多，数据结构，算法，计时等，如果没有具体的使用需求，很难掌握，所以，先从简单常用的东西开始。学习boost的核心价值是为了更好的使用C/C++，将其作为C/C++的标准扩展，如果遇到重复性的功能且运行模块是相对独立的，会尽可能选择
2021-04-11 19:40:14
454
原创 编程工具学习篇--glog
google::glog使用教程前言一、安装下载编译二、使用配置最简例程前言glog 功能很强大但也很单一，强大是因为它能把一个 log 的过程搞的多姿多彩，可以输出异常，可以终止程序；单一则是指他的功能就是输出日志供测试者与使用者看，说的再好，也只是实现日志记录的功能。如果你想让自己的日志记录规范一些，可以继续往下看下，如果你认为日志记录的格式无所谓的话，那就建议你关掉网页，不要浪费时间了。一、安装下载开源项目，不保密，下载还是很方便的，可以从下面提供的链接中下载，最新版为0.4已经有一段时间没
2021-04-09 22:33:39
242
原创 DL-tf2.0实战-流程化
DL-tf2.0实战-流程化前言一、文章是什么？二、流程介绍三、详细流程3.1数据准备3.1数据预处理3.3模型搭建3.4编译与训练总结前言 github上开源的成熟案例，大多是基于Pytorch或tf1.x的框架实现的，tf2.0的案例不多，而且文档资料也有限，作为实战新人，看到官网都升级到2.x了，也没有必要过多的纠结老版本了，看一些相关介绍，tf2.x用到很多keras的代码，看上去通俗易懂些，所以，就直接入手2.x版本了，并借助CSDN的平台记录下学习心得，也更好的为初学者提供点借鉴资料。
2021-02-07 09:40:11
427
原创 点云（刚性）配准--泛型配准
泛型配准前言一、super 4pcs1.1 简介1.2原理1.3 开源库介绍前言最近看了下几种配准的算法啊，发现会有一些共性，即不管是使用哪种方法，最终大多是关注于如何计算对应点的问题上来，icp及其变种是这样，super 4pcs也是如此。为了减少博客的数，就在这里统一称作为泛型配准，后续会追加一些同模式的配准原理。一、super 4pcs1.1 简介Super 4pcs是4pcs的升级版，优化点是在于对应点对的选择策略上，将原本的随机选取三个点优化为4个共面点，在一定程度上可以增强算法的稳健性
2021-01-04 15:59:28
861
3
原创 DeepLearning学习笔记-HDF5
DeepLearning学习笔记-HDF5前言一、HDF5简介1.1 组织结构1.2 数据构成二、HDF5库介绍2.1下载与安装2.2数据查看三、读取*.h5文件四、写入*.h5文件前言理论上，HDF5与深度学习是半毛钱关系没有的，因为它定义了一种数据格式与解析方法，同时，也提供了开源库代码，但是，是因为PointNet才接触的这个库，PointNet的数据集是*.h5的文件，要想解析这个文件，就得了解下HDF5这个格式。一、HDF5简介HDF5全称Hierarchical Data Format翻
2020-12-20 21:55:53
703
原创 【Eigen学习笔记】-- Umeyama
Umeyama算法前言一、Umeyama目标二、Umeyama使用方法三、Umeyama原理介绍前言一、Umeyama目标二、Umeyama使用方法三、Umeyama原理介绍
2020-12-17 13:15:03
9641
原创 点云（刚性）配准--icp
icp前言一、icp原理与步骤二、使用步骤1.引入库2.读入数据总结前言提到配准算法，icp认第二，没哪种算法敢认第一，可见，icp这道坎是绕不过去的，在本文中，会重点介绍icp的原理与实现方案，同时，也会结合pcl中的代码进行详细介绍。一、icp原理与步骤从本质上讲，icp类算法的基本原理是：对于两组点云P和Q，计算旋转矩阵R与旋转矩阵T，使目标函数E最小：E = 12\frac {1}{2}21 ∑\sum∑ ∣∣q−R∗p−T∣∣2||q - R * p - T ||^2∣∣q−R∗p−
2020-12-16 13:56:12
2265
原创 点云（刚性）配准
点云（刚性）配准前言算法分类前言点云配准问题，在视觉、机器人、医疗图像等领域是一个关键性的问题。其实质为：通过计算一组最优的旋转与平移矩阵，将处于不同位置的数据有序的组合在一起，有些场合也将此过程称为拼接，在这里陈述下拼接与配准的区别，广义来讲，两者并没有太大区别，其实质就是把两个具有相关性的数据整合在一起；但从狭义来讲，前者属于一个刚性变换，即不管输入的数据是什么，按照一定的规则把数据进行位置变换，而后者则是要按照输入数据的特性，整合到最优，但在实际应用中，可以说是拼接，可以说是配准，也可以说是注册（
2020-12-10 16:40:07
3280
原创 C/C++基本知识
C++学习笔记前言多态什么是多态静态多态动态多态纯/虚函数动态多态的条件哪些函数不能作为虚函数多态缺陷智能指针前言俗话说工欲善其事必先利其器，C/C++作为编码基础，还是需要多学习了解的多态什么是多态顾名思义，多态就是指多种状态，即同一个方法的行为随上下文而异，当类之间存在层次关系，并且通过继承关联时，就会用到多态。在程序的实现上，通过父类指针调用父/子类的函数，进而实现父类指针的多种形态，简单说，就是在父类与子类中存在同一函数名，参数，返回值的函数，在进行调用时，会根据调用函数的对象的类型执行不
2020-11-10 17:23:04
540
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人