- 博客(319)
- 收藏
- 关注
RSS订阅原创 moveit2 包介绍
MoveIt2 的代码仓库本身结构清晰，但它的强大之处更体现在它为具体机器人生成的配置包中。下面我们从“源码仓库”和“机器人配置包”两个层面来拆解其文件夹结构和功能。
2026-04-10 13:41:01
63
原创 rviz2 仿真控制器与真实机器人切换
RViz 仿真：使用 fake_controllers.yaml真实机器人 / Gazebo：使用 controllers.yaml。
2026-04-10 11:16:11
18
原创 相机接入ROS2 流程及问题排查
rqt_graph：在终端运行 ros2 run rqt_graph rqt_graph，可以查看所有ROS 2节点和话题的连接关系，直观地确认发布者和订阅者是否成功建立连接。RViz2：在RViz2中通过“Add”面板添加“Image”显示项，并选择对应的/camera/image_raw话题，也能用来查看图像。如果此命令能正常显示图像，说明图像数据本身是OK的，问题可能出在rqt_image_view的图形界面或Qt环境上。如果无输出，则说明话题没有接收到任何消息，问题在于上游的图像发布节点。
2026-04-07 17:55:43
175
原创 ROS 2 手眼标定完整方案
ROS 2 手眼标定首选：easy_handeye2支持眼在手上 + 眼在手外源码安装，稳定、工业可用3 步完成标定，自动保存结果。
2026-04-02 13:57:36
192
原创 手柄替代键盘
你可以直接修改代码中的常量调整手感：cpp运行// 线速度大小// 旋转速度大小这是纯 C++ ROS 2 手柄控制版本，替代原键盘版本支持线性运动 + 旋转运动坐标系切换安全急停兼容Xbox/PS/ 通用 USB 手柄，开箱即用话题名与原代码完全一致，可直接对接 Servo 节点。
2026-04-02 13:31:16
266
原创 fanuc 机器人 pr 寄存器数据如何绑定 GO 绑定DO
plaintext或plaintextPR[i,j] → R[k] → 按位 → DO[1~16]
2026-04-01 15:28:48
124
原创 如何创建一个单例类 (Singleton)
构造函数私有化→ 不能随便 new禁用拷贝 / 赋值→ 不能复制返回静态实例→ 永远唯一这就是工程最常用、最稳定的单例模式。
2026-04-01 08:53:25
30
原创 moveit servo 控制机械臂
MoveIt Servo 完全可以不依赖，直接对接你自己写的底层驱动包（字节写的包）来控制机械臂MoveIt Pro。
2026-03-31 13:45:38
160
原创 MoveIt Servo 做机械臂路径规划
MoveIt Servo 不做规划，只执行！路径规划 = MoveIt实时执行 = MoveIt Servo配合方式 = 把规划轨迹转成速度流发给 Servo。
2026-03-31 09:16:57
182
原创 MoveIt Config 配置文件完整一致性检查
你的所有关节、控制器、控制接口 100% 匹配，无功能错误仅需修复：把拼接的 YAML 拆成 3 个独立文件修复后直接可以正常运行 MoveIt + ros2_control。
2026-03-27 15:34:57
175
原创 moveitConfig 配置检查
关节名 6 个完全一致控制器名 arm_controller 一致控制器类型 FollowJointTrajectory 一致关节名称必须完全一模一样（包括符号）控制器名称必须统一为用一键验证MoveIt 的和必须包含全部关节。
2026-03-27 15:27:09
188
原创 RDMA 与RoCE v2
一套的 RDMA / RoCE v2 工程资料包，包含：关系再梳理、报文结构、FPGA 实现框架、x86 侧最简可用 C 代码、测试命令。
2026-03-25 16:46:07
468
原创 x86 与 FPGA 网卡通信实时性
提升 x86 与 FPGA 网卡通信实时性，核心是缩短数据路径、消除系统抖动、硬件卸载协议、优化 PCIe/DMA 与中断，实现低延迟 + 确定性。用 ** 无锁环形队列（ring buffer）** 做 FPGA 与 x86 共享，head 由 FPGA 更新、tail 由 CPU 更新，用内存屏障保证一致性。RDMA（RoCE v2）：FPGA 实现 RNIC，支持单边 RDMA READ/WRITE，x86 无 CPU 参与，端到端延迟可至 < 4μs。低延迟：UDP > TCP；
2026-03-25 16:10:22
318
原创 IPPO 介绍
IPPO，恰好就是我们上一轮讨论中，用来在Gazebo里训练机械臂的那个“改进版PPO”的核心算法。它是由荷兰格罗宁根大学的研究人员专门为解决6自由度机械臂在复杂、非结构化环境中的运动规划难题而提出的。简单来说，IPPO不是一个全新的算法，而是对标准PPO算法进行的三项针对性改进，让它特别适合机械臂的避障与轨迹规划任务。
2026-03-20 14:19:57
19
原创 gazebo 中通过ppo 进行机械臂轨迹规划
理论基础：IPPO论文提供了完整的算法改进方案工具支持：gym-gazebo2和Stable-Baselines3提供了开箱即用的实现实战路径：先PyBullet快速训练 → 再Gazebo高保真验证 → 最后真实机械臂部署关键成功因素精心设计的状态空间（加入障碍物几何距离）合理的奖励函数（平衡距离、碰撞、限位）采用Sim-to-Sim迁移加速训练。
2026-03-20 14:17:32
157
原创 gazebo 中通过sac 训练机械臂进行轨迹规划
这是将仿真环境与SAC算法对接的关键。要素定义方法（参考案例状态空间State包含三个部分：1.关节状态：当前机械臂各个关节的角度(θ)和速度(v)2.目标位置：深度相机获取的目标螺栓的欧式坐标(p)3.终点坐标：最终期望到达的目标坐标(t)动作空间Action6轴机械臂的连续控制信号。通常为6个关节的目标角度增量或扭矩，记为奖励函数Reward奖励函数是引导智能体学习的关键。一个有效的设计思路是：F$$其中是终点坐标，是当前末端坐标。
2026-03-20 14:09:51
144
原创 OLOv11 + 深度相机的方案实现高精度3D定位
YOLOv11 + 深度相机的方案提供了一个开箱即用的高精度3D定位框架。技术成熟：从模型导出、硬件驱动到坐标计算，都有完整的开源方案支持。精度高：在近距离（0.5m内）可达到毫米级定位误差。速度快：优化后可轻松达到实时（30+ FPS），甚至在高端GPU上超过100 FPS。
2026-03-20 14:03:27
174
原创 ppo 训练一个 6轴机械臂作轨迹规划
使用PPO训练6轴机械臂进行轨迹规划是一个复杂的系统工程。基于最新的研究成果，我将为您详细梳理完整的实现框架和技术要点。
2026-03-20 11:10:43
282
原创 PPO智能体参数详解与调优指南
训练智能体 = 调整这些参数找到最佳组合！hidden_dim= 发动机大小（动力）= 油门灵敏度（反应速度）eps= 转向限制（稳定性）epochs= 练习次数（经验利用）gamma= 视野远近（规划能力）
2026-03-20 09:28:17
277
原创 PPO (Proximal Policy Optimization) 算法模块详细拆解
重要性采样：用旧策略收集的数据更新新策略裁剪目标：限制更新幅度，保证稳定性GAE优势估计：平衡偏差和方差多epoch更新：提高样本效率Actor-Critic架构：同时学习策略和价值。
2026-03-20 09:15:52
355
原创 PPO 示例
状态空间（4维）：小车位置、小车速度、杆的角度、杆的角速度动作空间（2维）：向左移动（0）、向右移动（1）目标：尽可能长时间保持杆子直立，每坚持一步得1分，最多500分终止条件：杆倾斜超过15度或小车超出边界pythonclass PolicyNet(torch.nn.Module): # 策略网络：决定要做什么动作# 输入：状态 -> 隐藏层 -> 输出：动作概率分布class ValueNet(torch.nn.Module): # 价值网络：评估当前状态的好坏。
2026-03-20 09:02:44
395
原创 PPO训练小车
用 Gazebo+ROS 搭建 TurtleBot3，定义观测（激光 / 图像）、动作（线速度 / 角速度）、奖励函数（避障 + 进度）。或用 MetaDrive 做自动驾驶仿真，动作空间为连续（转向 + 油门）。python运行# 设备配置# Actor网络：输出动作概率# Critic网络：输出状态价值。
2026-03-19 15:03:29
383
原创 ROS2 中使用ppo 进行路径规划
在ROS 2中使用PPO进行机械臂路径规划是一个系统工程，关键在于将ROS 2的机器人控制接口与RL的训练循环无缝对接。对于初学者，建议严格遵循上述步骤，从Gazebo仿真开始，并使用Stable-Baselines3作为RL库，这是目前资料最多、最稳妥的路径。对于进阶用户，可以探索将PPO与MoveIt 2结合，或者引入更复杂的网络结构（如LSTM）来处理部分可观测的环境。
2026-03-18 16:44:31
304
原创 PPO 训练一个机械臂
从搭建仿真环境开始，精心设计PPO智能体的“大脑”，然后借助各种先进的改进算法进行高效训练，最后攻克Sim-to-Real的难关，将智能部署到真实世界。
2026-03-18 16:30:01
151
原创 PPO 进行机械臂轨迹规划
总的来说，PPO完全可以胜任机械臂轨迹规划任务，尤其擅长应对不确定性高的动态环境。它提供了一种不同于传统方法的解决思路。不过，PPO也并非万能，它的成功应用依赖于高质量的训练环境、精细的奖励函数设计以及针对具体任务所做的算法改进。
2026-03-18 14:38:18
356
原创 MPC 与PPO SAC 的关系
总而言之，MPC、PPO和SAC的关系已经超越了简单的竞争，走向了深度互补。如果你的任务模型精确、约束明确、安全性要求极高（如工业生产线上的重复作业），基于模型的MPC是稳妥可靠的选择。如果你的任务环境复杂、动态难以建模，但允许大量试错（如游戏AI、仿真环境下的策略学习），无模型的PPO或SAC是强大的工具。其中，SAC在样本效率和随机环境中可能更具优势。如果你的任务既需要保证安全，又需要适应复杂的不确定性（如自动驾驶、空间机器人），那么将两者结合的混合方法。
2026-03-18 14:32:52
338
原创 MPC 进行轨迹规划
通过MPC（模型预测控制）实现机械臂的路径规划，核心思想是利用机械臂的动力学模型，在一个内在线求解一个考虑多种约束的优化问题，从而生成最优的关节运动轨迹。与传统的几何路径规划方法不同，MPC直接考虑了系统的动态特性和物理限制，能生成且的运动。我将从核心原理、关键技术路线和典型应用案例三个方面，为你系统地介绍如何通过MPC实现机械臂路径规划。
2026-03-18 14:17:56
387
原创 PPO 在ROS2 中训练与推理
核心流程：构建 ROS 2 Gym 环境（封装状态 / 动作 / 奖励）→ 初始化 PPO 模型 → 与机器人环境交互训练 → 保存模型并推理部署；关键难点：合理设计奖励函数、确保 ROS 2 状态 / 动作的实时性、准确的运动学求解；落地建议：先在仿真环境（如 Gazebo）中完成训练，再迁移到真实机器人，逐步调优奖励函数和超参数。按此流程，你可以快速在 ROS 2 中实现机械臂的 PPO 训练，适配你的 collaborativearm 机械臂完成轨迹跟踪、抓取等任务。
2026-03-17 17:16:37
349
原创 humble ppo 训练脚本
核心逻辑：PPO 通过学习关节力矩策略，将机械臂状态（关节角 / 速度 + 末端位置）映射为连续动作（力矩），通过奖励函数引导机械臂到达目标位置。训练关键：GAE 优势计算、PPO-Clip 损失裁剪、熵奖励鼓励探索，是保证训练稳定收敛的核心。部署要点：ROS 2 节点需匹配机械臂控制频率（≥100Hz），添加安全裁剪，仿真训练后再迁移到真机。
2026-03-16 14:04:47
38
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