写在前面 之前我已经写了2篇博客，介绍了如何进行树莓派和stm32芯片通信，传送门在下面： 1.购物机器人底盘控制之STM32F427IIH6芯片处理通信数据方案 2.STM32F427IIH6芯片通过DMA+USART与树莓派进行双工通信 这2篇博客都是从技术上实现了树莓派和stm32芯片的通信，那我们最终的目的是为了实现树莓派做为系统的总控来控制底盘，使其能够完成在整个地图中特定路线的循迹
前言 第一次写博客，内心很激动，参加了一次智能车创意组比赛，这次带着学弟参赛，写下这篇文章是想记录自己的一些心得，能力有限，希望可以与各位交流，共同进步。前段时间智能车创意组别的讯飞组别刚刚完成线上赛，本篇文章针对这次线上赛进行剖析，提供一下备赛思路。 正文 这次讯飞组别的线上仿真赛，讯飞官方提供了搭建环境教程，对于ROS小白来说很友好，学一些ROS的基本操作之后就可以根据教程把讯飞组的环境搭建起
背景介绍 目前，市面上大多数的拖动试教机器人是UR的协作机器人和DLR-KUKA的iiwa机器人，相比于UR机器人，iiwa机器人在结构上有一点重要的不同。 UR在每个关节上采取的是双编码器的方式，分别测量电机角度和连杆角度。而iiwa机器人在每个关节上还加入了一个单轴力矩传感器（一般位于减速器输出端与末端连杆间），用于测量每个关节的输出力矩。如图所示，iiwa在牵引拖动时表现更好，同时iiw
在我们控制一个移动机器人运动时，可能会遇到如下场景：自研的移动机器人在自动导航的过程中突然迷路要撞墙了，一场车祸马上就要发生，这时候，我们就会很希望能够通过无线手柄或者键盘去控制小车紧急停车，让小车改邪归正，迷途知返。想要实现这个功能，就需要用到多路输入复用控制，即把多种速度控制信号收集起来，并按照优先级发给小车，覆盖掉自主导航的速度控制消息。 幸运的是，完善的ROS生态中已经给我们提供了这个名
前面几节，我们已经把PPO算法实现完成了，下面只剩下环境了。今天我们把环境的封装完成。 对于机械臂或者机器人的训练来说，一个比较好用的仿真器是pybullet，另外一个是unity。gazebo、vrep等虽然可以做，但是相比pybullet直接使用Python驱动，没有额外的操作来说，gazebo和vrep都显得繁琐了一些，而且在强化学习方面，pybullet的生态较好。unity因为有unit
前面两节讲完了critic、actor以及缓冲区的设计，下面就到了actor和critic的损失函数的环节了。对于神经网络来说，最重要的就是计算损失函数进行反向传播更新参数了。在计算损失函数之前，需要有batch的数据，所以上一节也把缓冲区的设计完成。这节完成损失函数的设计和整个PPO算法的更新。 价值函数的损失函数 价值函数的损失计算较为简单，我们一般使用当前obs的价值函数与reward-to
RRT路径规划算法 地图 RRT算法原理 路径平滑处理 总结 RRT（Rapidly-Exploring Random Tree）算法是一种基于采样的路径规划算法，常用于移动机器人路径规划，适合解决高维空间和复杂约束下的路径规划问题。基本思想是以产生随机点的方式通过一个步长向目标点搜索前进，有效躲避障碍物，避免路径陷入局部极小值，收敛速度快。本文通过matlab实现RRT算法，解决二维平面的路
文章目录 1 三维空间中的位置与姿态 1.1 位置描述 1.2 姿态描述 2 相关函数详细用法 2.1 获取旋转矩阵 rot 2.2 绘制坐标系 trplot 2.3 动画演示 tranimate 关注微信公众号`二进制人工智能`，回复`robot`获取机器人工具箱 1 三维空间中的位置与姿态 通常来说,机器人指的是至少包含有一个固定刚体和一个活动刚体的机器装置。其中，固定的
standard_DH 根据DH表示法确定一个一般步骤为每个关节指定参考坐标系，然后确定如何实现任意两个相邻坐标系之间的变换，最后写出机器人的总变换矩阵。如图所示表示了三个顺序关节和两个连杆，每个关节都是可以转动和平移的。第一个关节指定为关节i-1，第二个关节指定为关节i，第三个关节指定为关节i+1。在这些关节前后可能还有其他关节，连杆也是如此表示，连杆i位于关节i与关节i+1之间。 1、s
描述 使用matlab求解AX=XB的问题 可以正确求出X的值，我已经成功验证了 至于说X具体代表什么，要结合你自己推导出的公式AX=XB之中，A、X、B分别代表什么 代码 main.m 包含我做手眼标定时的14组A和B然后使用X= tsai(A,B)一句话就可以求解出手眼矩阵X clc; clear; num = 14; A=zeros(4,4,num); B=zeros(4,4,num); A
看不清？点击更换
第三方账号登入
第三方账号登入
QQ 微博