13_Course Summary_宾夕法尼亚大学机器人运动规划专项课程【学习笔记】

原创 于 2021-07-10 16:21:47 发布 · 543 阅读 · 3 ·
CC 4.0 BY-SA版权
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。

本文回顾了机器人路径规划中的关键算法，如BFS、Dijkstra和A*，介绍了位形空间概念及障碍处理。探讨了连续位形空间路径规划方法，包括可视图、梯形分解和随机抽样算法，以及人工势场法在导航中的应用。

课程回顾
最开始讨论了在网格上移动的机器人的路径规划问题，引入了图的概念，图中节点对应机器人可以到达的离散位置，边缘对应位点间的路径。
在这里插入图片描述
对于这些基于网格的问题，我们讨论了广度优先搜索【Breadth First Searth】或烧草算法【Grassfire Algorithm】，该算法从起点向外探索来找到最短路径
在这里插入图片描述

还讨论了Dijkatra算法，这是用加权图进行最短路径规划的通用算法

在这里插入图片描述
最后，还介绍了A* 算法，当你有更多的指引信息时，这个算法能加快对最短路径的搜索
在这里插入图片描述
这些基于图形的算法非常重要，因为它们为各种路径规划做了基础。

接下来讨论了位形空间的概念，它为探究各种机器人系统提供了统一的框架，机器人的位形空间对应这机器人可以到达所有位置的集合，位形空间的维数和拓扑值取决于系统的布局和结构。有了给出的抽象图，我们接着讨论位形空间障碍，这些障碍代表机器人由于工作空间中的阻碍而无法到达的位置

最低0.47元/天 解锁文章
移动机器人运动规划(一)--概述和课程介绍
weixin_43619346的博客
07-14 4133
某蓝学院开设的机器人运动规划课程。本人正好也是做无人驾驶决策规划这方面的工作的，所以记录一下学习心得！如果觉得有用可以去官网支持！ 课程一共八节，按照老规矩也分八篇博客来记录，话不多说，开始第一节课！ 工科思维三问（www）：是什么（what）为什么（why）怎们办（how）？本节课和所有的教程课一样，回答了是什么的问题。是一个对课程的整体介绍。 这门课是一个学院派的风格，一个模块化的机器人开发流程，而不会介绍时下火热的基于端对端的开发。Path finding算法属于“前端”，我们不希望在这上面花费太多
【深蓝学院】移动机器人运动规划--第1章 运动规划介绍与地图构建--笔记
qq_37746927的博客
01-15 4315
【深蓝学院】移动机器人运动规划--第1章 运动规划介绍与地图构建--笔记
CMU机器人运动规划课件
03-12
卡耐基梅隆大学的机器人运动规划课件，全英文，适合入门
宾夕法尼亚大学机器学习课件
06-23
宾夕法尼亚大学机器学习课件，涵盖机器学习的主要概念。
【宾夕法尼亚大学机器人课程学习】Motion Planning
糊涂懿的博客
05-19 1109
一、定义 运动规划问题的重点在于如何让一个机器人从一个位置移动到另一个。 举例说明，比如要从绿格子到红格子去，不能超越边界，不能去到黑格子中，那么将其抽象成一个图，如下： 用V表示这些节点，用E表示连接节点的边。很多情况下都可以将图中的边与各数字关联起来，比如上图可以将折线图中单位距离或代价值与节点的边关联起来。 可以发现有很多路径都可以完成这样的效果，但关注点在于找到一条总成本最少或距离最短的路径。 ...
3_A* Algorithm_宾夕法尼亚大学机器人运动规划专项课程【学习笔记（附 A* Algorithm 代码获取链接）】
huangjunsheng123的博客
07-06 745
3_A* Algorithm_宾夕法尼亚大学机器人运动规划专项课程启发式探索函数A* 算法伪代码 前面提到的烧草算法（Grassfire Algorithm）和 Dijkstra 算法，都能找到最短路径，当路径不存在时，它们会报错； 然而由于执行过程中，两者都需要访问表中所有的节点，当节点数量庞大时，就会出现问题。 A* 算法通过探索式的代价函数来划分各条路径，探索各自的可能性，然后按照顺序来检查这些可能性； 在A* 算法中，引入了探索式距离的概念，即给定节点和目标节点之间的距离估计，然后利用这个信息将搜索
这是宾夕法尼亚大学在Coursera上开设的第一门机器人专业课程。_This is the first course i
最新发布
09-16
宾夕法尼亚大学作为一所享誉全球的学术机构，与在线学习平台Coursera合作，开设了名为“Aerial Robotics”的专业课程，这也是该校首次在该平台上推出的机器人系列课程。该课程的开设标志着教育界对于远程教育的重视...
python计算机器人运动学分析_V-rep学习笔记：机器人逆运动学数值解法（The Jacobian Transpose Method）...
weixin_39797264的博客
12-09 1319
机器人运动学逆解的问题经常出现在动画仿真和工业机器人的轨迹规划中：We want to know how the upper joints of the hierarchy would rotate if we want the end effector to reach some goal.IK Solutions：Analytical solutions are desirable becau...
本科机器人课程 Undergraduate Course
12-14
2. **机器智能**："An Undergraduate Course in Robotics Machine Intelligence.pdf"探讨了在本科阶段教授机器人智能的课程内容，可能涵盖基础的机器学习、人工智能算法、路径规划以及决策制定等方面，帮助学生理解...
4_Configuration Space_宾夕法尼亚大学机器人运动规划专项课程【学习笔记】
huangjunsheng123的博客
07-07 516
4_Configuration Space_宾夕法尼亚大学机器人运动规划专项课程 对于目前已经接触的运动规划，是已经简化在图表上进行规划的，机器人本身可以看作是简单的离散的点。然而再现实世界中，大多数的机器人可以在连续空间内运动，这里就引入了“位形空间”(Configuration space)的概念，它帮助我们在统一的框架内思考问题。 简单来说，机器人的位形空间是指所有机器人能够达到的位置所组成的空间的一个集合； 这有个简单例子是一个能在平面内自由移动的机器人，我们使用含有两个数字的数组 [tx,ty]
11_Artificial Potential Field_宾夕法尼亚大学机器人运动规划专项课程【学习笔记】
huangjunsheng123的博客
07-10 759
11_Artificial Potential Field_宾夕法尼亚大学机器人运动规划专项课程【学习笔记】 本节将讲解如何在人工势场中引导机器人在充满障碍物的环境中运动，基本思路是在位形空间内构造一个平滑函数【smooth function】，当机器人靠近障碍物时，该函数值较高；远离障碍物时，该函数值较低；还希望在终点此函数值最小；若机器人移动到（离终点）更远的位置，函数值就会增加，如果建立出这样的函数方程，就可以用它的（下降）梯度【gradient】将机器人引导到所要求的位置。 先举个二维位形空间的简单
12_Generalizing Potential Fields_宾夕法尼亚大学机器人运动规划专项课程【学习笔记】
huangjunsheng123的博客
07-10 323
12_Generalizing Potential Fields_宾夕法尼亚大学机器人运动规划专项课程【学习笔记】 前面我们讨论过在二维空间建立人工势场函数，因为二维空间比较直观，然而机器人有不同的形状和大小，很容易出现四维、五维、六维甚至自由度更高的位形空间，在这种高维度空间，我们可能不太清楚该如何建立合适的势能方程。 一种为多自由度机器人生成势场的方法是，假设有一系列分布在机器人表面的控制点 对每个控制点，我们可以构建一个势场，引导机器人远离工作空间的障碍并走向目标点。 如前所述，可以通过计算每个点
机器人学习--Robotics: Estimation and Learning（宾夕法尼亚大学COURSERA课程）
GGY1102的博客
11-21 954
COURSERA网课网址：https://www.coursera.org/learn/robotics-learning#syllabus 总共四周课程，四个模块内容。 知乎上网友的学习笔记：https://zhuanlan.zhihu.com/p/21648507?refer=robotics-learning 建图部分的网友解析：https://www.cnblogs.com/ecoflex/p/9868474.html ...
宾夕法尼亚大学机器人学学习笔记（3）
SherryQiao的博客
03-26 814
四轴飞行器运动学 针对机体可以表示为x,y,z三个方向的独立向量。用黑体小写字母表示向量，用上前置字母表示所在坐标系，用黑体大写字母表示矩阵。 如上图所示，g表示转换，则有以下性质。 1）刚体的任意两点p和q之间的距离不变。 2）点乘保持不变（刚体上的两个向量） 当然表示转换，离不开旋转矩阵，旋转后的坐标可以用旋转矩阵乘以旋转前的坐标. 接下来介绍欧拉角，根据旋转轴的不
宾夕法尼亚大学Coursera运动规划公开课学习有感之四
yessharing的博客
04-20 1291
这一周是讲关于人工势场方法的一些基础内容。Constructing Artificial Potential Fields建立一个光滑函数，在目标处函数值最小。用梯度引导机器人过去。在二自由度场里，可以简单的选择距离的平方作为函数。这个函数是为了引导路径朝着目标点运动而设计的。 建立反推的势场, ρ\rho返回距离。这个是为了防止机器人和障碍相撞而设计的。很多个障碍可以设计很多个反推势场，然后
宾夕法尼亚大学Coursera运动规划公开课学习有感之三
yessharing的博客
03-13 1541
运动规划公开课第三周学习有感
宾夕法尼亚大学Coursera运动规划公开课学习有感之二
yessharing的博客
02-13 2752
这篇感受是学习宾夕法尼亚大学VJKumar教授的Robotics: Aerial Robotics公开课系列中Robotics: Computational Motion Planning课程, 第二周的感受.
宾夕法尼亚大学机器人学学习笔记（2）
SherryQiao的博客
03-18 1228
飞行机器人之能量学与系统设计 如图上图所示，机器人的受力分析，自己的重力和来自发动机的扭矩（蓝M）和推力（蓝F）以及推力对自身的转矩（F＊r）。 了解了基本的构造与力学分析，首先分析如何来控制机器人的飞行高度，很显然高度方向的加速度是高度的二次导数。我们可以根据受力得到高度方向的加速度。根据加速度来求得期望的高度。PD控制。如果有其他未知因素的影响应用PID控制。调节比例系数，微分系数
5_位形空间的示例_宾夕法尼亚大学机器人运动规划专项课程【学习笔记（附Assignment:Configuration Space(Part 1 of 2 & Part 2 of 2)代码）】
huangjunsheng123的博客
07-07 1491
5_位形空间的示例_宾夕法尼亚大学机器人运动规划专项课程【学习笔记】1. RR arm2. Piano Mover's Problem 1. RR arm 这是个简易的二维机械臂，有两个旋转关节；像以前那样。我们可以理清这个机器人所有可能的运动轨迹，并将它们与转动角数组[theta1,theta2]关联起来，在这个案例，两个角可以自由地从0度转动到360度。 引入障碍物，思考为了避免与障碍物发生碰撞，哪些位形空间是无法到达的； 下图显示的是机器人、障碍物、以及他们在位形空间中对应的情况。 引入障碍物，可以
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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