penuel

原创 OCS2::legged_robot::LeggedRobotInterface.cpp

这个文件主要是对最优问题的构造。1. setupOptimalConrolProblemvoid LeggedRobotInterface::setupOptimalConrolProblem(const std::string& taskFile, const std::string& urdfFile, ...

原创 OCS2::legged_robot::gait.info

步态文件：1. 步态类型list{ [0] stance 静止 [1] trot 快走，一种快速、稳定的交替对角步态 [2] standing_trot 在交替的步伐中插入静止阶段，增加稳定性 [3] flying_trot 在交替的步伐中插入腾空阶段，增加速度 [4] pace 同侧步态，左右两条腿交替着地，常用于节能的慢速运动 [5] sta...

原创 OCS2::MPC 启动流程

1. 创建MPC_ROS_Interface接口,以sqpMpc为例//自定义接口LeggedRobotInterface interface(taskFile, urdfFile, referenceFile);// 创建同步接口auto gaitReceiverPtr = std::make_shared<GaitReceiver>(nodeHandle, i...

原创 OCS2::ocs2_centroidal_model_质心动量模型

1. ModelHelperFunctions.cpp1.1 updateCentroidalDynamics() : 质心动力学更新template <typename SCALAR_T>void updateCentroidalDynamics(PinocchioInterfaceTpl<SCALAR_T>& interface, const Centr...

原创 OCS2::legged_robot::SwingTrajectoryPlanner_摆动腿轨迹规划

计算特定时间点指定腿的垂直速度约束\(v_z=trajectory[index].velocity(time)\)scalar_t SwingTrajectoryPlanner::getZvelocityConstraint(size_t leg, scalar_t time) const { const auto index = lookup::findIndexInTimeArray...

原创 OCS2::legged_robot::EndEffectorLinearConstraint_末端线性约束

定义：\(g(xee, vee) = Ax * xee + Av * vee + b\)xee：末端位置vee：线速度值：vector_t EndEffectorLinearConstraint::getValue(scalar_t time, const vector_t& state, const vector_t& input, ...

原创 OCS2::legged_robot::FrictionConeConstraint摩擦锥约束

公式：\(h(F) = u(F_z + F_{gripper}) - \sqrt{F^2_x + F^2_y + \epsilon} >= 0\)\(F_{gripper}\)：抓力(如果有)\(\epsilon\)：正则化参数，用于避免梯度计算时分母为0vector_t FrictionConeConstraint::getValue(scalar_t time, const...

原创 强化学习理论-第6课-随机近似与随机梯度下降

6.1 motivating example : mean estimation采样足够多进行平均迭代求平均：\(w_{k+1} = w_k - \frac{1}{k} (w_k - x_k)\)6.2 Robbins-Monro algorithmRM算法的优点是：不需要知道方程表达式，也不需要知道梯度信息啥的。随机梯度算法是RM算法的一种特殊情况。求根问题：RM算法求解：RM算法...

原创 强化学习理论-第5课-蒙特卡洛方法

之前的章节都是基于model base，这节是model free的方法。1. model-base to model-free:2. 计算\(q_{\pi k}:\)3. MC base algorithm:step 1和model base是不一样的，后面的步骤是一样的。4. MC exploring starts算法:...

原创 强化学习理论-第4课-值迭代与策略迭代

1. value iteration algorithm:值迭代上一节已经介绍过：1.1 policy update:1.2 Value update：此时，\(\pi_{k+1}\)和\(v_k\)都是已知的1.3 procedure summary：1.4 example:2. policy iteration algorithm:Q1:Q2:Q3:2.1 Polic...

原创 强化学习理论-第3课-贝尔曼最优公式

1. 贝尔曼最优公式：1.1 定义：第2课介绍了贝尔曼公式，里面的\(\pi (a|s)\)策略是固定的，这里我们想求得一个最优的策略，使得state value最好1.2 matrix-vector form：2. 求解贝尔曼公式：公式中，v是一个未知量，\(\pi\)也是要求解的最优策略。假设a有5个action，2.1 Contraction mapping theore...

原创 强化学习理论-第二课-贝尔曼公式

1. return和贝尔曼上图说明从不同状态出发得到的return，依赖于从其他状态出发的returnv是return，将第一张图写成矩阵的形式，r代表immediate reward，是已知的，矩阵P是策略加上state transition，也是已知的，求解v这个公式实际上就是贝尔曼公式在\(S_t\)采用什么样的动作\(A_t\)，是有策略决定的，\(\pi\)在\(S_t\)...

原创 强化学习理论-第1课-基础概念

1. state:状态，可以是机器人的位置，速度，加速度等2. action:对于每一个状态，可能的动作3. state transition:状态转移3.1 state transition probability:4. policy：告诉agent在这个状态应该采用哪个action5. reward：状态转移后的惩罚项6. trajectory and return...

原创 强化学习理论-第0课-汇总

原创 可操作度

如上图所示，好的可操作度可以帮助远离奇异点1. 可操作度：\(m = \sqrt{det(J(q) J(q)^T)}\)2. 可操作度雅可比：3. 可操作度控制器QP：

原创 青龙源码解析wbc

1. 任务管理：WBC_walk task:"static_Contact"; "Roll_Pitch_Yaw_Pz"; "RedundantJoints"; "PxPy"; "SwingLeg"; "HandTrack"; "HandTrackJoints"; "PosRot"使能："static_Contact"； "RedundantJoints"； "SwingLeg"； "Ha...

原创 青龙源码解析MPC

1. 全身运动学青龙全身共31个自由度。2个7自由度臂，2个头部自由度，3个腰部自由度，每个腿是6个自由度(髋关节3DOF，膝关节1DOF，踝关节2DOF)共7+7+2+3+6+6=31再加上浮动基座6自由度，总共37自由度。2. 变量：输入：13 * 3 = 39的纬度；约束：32 * 3的纬度Ac,Bc,A,B,Cc,C: 状态空间矩阵Ac,A: [12, 12]Bc,...

原创 Dynamic Locomotion in the MIT Cheetah 3 Through Convex Model-Predictive Control

1. Swing Leg Control\(J_i \in R^{3*3}\) 是足端雅可比；\(\tau _{i,ff}\) 是前馈力矩\(\Lambda \in R^{3*3}\)是操作空间惯性矩阵；\(a_{i,ref} \in R^{3*3}\)是机体坐标系下的参考加速度q是关节角度；\(C_i \dot{q}_i + G_i\)是科里奥利力和重力2. Ground Force C...

原创 ubuntu相关操作指令

限制进程CPU占用率sudo cpulimit -p 1780(进程号) -l 200脱离终端后台运行程序nohup roslaunch your_package_name your_launch_file.launch &

原创 仿人机器人

1. ZMP1.1 二维分析：着重看公式3.3,考虑对应于力矩为零时的那个作用点，即满足\(\tau(p_x) = 0\)的点\(p_x\)。1.2 三维分析：力矩为零的作用点：点p就是压强中心，也即ZMP。当机器人运动的时候，一般情况下，z方向的力矩等0并不成立。所以在三维情况下，ZMP定义为：地面作用力的力矩水平分量为零的作用点1.3 双足时的ZMP两脚各自的ZMP位置...

原创 四足机器人MPC+WBC方案

四足机器人MPC+WBC方案一、MPC:系统方程：状态变量：\(x_r = (h_{com}, q_b, q_j) \in R^{24}\), 包含6维质心点动量，6维机身位姿，3*4个关节角度输入变量：\(u = (f_{c1}, ......, f_{c4}, v_j) \in R^{3*4+12}\), 包含4个腿末端的3维力，12个关节速度动力学：其中\(f_{ci}\)是4...

原创 强化学习分类

Model-free: Q learning, Sarsa, Policy GradientsModel-based: 能通过想象来预判断接下来将要发生的所有情况. 然后选择这些想象情况中最好的那种基于概率：Policy Gradients基于价值：Q learning, Sarsa两者融合：Actor-Critic回合更新：Monte-carlo learning， ...

原创 OCS2_mobile_manipulator案例详解

1. 启动共启动3个节点mobile_manipulator_mpc_node //mpc问题构建，计算mobile_manipulator_dummy_mrt_node //仿真，承接MPC的输出，发布Observation, 对于仿真来讲，状态发布也是反馈mobile_manipulator_target //交互发布target2. MobileManipulatorMpcN...

原创 Linux Supervisor进程控制系统完全教程

https://www.jianshu.com/p/38792751f755

原创 docker 打包镜像推送

使用commit命令将容器保持为一个新的镜像docker commit -a "作者(-a可以不要)" -m "提交信息" 容器名称或ID 新镜像名称：版本docker commit -a "penuel" -m "new commit" old_docker new_image:v0使用docker tag给要发布的镜像添加标签，docker tag new_image:v0...

原创 最优化：建模、算法与理论

2.导数

原创 linux清理内存

查看磁盘使用率df -h查看当前目录下每个文件夹的大小du -h -d1查看root目录下每个文件夹的大小du -h -d1 /root

原创 ubuntu wifi连接设置

1. 扫描可用的wifi网络nmcli device wifi rescan nmcli device wifi list2. 连接到wifi网络nmcli device wifi connect "wifi_name" password "password" ifname

原创 mpc_local_planner详解

控制器配置Controller::configure(){ //创建机器模型 _dynamics = std::make_shared<UnicycleModel>(); //离散网络，比如多重打靶法。参考点，输入，状态，等变量也会存放在grid里面，会实时更新。而且grid也继承了顶点传入到超图问题构建中 _grid = configureGrid(nh)...

原创 gbd调试

gdb /home/xu/ZME/obstacle_map/install/obstacle_map/lib/obstacle_map/obstacle_map_nodeset args --ros-args --ros-args --params-file /home/xu/ZME/ChargingPileBackFlushing/install/VMarkTof/share/VMarkT...

原创 TEB总结

Non-holonomic kinematics：如上图可视，我们认为每两个离散位姿之间是通过一个圆弧运动的，所以这两个夹角相等，这里使用叉乘来表示等式约束曲率约束：速度和加速度约束：...

原创 C++11 后的单例写法

template<typename T>class Singleton{public: static T& getInstance() { static T t; return t; } Singleton(const Singleton&) = delete; Singleton& o...

原创 机器人学导论-约翰 J.克雷格

目录第五章 雅可比：速度和静力5.1 刚体的线速度和角速度5.5 机器人连杆运动第五章 雅可比：速度和静力5.1 刚体的线速度和角速度\(V_{BORG}\)是坐标系B在A坐标系下的速度，\(^BV_Q\)是B坐标系下Q的速度，\(^A\Omega\)表示从坐标系A观测时，矢量Q的运动是绕着\(^A\Omega\)旋转的5.5 机器人连杆运动...

原创 docker新建容器脚本

新建一个文件夹，vim docker.sh自动共享该文件夹#!/bin/bashXSOCK=/tmp/.X11-unixxhost +local:rootdocker run -it \ -e DISPLAY=$DISPLAY \ -w /humble_ws \ -v $PWD:/humble_ws \ -v $XSOCK:$XSOCK \ -v $HOME/.Xauth...

原创 nav2_constrained_smoother

平滑cost:template<typename T> inline void addSmoothingResidual( const double & weight, const Eigen::Matrix<T, 2, 1> & pt, const Eigen::Matrix<T, 2, 1> & pt...

原创 原子操作实现无锁栈

//atomic3.cpp 使用CAS操作实现一个无锁栈#include <atomic>#include <iostream>template<typename T>class lock_free_stack{private: struct node { T data; node* next;...

原创 vscode相关问题处理

1. 跳转缓慢，跳转函数，一直转圈圈，比较慢关闭vscode删除索引文件cd ~/.config/Code/User/workspaceStoragerm -rf *2.重新打开vscode即可2. 波浪线报错在确认c_cpp_properties.json没有问题的前提下，考虑有重复的安装包，特别是在/opt/ros/下面有相同的.h文件。vscode会优先找到这个...

原创 vscode插件

bookmarksc/c++c/c++ extension packCMakeCMake ToolsDev ContainersDockerGit HistoryGitLenshighlight-wordsMarkdown All in OneOne Dark ProRemote-SSHROSTodo Treecatkin-tools

原创 用POSIX线程库创建带优先级的线程

#include <iostream>#include <pthread.h>void* threadFunction(void* arg) { // 线程函数逻辑 // ... return nullptr;}int main() { pthread_t thread; pthread_attr_t attr; ...

原创 vscode设置关键字高亮

下载highlight-words插件在settings.json文件中添加以下代码路径:(文件>首选项>设置>打开设置(json) 图标在右上角)"highlightwords.colors": [ { "light": "#b3d9ff", "dark": "cyan" }, { "light": "#e6ffb3", "dark"...