15、触觉算法验证方法

触觉算法验证方法

1. 引言

近年来,触觉交互在虚拟环境研究中成为一个不断发展的领域。触觉算法具有高度交互性,为实现逼真模拟,需实时计算反馈给用户的力。例如,多数实现中,力反馈算法需在小于 0.9 毫秒的触觉循环内执行,以达到 1kHz 的更新率;渲染非常坚硬的物体时,甚至需要 5 - 10kHz 的更高更新率。然而,对触觉算法正确性的研究却相对较少。

目前已有一些评估触觉算法的方法,包括理论方法和实证方法,但都存在一定的局限性。本文将介绍一种实证方法来评估力反馈算法,以下是具体内容。

2. 相关工作

2.1 现有评估方法

  • 理论方法 :尝试量化不同算法的时间复杂度,有助于更好地理解算法性能,但无法对时间复杂度相同的算法进行比较,且由于终端用户行为的影响,一些优化难以预测,因此需要结合实际测量。
  • 实证方法 - 极限测试 :如 Acosta 和 Temkin 比较不同版本的 GHOST 触觉 API 的性能,通过加载尽可能多三角形的物体,直到系统无法在触觉循环内处理信息,以此测试实现的极限,但未考虑低负载下的性能。
  • 实证方法 - 触觉负载测量 :使用工具测量触觉负载,即处理器在触觉循环中计算力所花费的时间。GHOST 触觉 API 提供图形工具以 10% 间隔显示触觉负载,可用于比较不同算法的性能,但无法提供可验证的准确数值结果。

2.2 现有方法的缺陷

当前评估方法存在重要缺陷,除缺乏准确数值结果外,还未

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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