龙焰智能
无人驾驶 强化学习 LLM-Agent
展开
-
Ubuntu 20.04安装Ros Noetic及Ubuntu 18.04安装ROS Melodic(两版本详细填坑)
Ubuntu18.04安装ROS Melodic(详细填坑)最近学习ROS Melodic,网上有一些安装教程,但是不够详细,自己动手做了下,随手记下整个安装流程,并详细记录细节和遇到的问题,为后来者节省10来分钟足矣。本文参考《机器人开发实战》,作者无为斋主。ROS作为目前最受欢迎的机器人操作系统,它的核心代码采用C++编写并经由BSD许可发布。ROS源于2007年斯坦福大学和机器人技术公司...原创 2019-12-04 17:48:26 · 28494 阅读 · 57 评论 -
Ubuntu 18.04安装Apollo 6.0:从零开始到启动Demo(超多细节)
最近在以Apollo平台为模板学习无人驾驶系统,在安装Apollo时遇到一些小问题,故写一篇文章作总结,初步介绍Apollo平台,并详解安装过程。原创 2021-08-28 18:55:56 · 13307 阅读 · 23 评论 -
李群与李代数2:李代数求导和李群扰动模型
李群与李代数2:李代数求导和李群扰动模型1. 整体误差最小化引出求导问题2. BCH公式与近似形式3. 李代数求导前言:本篇系列文章参照高翔老师《视觉SLAM十四讲从理论到实践》的第四讲,讲解李群与李代数。写此篇的目的是为了补足《十四讲》中的数学类基础知识,原书内容有点像直译文献,因此笔者根据自己理解,对整体内容重新划分,更改了目录章节,同时扩展了部分内容,有书的同学可以参照阅读,达到事半功倍的效果。1. 整体误差最小化引出求导问题使用李代数的一大动机是进行优化,而在优化过程中导数是非常必要的信息。下原创 2021-07-08 12:59:28 · 1235 阅读 · 4 评论 -
李群与李代数1:对应关系及指数/对数映射
在SLAM中,除了表示旋转,我们还要对它进行估计和优化。因为在SLAM中位姿是未知的,而我们需要解决“相机位姿在哪儿最符合观测数据”这样的问题。一种典型的方式是把它构建成一个优化问题,求解最优的$R,t$,使得误差最小化。如前所言,旋转矩阵自身是带有约束的,即正交且行列式为1。它们作为优化变量时,会引入额外的约束,使优化变的困难。通过李群—李代数间的转换关系,我们希望把位姿估计变成无约束的优化问题,简化求解方式。...原创 2021-05-16 16:20:35 · 2389 阅读 · 6 评论 -
QtCreator与catkin命令两种方式开发ROS程序(图示加代码)
QtCreator与catkin命令两种方式开发ROS程序一、Qt Creator安装及开发ROS1.安装Qt Creator2.使用Qt Creator开发ROS1.创建工作空间2.创建程序包3.创建节点4.编译及运行编译运行最近学习无为斋主的《机器人ROS开发实践》的ROS编程部分,编译运行遇到了一些麻烦,所以记录下来,以免忘记和方便他人学习。ROS编译运行有两种方式:1、用IDE开发工具...原创 2019-12-13 18:18:38 · 2668 阅读 · 9 评论 -
深度强化Q学习-基于微软AirSim仿真环境的自动驾驶案例(原理代码详解简易可行)
最近在学习《强化学习原理与Python实现》,肖智清著。参考第十二章的自动驾驶案例,写一篇总结,尽量做到简单可行,让有志于自动驾驶的小伙伴可以通过此篇博客可以管中窥豹,初步了解自动驾驶的强化学习训练过程。本篇将自动驾驶问题转化为回合制的强化学习任务,设计以车辆观察图像和运行状态为输入的自动驾驶算法,并在AirSim仿真环境中进行训练和测试。本篇使用带经验回放和目标网络的基于深度Q网络算法设计并实现智能体,对经验回放、目标网络和深度Q学习算法进行简单介绍,并用代码实现。原创 2020-08-26 00:11:18 · 7839 阅读 · 54 评论