IEEE RAS 机器人最优控制（Model-based Optimization for Robotics）学习资料

已于 2024-11-18 10:16:29 修改
阅读量1.2k 收藏 20
点赞数 22
分类专栏： 机器人最优控制工具 文章标签： 机器人 自动驾驶 ROS 最优控制
于 2023-12-09 00:37:22 首次发布
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。
本文链接：https://blog.youkuaiyun.com/weixin_46300916/article/details/134889543
版权

系列文章目录

 

 

前言

电气和电子工程师学会机器人模型优化技术委员会

 

一、学习资料

1.1 教程和暑期学校

  • 2020 年 Memmo 欧盟项目暑期班
  • 2019年Memmo欧盟项目冬季学校
  • Matthias Gerdts（德国慕尼黑联邦国防军大学）在拜罗伊特 OMPC 2013 上举办的最优控制教程（Tutorials on Optimal control），第 1 部分 - 第 2 部分 - 第 3 部分
  • Katja Mombaur 和 Martin Felis（德国海德堡大学）在 2011 年于德国耶拿举行的动态行走会议上举办的教程 "动态行走的优化控制技术（Optimal control techniques for Dynamic Walking）"
  • 2010 年美国波士顿动态行走大会 "轨迹优化（Trajectory Optimization） "教程，作者：Manoj Srinivasan（俄亥俄州立大学）

1.2 在线课程

  • 斯蒂芬-博伊德（Stephen Boyd）（
了解本专栏 订阅专栏 解锁全文
Sequential Model-Based Optimization(SMBO)
lbf_ML的博客
02-20 9798
GP、SMBO
基于视觉的机器人抓取: 论文及代码(Vision-based Robotic Grasping: Papers and Codes)
dsoftware的博客
10-22 2万+
最近总结了基于视觉的机器人抓取的相关论文及代码，同步于github。根据抓取的类别，基于视觉的机器人抓取可以分为两类：2D平面抓取以及6D空间抓取。这个页面总结了近年来涉及到的各种各样的方法，其中大部分都使用了深度学习。总结的中文框架结构如下： 0.综述论文 1. 2D平面抓取 这类方法将抓取，用平面内旋转的矩形框表示； 1.1基于RGB或者RGB-D的方法 采用基于目标检测类的方法，直接得到2D...
IEEE RAS 技术委员会 - Technical Committees
weixin_46300916的博客
12-09 1177
技术委员会 (Technical Committees，TC) 专注于 IEEE 机器人与自动化学会的研究内容，跟踪技术发展并鼓励在以下方面进行创新：应用（applications）、理论（theory）、模型（models）、度量（metrics）、实验（experiments）、架构（architectures）、产品（products）、计划（initiatives）和其他技术领域。45 个技术委员会鼓励在特定领域开展研究。
探索未来AI训练的高效路径：Model-based Offline Policy Optimization（MOPO）
gitblog_00019的博客
06-06 556
探索未来AI训练的高效路径：Model-based Offline Policy Optimization（MOPO） 项目地址:https://gitcode.com/gh_mirrors/mo/mopo 在机器学习领域，特别是强化学习的前沿探索中，Model-based Offline Policy Optimization (MOPO) 正在引领一场革新。本篇文章将深入解析这一强大的开源工具...
model based optimize? discriminative learning?有何区别？
thankyvision
07-09 426
如题，究竟有何区别呢？在看图像复原（超分）的论文IRCNN(Image Restoration by Convolution Neural Network)的时候，有所领悟哈，觉得写的很明白，只可意会，不可言传，翻译如下： 首先，明确两个英文单词： matrix : 矩阵 matrices: matrix的复数形式，多个矩阵 The model　based optimization...
首届IEEE RAS峰会，为什么大厂阿里、字节、腾讯都参加了？
存储随笔
06-10 1329
在数据中心的运维中，DRAM作为服务器的主要存储资源，因其速度和成本效益而备受青睐。然而，DRAM故障却可能导致计算错误，直接影响服务器的可靠性、可用性和可维护性（RAS），进而威胁数据中心的持续运营。技术进步如量子计算、边缘计算、以及持续增长的数据流量对数据中心的硬件和软件架构提出了更高要求，需要新的策略和技术来应对潜在的故障点，减少停机时间，并简化维护流程。，例如，随机单比特错误可通过ECC修正，其他类型的错误则需采用不同技术，如系统ECC、SDDC、EDAC、PPR及英特尔MRT。
史上最全 2019 ICRA顶会四足机器人文献整理
weixin_43945120的博客
04-06 1万+
史上最全 2019 ICRA顶会四足机器人文献整理一、ICRA论文集中相关文献对应subsession时间二、文献整理内容 一、ICRA论文集中相关文献对应subsession时间 15:15-16:30, Subsession TuCT1-14, 220 Legged Robots I - 2.3.14 Interactive Session, 6 papers 15:15-16:30, Sub...
model-based强化学习入门
小星AI
10-09 5322
参考视频：周博磊强化学习纲要 阅读本文前需要对强化学习model-free领域有一定的了解，可以查看我之前的文章：《强化学习实践教学》，《强化学习纲要（周博磊课程）》 之前介绍的算法例如DQN，DDPG，PPO都是**model-free（无模型）**的，这也是比较多人的研究领域，这些算法是智能体直接和环境互动获得数据，不需要拟合环境模型，智能体对环境的认知只能通过和环境不断大量的交互来实现。这样做的优点是通过无数次与环境的交互可以保证智能体得到最优解。往往在游戏这样的没有采样成本的环境中都可以用model
汇总：机器人学领域的顶级期刊和会议
Cai_deLong的博客
01-06 1万+
机器人学(Robotics)涉及机械、控制、计算机和电子等领域，是十足的交叉学科，所涉及的概念和技术也非常多。 因科研关系，需要大量读Paper借鉴思路，了解前沿的研究进展。之前读文章总是像无头苍蝇一样在知网、百度学术、谷歌学术上一顿搜索，看题目和摘要和自己的研究相关，大致选择比较感兴趣的就往下细读，费时费力读完往往发现收益不大，要么是文章包装很好，其中的逻辑细节、实验设置、结果呈现缺令人不敢恭维，要么是它的确有可圈可点的地方，但是因没有开源代码或者相应的研究不成体系(无法溯源到大的研究团队)，不能跟踪学
干货 | 浅谈机器人仿真平台
小米云技术
06-27 2万+
“仿真是机器人学习和研究过程中最重要的工具之一，是指通过计算机对实际的物理系统进行模拟的技术。机器人仿真基于交互式计算机图形技术和机器人学理论，生成机器人的几何图形，并对其进行三维显示，用来描述机器人及工作环境的动态变化过程。本期技术干货，我们邀请到了小米工程师——谢岩，以机器人仿真平台为主要讨论对象，从仿真的必要性到仿真评价指标，结合具体的物理引擎和仿真软件，多层次介绍机器人仿真平台。”一、仿真...
最优化学习笔记1——关于拟牛顿法推导
xiaofei473的博客
04-15 1549
从2020年3月份到现在，一年的时间里断断续续自学最优化，结合豆瓣读书、知乎等网站上的推荐，翻阅了以下书和课程： Stephen Boyd和Lieven Vandenberghe的《Convex Optimization》，这本书被公认为学习凸优化的必读经典著作，其中大量的篇幅讲应用，讲理论和算法的篇幅稍少一些。在B网站上有Boyd的视频课程，油管上也有，不过只有英文字幕，如果是零基础接触，直接看Boyd的视频稍显费劲，B站上也有凌青老师以《Convex Optimization》为教材的讲解，推荐作为入
【机器人领域几大国际会议】
zhubo22的专栏
04-05 2万+
【机器人领域几大国际会议】 (1)ICRA：IEEE International Conference on Robotics and Automation，即IEEE机器人和自动化国际会议，由IEEE Robotics and Automation Society (RAS,机器人和自动化学会)主办，该领域规模（千人以上）和影响力最大的顶级国际会议。至今（2012年）已经成功举办了29届，只在
[强化学习]区分Model-free和Model-based方法
热门推荐
一番の宝物
11-13 4万+
所以，如果你想查看这个强化学习算法是model-based还是model-free的，你就问你自己这个问题：在agent执行它的动作之前，它是否能对下一步的状态和回报做出预测，如果可以，那么就是model-based方法，如果不能，即为model-free方法
AI电销机器人智能的发展趋势是什么？
ai_vx_3307623172的博客
06-09 346
未来，随着ASR（语音识别）、大模型技术的突破，其理解力与创造力将更逼近真人，推动电销全面迈入“智能增效、人机协作”的新阶段。同时，内置的合规引擎严格遵循通话时长限制、禁止骚扰名单等法规，规避法律风险，保障接通率稳定在行业基准线之上。强化学习让机器人在海量通话数据中自我优化，自动筛选高意向客户，预测最佳沟通时段与话术，将人工坐席从80%的低效呼叫中解放。结合语音、文本甚至图像信息（如客户浏览记录），构建360°客户画像，实现更精准的推荐与转化，响应时间缩短至5秒内。
台湾TEMI协会竞赛——1、龙舟机器人组装教学
shidisy的博客
06-11 440
本指南详细介绍了3D打印龙舟的组装步骤和注意事项。组装前需注意：避免用力过大导致结构断裂；关机时轻转舵机部件；开启电源后严禁强行扳动舵机；使用合适重量的移动电源供电；做好防水措施。组装过程包括：船身组装（主马达座、传动轴、旋转轴安装）、龙头龙尾组装（舵机复位、部件连接）以及人形组件安装（左右人身部件组装）。特别提醒各部件螺丝不要拧得过紧，以免影响马达运转。所有组件均为3D打印件，需小心操作防止断裂
顶顶通电话机器人功能列表
FreeSWITCH二次开发-CTI接口
06-11 494
AI对话记录，可区分抢话，还是放音后用户说话，可显示放音多少秒用户开始说话。支持大模型回答后处理，就是大模型返回的内容和预设关键词匹配执行不同流程。嵌套式多轮对话时，就是多轮对话时可以回答主流程问题。挂机时使用大模型对通话内容进行分类和总结。未匹配到关键词也结束流程(仅放音结束后)未匹配到关键词也结束流程(包含放音时)使用大模型选择流程执行分支。大模型和关键词、正则表达式混合使用。提示词嵌入RAG查询结果。每个节点单独设置提示词。使用大模型优化流程回答。检测到声音就暂停放音。检测到按键就停止放音。
到院率最高提升40%，消费医疗用AI营销机器人跑赢增长焦虑
Live800智能客服
06-10 609
消费医疗行业面临专业咨询师短缺问题，人工客服因专业知识不足、服务不稳定导致投诉增加40%。AI营销机器人通过深度学习和大模型技术，能够独立完成咨询全流程，7*24小时高效接待，显著提升获客转化率。在高峰期可智能分流客户，实现人机协作，降低流失率。美莱集团应用后获客率提升5%-35%，成本降低50%-90%。AI机器人还能与业务系统集成，提升工作效率。在流量红利消退的背景下，AI技术成为消费医疗机构提升竞争力的关键，建议尽早布局智能化服务体系建设。
Hello Robot发布Stretch3机器人高保真模拟平台-Stretch MuJoCo v0.5-涵盖数百种Robocasa厨房应用测试场景
欣佰特cnbestec的博客
06-11 723
HelloRobot团队发布StretchMuJoCov0.5高保真仿真平台，专为Stretch3机器人设计。该平台基于MuJoCo物理引擎，支持Ubuntu、MacOS和Windows系统，提供实时仿真、丰富Python库及数百种厨房测试场景。关键特性包括ROS2深度集成、无头模式云端运行、高级API支持可变形物体仿真。平台配备详细文档，助力开发者快速实现算法验证与部署，推动具身智能研究发展。GitHub已开源项目代码。
社交机器人具身导航新范式！AutoSpatial：通过高效空间推理学习实现机器人视觉语言推理和社交导航
最新发布
weixin_37990186的博客
06-12 476
AutoSpatial通过结合自动标注数据和少量手动标注，显著提升了VLM在社会导航中的空间推理能力。
评论
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