- 博客(19)
- 收藏
- 关注
RSS订阅原创 HIL-SERL 概览与代码结构
HIL-SERL 提供了一套通用库，方便用户训练用于机器人操作任务的强化学习策略。主要的实验运行结构包括 actor 节点和 learner 节点，两者都与机器人 gym 环境交互。actor 和 learner 异步运行，actor 通过网络（基于 agentlace）向 learner 发送数据，learner 会定期将策略同步给 actor。这种设计为并行训练和推理提供了灵活性。
2025-07-16 16:23:21
299
原创 07_generate_replay_buffer.py
数据处理：从演示数据中提取机器人状态信息（夹爪位置、旋转、宽度等）图像预处理：包括标签修复、夹爪掩码、图像缩放、鱼眼校正等。数据存储：将处理后的数据保存为Zarr格式的回放缓冲区。视频处理：处理多个视频文件，提取图像帧并进行预处理。并发处理：使用多线程并行处理视频文件。
2025-07-14 12:11:54
193
原创 06_generate_dataset_plan.py
数据收集和预处理 - 收集视频元数据、相机轨迹、标签检测等数据视频匹配 - 将多个相机的视频匹配成演示片段夹爪识别 - 使用aruco标签识别夹爪硬件ID左右区分 - 区分夹爪的左右位置数据集生成 - 生成最终的数据集计划。
2025-07-14 12:06:13
241
原创 05_run_calibrations.py
输入：session 目录路径（命令行参数），以及目录下的相关数据文件。输出：每个 session 目录下的 SLAM 标定结果（tx_slam_tag.json）和（如有）gripper range 标定结果（gripper_range.json）。
2025-07-11 18:35:45
454
原创 UMI项目数据结构分析
SLAM管道：处理GoPro视频和IMU数据数据收集系统：支持多相机、多机械臂的数据采集扩散策略训练：基于收集的数据训练机器人操作策略。
2025-07-11 14:00:43
387
原创 run_slam_pipeline.py
本文介绍了一个UMISLAM管道的Python批处理脚本，它通过6个步骤系统化处理SLAM数据。脚本接收会话目录作为主要输入，包含原始视频和传感器数据，可选校准目录参数。处理流程包括视频处理、IMU数据提取、地图生成、批量SLAM计算、ArUco标记检测和校准等步骤，最终输出包含地图文件、SLAM结果和校准数据的完整处理结果。每个步骤的执行结果都会被验证，确保流程可靠性。该脚本作为自动化控制器，协调各子模块按顺序运行，为SLAM数据处理提供端到端解决方案。
2025-07-09 15:19:51
125
原创 现代迁移学习1 预训练-微调
给定一个待学习数据集，预训练-微调旨在利用先前的知识去学习一个由所表征的函数预训练一微调并不要求两个领域的类别空间一致。事实上，绝大多数预训练的应用中两个领域的类别空间均不一致。我们需要针对性地调整预测函数以最大限度地利用预训练好的网络。
2025-01-13 11:25:56
1948
2
原创 什么是HTML
标签符一般都是成对出现的，有一个“开始符号”和一个“结束符号”。结束符号只是比开始符号多加上了一个斜杠“/”。当浏览器收到HTML文本后，就会解析里面的标签符，然后把标签符对应的功能表达出来。HTML全称是Hyper Text Markup Language（超文本标记语言），它是网页的标准语言。HTML并不是一门编程语言，而是一门描述性的标记语言。
2025-01-09 16:09:44
202
原创 Web开发基础知识
对于前端开发来说，最核心的三个技术分别是：HTML、CSS和JavaScript。，全称Hyper Text Markup Language（超文本标记语言）。HTML是一门描述性语言，也是非常容易入门的语言。，全称Cascading Style Sheet（层叠样式表），是用来控制网页外观的一种技术。，就是我们通常所说的JS，是一种嵌入到HTML页面中的脚本语言，由浏览器一边解释一边执行。把“前端开发”看成是“建房子”，做一个网页就像盖一栋房子。建房子的时候，我们都是先把结构建好（HTML）。
2025-01-09 16:03:43
464
原创 基于几何特征变换的特征迁移方法CORAL
书上是76.35%，比PCA（书上是76.10%）好一丢丢，但我这俩运行结果都是76%，区别不大。CORAL方法的实现：对源域和目标域的特征求解协方差后再进行相应计算。编写一个函数fit接受源域和目标域特征。、输出经过CORAL变换后的源域。
2025-01-03 17:51:50
866
原创 基于样本权重的迁移学习：KMM
给定一个源域和目标域，其中。迁移学习的目标是当以下三种情形：1.特征空间不同，即；2.标签空间不同，即；3.特征空间和类别空间均相同、概率分布不同，即至少有一种成立时，利用源域数据去学习一个目标域上的预测函数，使得在目标域上拥有最小的预测误差（用来衡量）：
2025-01-03 16:49:13
1071
原创 迁移学习基模型构建：KNN
Office-31是视觉迁移学习的主流基准数据集，包含Amazon（在线电商图片）、Wencam（网络摄像头拍摄的低解析度图片）、DSLR（单发相机拍摄的高度解析图片）这三个对象领域。共有4110张图片，31个类别标签。
2025-01-03 15:05:52
429
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人