8 止于至玄

尚未进行身份认证

我要认证

热爱机器人的研究生。

等级
TA的排名 2w+

我的Eigen学习笔记

本文介绍C++矩阵分析模板库Eigen的基本用法与实用技巧,内容持续更新。

2020-06-22 10:31:37

深度解析Franka机器人的运动生成与控制——libfranka

本文主要分析如何使用[Franka机器](https://frankaemika.github.io/docs/)人C++代码库libfranka来进行运动生成与控制。包含机器人学相关知识、Franka机器人的特性以及笔者在使用过程中的一点心得体会。笔者基于libfranka 0.8.0 版本进行开发调试。除了编程技巧外,本文还将在一定程度上讨论Franka 机器人官方运动生成与阻抗控制方法的基本特征,以及一些实际使用技巧。

2020-06-15 17:10:26

玩转Franka Panda机器人——libfranka

本文介绍Franka机器人C++代码库——libfranka的使用方法。

2020-05-25 20:28:37

实用四元数

四元数(Quaternion)相关的介绍材料非常多,这里针对其中几个实用问题进行阐述。

2019-12-10 13:04:37

从零开始玩转Franka Panda机器人

本文总结了笔者在学习使用Franka Panda机器人时的一些方法和经验总结。

2019-12-10 10:39:41

多元高斯分布简述

本文简单概括多元高斯分布的定义、性质与应用,内容会持续更新。

2019-09-19 10:53:21

浅谈高斯混合模型与EM算法 - An overview of GMM and EM algorithm

Expectation-Maximization 算法简述高斯混合模型(Gaussian Mixture Model, GMM)用EM算法学习高斯混合模型Expectation-Maximization 算法简述高斯混合模型(Gaussian Mixture Model, GMM)用EM算法学习高斯混合模型感谢李航——《统计学习方法》清华大学出版...

2019-05-30 22:54:06

Dynamic Movement Primitve - My Superficial Review

Let’s talk about the Dynamic Movement Primitive (DMP) for robots learning from demonstration. In this article, we make an assumption that you readers all have the background of control theory and robo...

2019-03-09 17:34:03

EFORT ER3A-C60 DH参数及仿真模型

本文主要介绍 EFORT ER3A-C60机器人 的模型参数(DH)及仿真模型搭建方案。可供使用该机器人的用户参考。文章目录DH参数MATLAB仿真V-REP仿真DH参数介绍该机器人的DH参数前首先大致介绍一下机器人运动学和DH参数的基本常识。机器人的运动学研究各个连杆之间运动的位移关系、速度关系和加速度关系。按照映射关系可分为前向运动学和逆向运动学,具体内容此处不作详细介绍,可参考此文...

2019-01-05 22:36:27

使用Python项目与 V-REP联合仿真 - Play V-REP with Python

OS: Win10 x64Python: Anaconda 3.XV-REP: V-REP PRO EDU v3.5.0文章目录下载、安装与支持环境准备一个简单的例子下载、安装与支持V-REP提供Windows、Linux和MacOS三个平台的应用程序支持,任意平台都提供教育版和专业版两个版本。教育版是免费的,因此后续教程我们均以教育版为例。安装方法也非常简单,Windows版按照正常...

2018-10-29 15:44:34

常用优化算法简述

本文介绍优化问题的基本概念与常用的优化算法,内容持续更新中。文章目录最优化问题简述无约束问题最优化方法线性规划约束问题最优化方法可行方向法(直接法)罚函数法(间接法)乘子法(间接法)序列二次规划法(间接法)遗传算法遗传编码个体适应度遗传运算最优化问题简述优化问题可概括为如下一般形式:求设计变量: x1,x2,…,xnx_{1},x_{2},\dots,x_{n}x1​,x2​,…,xn​...

2018-10-13 16:01:54

浅谈核函数与核方法

当输入空间为欧氏空间火离散集合,特征空间是希尔伯特(Hilbert)空间时,核函数(Kernel function)表示将输入从输入空间映射到特征空间得到的特征向量之间的内积。 核函数的应用十分广泛,例如使用核函数可以学习非线性支持向量机,等价于隐式地在高维的特征空间中学习线性支持向量机,这样的方法称为核技巧。核方法(Kernel method)是一种比支持向量机更为一般的机器学习方法。...

2018-08-02 11:09:20

浅谈强化学习中的策略梯度算法

本文将主要介绍基于策略梯度的强化学习算法。这里我们假设读者对强化学习的基本原理有一定了解。策略梯度法REINFORCEActor - Critic使用梯度进行估计或优化的方法可见于诸多领域,如凸优化和机器学习领域。在强化学习中,我们可以使用梯度来估计某个策略的价值函数或者直接估计策略。本文中我们仅讨论后一种情况。策略梯度法REINFORCEActor ...

2018-07-22 22:15:19

深度强化学习与 Deep Q-Learning(DQN)

本文中我们来探讨一下深度强化学习(以DQN为主)的原理与实例。这里假设读者对强化学习的基本原理与神经网络的基本知识已经有了一定的了解。初探深度强化学习DeepQ-LearningDoubleDQN带有优先回放的DoubleDQN(PrioritizedReplay)DuelingDQN初探深度强化学习DeepQ-Learning这里介绍的D...

2018-07-15 21:50:53

几种常见梯度优化方法

优化算法是机器学习领域的重要内容,本文介绍几种常见的无约束的优化算法,并给出Python实例。关于无约束问题优化方法的一般讨论请参考此文。梯度下降法动量法共轭梯度法自然梯度法梯度下降法动量法共轭梯度法自然梯度法...

2018-07-09 15:40:29

浅谈贝叶斯推断、朴素贝叶斯分类与MCMC

Thanks Cameron Davidson-Pilon for the great work of Bayesian Methods for Hackers: Probabilistic programming and Bayesian Inference.Popular Probability DistributionPoisson DistributonBinary Distr...

2018-07-06 17:19:16

Monte Carlo 方法与 MCMC 简介

Monte Carlo 方法也即随机模拟方法的别称,它的基本原理是:当求解随机事件方式的概率或随机变量的数学期望时,通过设计某种实验,得出某个特定事件发生的频率,使用这个频率来近似表示这一事件发生的概率,从而得到问题的数值解。 可以看出,Monte Carlo 方法包含三个核心问题:构造概率过程、从已知概率分布中抽样、建立估计量。静态 Monte Carlo 方法MCMCMetropo...

2018-06-20 16:05:51

浅谈几种基本的点估计方法及实例

参数估计有两种形式:点估计与区间估计。本文选择几种常用的点估计方法作一些讨论。用于估计未知参数的统计量称为点估计(量)。参数 θθ\theta 的估计量常用 θ^=θ^(x1,x2,…,xn)θ^=θ^(x1,x2,…,xn)\hat{\theta} = \hat{\theta}(x_{1},x_{2}, \dots, x_{n}) 表示,参数 θθ\theta 的可能取值范围称为参数空间,记...

2018-06-19 12:37:11

重要性采样简述

重要性采样(Importance Sampling)是统计学中的一种采样方法。它主要用于一些难以直接采样的数据分布上。假设有一个很复杂的概率密度函数 p(x)p(x)p(x) ,求解随机变量基于此概率下的某个函数期望,即 Ex∼p(x)[f(x)]Ex∼p(x)[f(x)] E_{x\sim p(x)}[f(x)] 如果采用解析法: Ex∼p(x)[f(x)]=∫xp(x)f(x)dxEx...

2018-06-07 14:12:28

基于V-REP的UR5 Pick-and-Place仿真实验(Lua 或 MATLAB)

OS: Win10 x64 V-REP: V-REP PRO EDU 3.5.0 MATLAB: R2016b本文给出两个基于V-REP仿真平台的 Pick-and-Place 仿真实验,用UR5和RG2完成。我们假设你已经掌握V-REP和MATLAB最基本的操作方法(不需要懂编程)。关于V-REP与MATLAB的联合仿真基础请参考此文。 环境准备示例1:Lua示例2:Lua...

2018-04-20 14:48:57

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。