- 博客(177)
- 资源 (6)
- 问答 (7)
- 收藏
- 关注
RSS订阅原创 基于联邦强化学习的集群机器人协同导航
在收集24个激光传感器读数后，将读数归一化到[0,1]之间，并将归一化读数反向，以便当障碍物接近机器人时，归一化传感器读数接近1，从而进行更有效的神经网络训练。由于群居昆虫能够集体完成单个个体无法完成的具有挑战性的任务，因此群体机器人系统有望在动态复杂环境下完成单个机器人难以完成的具有挑战性的任务。在原论文中，SEDDPG的优点是通过共享可以鼓励探索，从而更快收敛和更好的性能。在模拟评价实验中，每个agent在训练阶段使用4个训练模型，在20次以上的环境中平均4个agent的表现，计算出成功率和完成时间。
2024-03-17 19:38:34
1539
32
原创 机械臂实验入门知识
机械臂的机械机构由一系列刚性构件（连杆）通过链接（关节）联结起来，机械手的特征在于具有用于保证可移动性的臂（ arm )，提供灵活性的腕（ wrist ）和执行机器人所需完成任务的末端执行器（ end - effector )。机械臂的运动能力由关节保证。两个相邻连杆的连接可以通过移动关节（ prismatic joint）或旋转关节（ revolute joint）实现。在一个开式运动链中，每一个移动关节或转动关节都为机械结构提供一个自由度（ degrees of freedom , DOF )。
2024-03-17 18:51:34
476
5
原创 【具身智能】开放词汇移动操控(OVMM) 实验复现教程（Habitat-challenge2023）
HomeRobot：开放词汇移动操作 (OVMM) 挑战赛的目标是创建一个平台，使研究人员能够开发能够导航陌生环境、操作新颖对象以及从封闭对象类别转向开放词汇自然语言的代理。该挑战赛旨在利用机器学习、计算机视觉、自然语言和机器人技术的最新进展，促进具体人工智能的跨领域研究。本文复现了habitat具身智能挑战赛的实验，希望可以帮到相关研究人员。
2024-03-15 21:11:59
1277
17
原创 【日常问题】huggingface git代理解决访问受限（代理方式）
通过代理，可以监控和记录网络流量，检测恶意活动，并提供额外的安全层，如防火墙和入侵检测系统。网络代理是一种充当网络中间人的设备或服务，用于代表用户或设备执行网络请求。此外，代理还可以实施内容缓存，加速对常见资源的访问，减轻网络流量和提高响应速度。通过选择最佳路径，代理可以提高数据传输的效率，并降低延迟。由于这个操作是操作的环境变量，所以对全局生效，如果出现其他问题（例如pip ssl验证失败，记得回退）通过代理服务器，可以对网络流量进行优化，例如使用压缩算法、缓存静态资源等，从而提高整体网络性能。
2024-03-13 11:07:29
1868
3
原创 【具身智能】facebook home-robot环境搭建
HomeRobot：一种经济实惠的兼容机器人，可以在家中导航并操纵各种物体以完成日常任务。开放词汇移动操纵（OVMM）是指在任何看不见的环境中拾取任何物体并将其放置在指定位置的问题。对于机器人成为人类环境中有用的助手来说，这是一个基本挑战，因为它涉及解决机器人技术中的子问题：感知、语言理解、导航和操作对于 OVMM 来说都是至关重要的。此外，整合这些子问题的解决方案也带来了巨大的挑战。
2024-03-13 11:05:49
671
6
原创 Ubuntu20.04开启/禁用ipv6
redhat等/etc/hosts：配置主机名(域名)和IP地址的对应/etc/sysconfig/network：配置主机名和网关/etc/sysconfig/network-scripts/ifcfg-：eth0配置文件,eth1则文件名为ifcfg-eth1,以此类推/etc/resolv.conf：配置DNS客户端(关于使用哪个DNS配置)
2024-02-23 14:33:22
1505
1
原创 ROS bridge内网穿透例程
ros_bridge使用的是websocket的通信机制此处为内网穿透工具的使用 ，将远程的服务器ROS映射到本地端口。
2024-02-04 13:48:24
400
7
原创 【具身智能】目标导航实验复现详细教程
参考论文Object Goal Navigation using Goal-Oriented Semantic Exploration。复现经典机器人顶会视觉目标导航实验，提供细节的过程问题与解决办法，希望可以帮助到人工智能以及机器人领域的研究初学者。
2024-02-04 11:55:28
1760
22
原创 【具身智能】Habitat挑战赛2023环境搭建
以保证docker可以在运行时使用NVIDIA的Container。我们暂时模拟一下，在mini数据集的目录中创建链接，以适应程序中对于。创建链接，将数据集链接到挑战赛的目录中。在你需要的DockerFile中添加。切换到项目的docker目录。此时，验证集等划分按照。
2024-01-31 18:07:06
727
6
原创 【日常问题】Failed to enable unit: Unit file docker.service does not exist.
笔者问题的产生是因为在ubuntu20.04下采用snapd安装的docker，因此并不能找到守护进程同时使用docker命令时还会产生若干连接的权限问题。
2024-01-31 09:45:06
1674
2
原创 【具身智能】AI仿真工具-Habitat安装教程
一种灵活的高性能 3D 模拟器，具有可配置代理、多个传感器和通用 3D 数据集处理（内置对 MatterPort3D、 Gibson和其他数据集的支持）。：用于具身智能端到端开发的模块化高级库 - 定义嵌入式人工智能任务（例如导航、指令遵循、问答）、配置嵌入式代理（物理形式、传感器、功能）、训练这些代理（通过模仿或强化学习，或者像经典 SLAM 那样根本不学习），并使用标准指标在定义的任务上对他们的表现进行基准测试。
2024-01-30 11:27:04
966
9
原创 浅述热点方向-具身智能
人工智能、机器学习和计算机视觉的最新研究趋势催生了一个不断增长的研究领域，称为“具身智能”。Facebook 人工智能研究中心 (FAIR) 和英特尔实验室一直在引领嵌入式人工智能领域的新项目。“体现”被定义为“为想法提供有形或可见的形式”。简而言之，“Embodied AI”的意思是“虚拟机器人的人工智能”。更具体地说，嵌入式人工智能是为虚拟机器人解决人工智能问题的领域，虚拟机器人可以在虚拟世界中移动、观看、说话和与其他虚拟机器人交互——然后将这些模拟机器人解决方案转移到现实世界的机器人上。
2024-01-10 21:49:26
1288
11
原创 【Gazebo】场景模型生成及生成坐标不正确问题
本文介绍了rospy在gazebo中创建和删除模型的基本逻辑和代码示例，并举例了一个在创建时坐标不正确的情况的解决方案
2023-12-14 17:16:21
588
11
原创 ROS rviz常用可视化插件
TF是ROS中的一个库，用于管理和查询不同坐标系之间的关系，尤其在机器人系统中常用。args中是配置文件路径，自己在rviz中设置的可视化组建的组合以及参数都会保存在这个文件中，启动后会加载，这样的效果是不必在每次启动rviz后都去重新添加需要的可视化组件。在RViz中，Map（地图）的参数通常是通过Map显示属性进行配置的，以显示静态地图或实时地图数据。此参数最为重要，可以选择接收的地图话题，一般/map为SLAM或者直接加载的静态地图，也可以选择代价地图，例如。用于设置可视化中点云数据点的颜色范围。
2023-09-12 16:12:34
2459
29
原创 ROS地图/像素坐标描点调试【Python源码实现】
在ROS开发中，有时会加载图片文件转为地图载入move_base，这个时候调试程序的时候会有像素坐标系到map坐标系的转换，需要确认自己的程序是否正确的达到了转换的目的，那么需要这样一个工具来描点，然后消除点，可以用Debug的方式逐步运行，保证绘点和消除点的效果正确性。在图片格式的地图中，地图有自己的像素坐标系，对于转换关系在笔者之前的博客中已有提及。那么在map坐标系到像素坐标系的转换中，需要验证像素坐标系生成是否正确，这一点比较重要，像素坐标系的像素点表达了占据栅格信息。以debug的形式，消除点。
2023-09-07 12:06:57
1288
74
原创 【ROS】例说mapserver静态地图参数（对照Rviz、Gazebo环境）
其中数据部分表明了，未知区域为-1，其他数值为占据概率，取值范围为[0,100]，结合上面的配置，不难得出，在生成的地图中，取值65以上的点为黑色点，取值19.6以下的为白色点，灰色未知区域为-1。这行指定了地图的原点，也就是地图中(0, 0)栅格的位置。在建图过程中，rviz会显示建图的实时情况，其输出来自于SLAM，浅蓝色区域为地图大小，黑色像素为障碍物占据栅格，白色区域为自由区域。将栅格数量修改为10，栅格大小修改为2后，发现其占5个格子，仍然是10m，同时，所建的静态地图仍然为精度0.05，尺寸。
2023-09-05 10:07:35
1500
55
原创 【综述】跨模态可信感知
随着人工智能相关理论和技术的崛起，通信和感知领域的研究引入了一种全新的模式。传统的通信方式不再局限于传统的调制信号，而是可以利用各种介质收集数据并进行编码。同样，感知的输入也不再受限于传感器的数据，而可以包括来自手机扬声器的音波振幅和能量等信息。这一创新使得在原本没有直接控制关系的运动和声波等数据模式之间实现了跨界控制，为跨模态的方法在控制安全方面带来了挑战。在面对跨模态可信感知的安全问题时，各大设备厂商也纷纷采取一系列对策，限制对数据的感知。
2023-09-02 23:42:07
634
56
原创 Gazebo仿真环境下的强化学习实现
实际上利用Gazebo进行强化学习无非是环境获取上的不同，Gazebo的环境控制需要使用ROS服务进行控制，状态可以通过Gazebo进行获取，同时某些必要数据需要从话题中获取，最重要的是组织获取 的数据（通过话题等）与控制Gazebo的仿真步骤之间的组合。强化学习的手段与传统算法无异，强化学习方法最重要的是要确定动作空间、状态空间、奖励空间，这三个空间是work的前提。在笔者自己的环境中，将获取里程计的话题以及获取激光点的数据替换成为了自己的本机的仿真环境匹配的话题。
2023-09-01 20:40:36
1649
16
原创 ROS获取目标点导航完成状态（rospy）
一种常见的方法是使用ROS的Action服务器（Action Server）和Action客户端（Action Client）来监视导航的状态。话题消息的状态字段（status）可以有多种不同的取值，每个取值表示不同的导航状态。可以根据你的应用程序需求来监视这些状态，以确定导航任务的进展和结果。方法来等待导航完成，并检查返回的结果来确定导航是否成功完成。，对于导航完成情况的状态可以使用Action的客户端实现，需要导入。6：PREEMPTING（正在中断） - 导航目标正在被中断。
2023-09-01 17:09:29
601
3
原创 Gazebo GPU加速【gzserver running in GPU】
Gazebo仿真帧率极低，fps在10以下，同时显卡驱动已安装，但是跑Gazebo仍然消耗CPU严重。通过nvidia-smi查看，gzserver和gzclient均不在GPU中消耗显存，怀疑GPU未对Gazebo有效工作。本机环境：CPU：12490FGPU：RTX3060（GRAM 12G）GPU Driver：535.104.05CUDA：12.2
2023-08-27 13:39:51
2686
24
原创 darknet yolo make报错，缺少instance-segmenter.o的规则
Makefile没有识别到对于instance-segmenter.o的编译规则，但其实instance-segmenter.cpp是存在的。由于删除了instance-segmenter.o，导致最终darknet生成会缺少一个依赖。
2023-08-26 22:20:40
331
4
原创 基于注意力神经网络的深度强化学习探索方法：ARiADNE
基于深度强化学习(DRL)的ARE方法，在注意力机制的加持下，允许智能体在不同的空间尺度上推理局部地图中不同区域的依赖关系，从而允许智能体在不需要优化长路径的情况下有效地对空间非近视决策进行排序。首先将自主探索表述为覆盖已知可穿越区域的无碰撞图上的顺序决策问题，其中一个节点是机器人的当前位置。然后，使用基于注意力的神经网络选择机器人当前位置的一个相邻节点作为机器人的下一个视点。
2023-08-13 15:31:29
717
17
原创 STM32CubeMX联合CLion开发环境搭建
优雅的进行STM32开发，MDK已经不是唯一的选择，依托jetbrains系列开发工具的高效和舒适的开发体验，稚晖君也对STM32CubeMX与CLion的联合开发环境进行了推荐，同时HAL库又是官方推荐，提升开发体验势在必行。
2023-06-28 11:10:07
815
38
原创 【自注意力机制必学】BERT类预训练语言模型（含Python实例）
BERT（Bidirectional Encoder Representations from Transformers）是一种预训练模型，它是自然语言处理（NLP）领域的重大里程碑，被认为是当前的State-of-the-Art模型之一。BERT的设计理念和结构基于Transformer模型，通过无监督学习方式进行训练，并且能够适配各种NLP任务。预训练模型是指在大规模文本数据上进行大量无监督训练，学习得到丰富的语言表示。
2023-06-22 20:44:47
6449
53
原创 移动机器人底盘-四轮差速模型（四轮独立）
对于底盘的前轮和后轮来说，其速度是同步的，那么在理想条件下，可以将底盘运动视为以ICR为圆心做圆周运动，对于四个轮子来说，圆周运动的角速度是一致的，圆周运动圆心ICR始终位于底盘几何中心COG的y轴延长线上，ICR与COG之间的距离。有关，整个底盘的速度位于速度瞬心COM处，用。四轮差速底盘设定左轮、右轮得速度分别为。圆周运动的角速度公式如式1所示。受约束，约束与圆周运动的角速度。合成，设四个轮子的速度分别为。，设左轮和右轮之间的轴距为。为圆周运动角速度，线速度为。，其均由预设目标速度。
2023-06-19 01:12:16
5185
46
原创 经典基于外观的SLAM框架-RTABMAP（RGBD视觉输入方案）
RGB-D的视觉传感器数据输入SM内存块，本内存块对传感器的观测数据进行数据降维、特征提取、位姿计算后，加入STM内存块，在STM内存块添加时序相邻的节点若相似度较高，则对两个节点进行权重更新的融合计算，当STM区满后，挑选最早加入STM的节点移出，并加入到WM进行后续的闭环检测搜索节点储备，WM中的闭环检测涉及词袋模型和贝叶斯滤波，视觉词袋用于计算两个节点之间的相似度，贝叶斯滤波器维护节点之间的相似性。Core（核心）：这是RTAB-Map的核心模块，提供了地图构建、回环检测和姿态估计等功能。
2023-06-15 10:32:43
4838
26
原创 基于双视角图表示算法的双向人职匹配偏好建模推荐系统构建
针对偏好匹配问题，采用了双视角图表示学习的算法模型对问题进行了双向偏好建模；通过模拟交互记录的手段，丰富化了数据的语义信息，数据采用look-table和BERT接线性层混合编码的方式进行连接充分提取语义特征并组合偏好ID；将求职者与岗位分为主动选择偏好节点与被动偏好节点的形式，对图神经网络进行建模，通过构建混合偏好传播的策略，更新整个网络；通过自监督增强的双视角排序优化策略，定义四元损失函数的方式优化正样本和负样本距离的偏阶，为求职者和招聘信息的两种表示运用了双视角对比学习的优化函数；通过最大化一致性和最
2023-06-06 22:17:40
2229
38
原创 基于深度强化学习的目标驱动型视觉导航泛化模型
目标是仅使用视觉输入就能导航并到达用户指定目标的机器人，对于此类问题的解决办法一般有两种。基于地图的导航算法或者SLAM系统与最先进的物体检测或图像识别模型的局限性深度卷积神经网络(cnn)与强化学习(RL)相结合的方法优势 深度强化学习(DRL)确实允许以自然的方式管理视觉和运动之间的关系，并且它在无地图视觉导航和许多其他机器人任务中显示出令人印象深刻的结果。局限 在目标驱动的视觉导航中，算法的每次运行都可能指定不同的目标。强化学习不同目标点解决方案在策略中嵌入目标目标和当前状态。由两个网络组成的
2023-05-23 22:47:22
2263
74
原创 【机器人仿真Webots教程】-控制器编程指南
在每个controller中都有，定期调用，因此通常放在主循环中，参数代表毫秒数，，为控制步骤的持续时间，函数根据设定的毫秒数进行仿真返回计算值，仿真时间量并不是真实的时间，在实际中可能是1毫秒或者一分钟的时间。在 Windows 上，根据 Windows 语法，冒号将替换为分号，斜线将替换为反斜线。返回-1，控制器进程不再与webots进程通信，在实际时间的1s后，如果控制器程序没有主动终止，Webots进行将发送SIGKILL信号杀死控制器进程，并给控制器程序足够的时间完成数据的转储和文件关闭。
2023-05-08 10:50:58
4635
42
原创 生成模型经典算法-VAE&GAN（含Python源码例程）
深度学习是一种人工智能的技术，其最大的特点是能够对复杂的数据进行分析和处理。在深度学习中，生成模型和判别模型是两个重要的概念，它们可以帮助我们更好地理解深度学习的工作原理并实现不同的任务。生成模型和判别模型的区别在于，生成模型是通过学习输入数据的联合分布来进行预测和生成新的数据，而判别模型则是通过学习输入数据与输出标签之间的关系来进行分类和识别。具体来说，生成模型主要用于生成新的数据样本，例如图像、语音、文本等。其基本思想是通过学习输入数据的联合分布，然后从这个分布中采样来生成新的数据。
2023-05-03 12:20:45
2755
44
原创 【机器人仿真Webots教程】-Webots安装
webots是一个开源3D移动机器人仿真框架。其为Cyberbotics公司旗下研发开源框架，为机器人的建模、编程和仿真提供了完整的开发环境。Webots内核基于开源动力学引擎ODE和OpenGL，可以在Windows、Linux和macOS上运行，并且支持多种编程语言(C/C++，Python，Java，MATLAB)。Webots的主要功能是机器人的建模、控制与仿真，用于开发、测试和验证机器人算法。其内核基于ODE引擎，动力学仿真效果较为真实。
2023-04-18 17:07:20
4978
33
原创 我的创作纪念日
首次来CSDN进行创作是本科阶段老师的数据结构与算法课程平时课程要求，当时是大学二年级上学期，贺老师要求我们要在课堂学习之后进行实践，计算机类学科仅靠理论学习是远远不够的，当时我们在每一个专题文章之后都会实际编写一些实践实验代码，这也为以后的发展道路打下了坚实的基础。迄今为止，我访问量最高的文章仍然是本科做过的课程设计。数据结构课程设计–航空客运订票系统感谢恩师的领路，来到了CSDN至今还能找到当年的班级主页数据结构课程主页-2016级课程结束之后，CSDN记录笔记的方式用的少了，一直也对写作和
2023-04-17 19:54:14
479
10
原创 深度强化学习【1】-强化学习入门必备基础（含Python迷宫游戏求解实例）
强化学习是以奖励作为目标的机器学习方法，其思路仿照生物的经验学习方法，其没有标签数据，所以奖励是非常重要的指标，强化学习方向的最终目标是将总奖励最大化，奖励的建模设计引导整个强化学习的走向。其基础概念包含策略、动作、状态、价值函数等，配有迷宫实例进行结合讲述。
2023-04-16 23:06:51
2258
32
原创 RT-Thread线程管理以及内核裁剪
内核是一个操作系统的核心，是操作系统最基础也是最重要的部分。它负责管理系统的线程、线程间通信、系统时钟、中断及内存等。下图为 RT-Thread 内核架构图，可以看到内核处于硬件层之上，内核部分包括内核库、实时内核实现。这个过程其实就是将硬件抽象的过程，这种抽象的思想就是基础的数据结构与算法的实现，这里就是一个为实体建模的过程，前后端反映为为接收的entity建立类模型，后端为数据建模可以联想我们的DAO与数据流过程，哪怕是我们的运维，也可以考虑网络适配器与配置文件的关系。
2023-04-12 16:57:41
1418
7
原创 Thingsboard开源物联网平台智慧农业实例快速部署教程（三）【源码部署及logo更换】
需要操作的logo图在ui-ngx模块下。其中，在浏览器页签上显示的为thingsboard.ico，其为ico图标，网上也有很多转换为ico图标的工具。在登录页面和thingsboard后台的左上角的logo即为svg矢量图，存放在ui-ngx的src下的assets下，命名为logo_title_white.svg，打开该图像。设置完仍然会出现安装的超时报错，考虑外网问题，报错的包地址为https://github.com/MichaelZinsmaier/CurvedLines.git。
2023-04-06 09:33:28
3092
37
原创 图像分割技术及经典实例分割网络Mask R-CNN（含基于Keras Python源码定义）
图像分割技术是可以浅显的理解为精细化的目标检测过程，由于之前的目标检测算法只能使用标定框框定规则区域，从而进行分类，标出目标的大题区域，但是，在譬如自动驾驶领域，仅仅只有一个规则的区域去框定目标还是不够的，比如碰到车道线，那么仅仅用一个矩形区域框定车道线并不能准确地指导车辆的下一步动向，所以我们需要一个能够追溯细节的新应用领域，来将检测到的目标精细化。图像分割即为图片的每个对象创建一个像素级的掩膜，这样可以追溯到目标轮廓的更多细节。下图为细菌的图像分割例子，为每个细菌做了图像分割。
2023-04-02 13:21:18
6455
60
原创 Thingsboard开源物联网平台智慧农业实例快速部署教程（二）【手把手部署UI与动态数据】
笔者上一篇博文详细介绍了tingsboard的快速部署，本次教程让整个页面动起来，快速完成一个完整动态页面的开源物联网平台智慧农业的案例，手把手每一步都有图示，附带模拟数据的shell脚本，方便没有硬件的读者也可以迅速完成实践。
2023-03-26 16:01:26
2986
19
原创 ThingsBoard开源物联网平台智慧农业实例快速部署教程（Ubuntu、CentOS适用）
安全组策略需要在你的云实例控制台上自行配置，而防火墙因人而异，你的服务器用iptables或者firewalld均有不同的操作方式。我们没有经过消息队列等辅助高效缓存配件的安装，后续需要用到MQ、Kafka等可以再行安装，这里采用纯内存的策略。客户组里添加一个用户，激活方式可以选择激活链接或者邮箱链接，我们是测试，邮箱也是虚构的，那么就选择链接激活。注意下面的配置内容可选，如果你的服务器内存是1G的，比较受限，需要额外配置以下jvm以保证效率。选择JDK11对应的版本切换到当前的环境下。
2023-03-22 12:35:18
3765
51
原创 开源物联网平台推荐介绍
本周调研了三个开源物联网平台，RT-Thread、ThingsBoard、Kaa，并大致从技术栈、使用等方面做了对比，并对其做了个人总结，欢迎物联网界大佬提出更宝贵的意见，在此表示感谢
2023-03-21 19:13:46
4342
3
原创 人脸识别经典网络-MTCNN（含Python源码实现）
mtcnn为一个经典的人脸识别的卷积神经网络，其使用的图像金字塔作为一种常用的尺度处理手段，一致在CV领域流行使用，mtcnn提出了P-Net、R-Net、O-Net分层的处理人脸信息、提取特征并优化标定框的方式，有很大的借鉴意义，本文从应用层面介绍了mtcnn，并给出了代码实践方案。
2023-03-19 15:28:37
12825
147
软件工程实验报告-自己设计操作系统50个UML图
2023-01-05
AI数据集格式转换Python源码
2022-02-19
Visual Assist X10.9 Build 2341.2.zip
2021-12-17
ChatApp_Java.zip
2021-11-08
Markdown中有全称量词和存在量词吗？
2021-11-28
学生党请教课程设计简单输出有没有在线生成器
2017-12-07
STM32C语言位操作符的知识
2017-10-21
ARM小白请教大神，对于这些任务，近期我应该怎样去学
2017-09-13
向大神求助！！ubuntu不能连接wifi
2017-09-03
双系统ubuntu键盘触摸板失灵
2017-09-02
win10和ubuntu双系统启动安装崩溃
2017-08-30
TA创建的收藏夹 TA关注的收藏夹
TA关注的人