matlab模糊控制代码模糊Q学习机器人 作者 : , , 该项目为应用于移动机器人的模糊 Q 学习提供了概念证明。 模拟和环境只需要 GNU Octave,这也应该适用于 Matlab,但我们建议您使用 GNU Octave。 主要建议是能够对经典和强化模糊逻辑进行基准测试 警告:源代码需要认真的重构。 安装 下载 github 项目 (zip) 解压并复制 GNU Octave 当前目录中的所有文件。 如何 可以执行多个环境的多个控制器: 环境 目的 控制器 要执行的文件 自由 目标达成 FLC49 4 墙 避障 FLC27 4堵墙和4个障碍 目标到达和避障 FLC49/27 自由 学习目标达到 R-FLC20 自由 目标达成 RL-FLC20 自由 学习目标达到 RL-FLC49 4 墙 学习避障 RL-FLC27 相关出版物: El Hacene Chabane,乌萨马·德鲁伊什。 阿尔及尔国立理工学院 2018 年 6 月。 使用 2D VSLAM 实现模糊强化学习控制
2021-11-17 15:48:58 3.85MB 系统开源
1
介绍 car-like robot的参数校准方法,请关注“混沌无形”
2021-11-17 09:04:07 792KB 移动机器人 参数校准
1
adept移动机器人说明书 adept移动机器人应用最为广泛,
2021-11-15 14:57:38 2.34MB adept 移动机器人
1
pose_estimation_odom:这是针对移动机器人的ROS软件包,该机器人使用三个节点通过里程表进行姿势和方向估计
2021-11-13 15:13:33 9KB localization ros odometry pose-estimation
1
ORB-SLAM(基于ORB特征识别的同时定位与地图构建系统)的源代码无法在嵌入式开发板运行,其构建的点云图太稀疏无法满足移动机器人路径规划要求。针对这个问题,文章提出将ORBSLAM进行改进与优化,移植到嵌入式开发板完成SLAM过程。首先,删除原PC端Linux系统下的轨迹、点云图、一些依赖库,保留并改进src和include文件夹下大部分C++代码;其次,在嵌入式平台以JNI调用方式调用改进后的C++代码,增加OpenCV、g2o、DBoW2、Eigen等依赖库;最后根据处理后的关键帧连接绘制栅格地图,完成实时轨迹显示和地图构建。实验结果表明,通过移植实现了在嵌入式开发板进行SLAM过程,硬件配置要求和成本大大降低,所构建的栅格地图占存量更小且更直观反映实际环境的布局情况,地图误差控制在±0.5 m的较高精度范围内,较大程度地提高了SLAM性能。
2021-11-13 12:35:29 519KB ORB-SLAM
1
离散控制Matlab代码MATLAB模拟自主移动机器人(AMR) 该项目提供了在MATLAB中模拟的基本AMR。 各个组件是: 平台:四轮移动机器人; 后轮驱动 控制器:非线性反步或神经网络控制器 传感器:激光雷达 导航算法:潜在领域导航或墙跟随或错误2 本地化算法:未实现(已计划粒子过滤器本地化) 根据MST等级EE5380的要求,该项目已完成。 作者:Singh,Siddharth和Sengupta,Ayush 怎么跑 下载代码并使用MATLAB运行。 要求这段代码是用MATLAB 2015a编写的。 该代码也应与GNU Octave一起使用,但未经测试。 解释 控制器 非线性后退 在反向步进控制中,控制转矩(
2021-11-11 18:59:04 13KB 系统开源
1
移动机器人-伺服控制和运动计划 Python中的TurtleBot使用ROS使用SLAM实现BUG算法。 借助激光雷达传感器实现了避障,路径跟踪和障碍物检测。
2021-11-11 15:58:12 1.07MB Python
1
本书主要论述了移动机器人导航系统和路径跟踪控制算法的设计方法。首先,基于常用的 移动机器人导航系统的原理、所选用的民用单频GPS接收机数据的特点和航迹推算导航系统 数据的特点,提出了三种GPS和航迹推算导航综合导航系统信息融合算法。这些算法利用 GPS与航迹推算导航系统具有互补的特性,在解算负担小的基础上,能够很好地融合民用单频 GPS接收机和航迹推算系统的导航信息,为室外移动机器人提供长期稳定、准确的导航信息。 其次,介绍了移动机器人路径规划应用的蚁群算法。针对传统蚁群算法容易陷入早熟、收敛速 度慢和生成路径转折多等问题,提出了相应的改进措施。改进后的蚁群算法在提高搜索速度的 基础上,扩大了搜索范围,并且能够提供转折较少的路径。最后,基于模型算法控制方法和神经 网络的模型算法控制方法为移动机器人设计了路径跟踪控制算法。
2021-11-09 15:02:34 22.88MB 导航 移动机器人
1
动态Voronoi路径规划 动态Voronoi图在移动机器人避开障碍物的路径规划中的应用。 使用ROS构建 使用ROS,我们试图构建一种算法,该算法使用voronoi图来规划移动机器人(P3dx)从起始位置到目标位置的路径,而无需使用地图。 该算法是使用ROS和Python构建的。 我们使用MobileSim进行可视化,并使用RosAria进行机器人的控制。 该算法通过检测前方是否有障碍物来创建动态voronoi图。 在计算了voronoi图之后。 Dijkstra用于最短路径。 机器人有3种选择: 沿Dijkstra生成的路径移动到已经预先计算的voronoi节点。 转到目标位置。 创建一个新的Voronoi图。
2021-11-08 20:03:57 20.51MB Python
1
移动机器人路径规划技术的研究现状与发展趋势.pdf
2021-11-04 21:03:30 390KB 机器人 路径规划
1