从头开始训练机器人手臂
：建立培训框架
：学习从头开始构建环境
：完成基本的环境脚本，看看手臂如何运动
：插入强化学习方法并尝试对其进行培训
：优化和调试
：制定目标
依存关系
Python
张量流
g
麻木
此强化学习练习代码的中文教程为 。 您可以在上查看更多教程，或在了解有关我的更多信息。
2022-01-19 16:05:24
59KB
1
针对由模块化关节构成的六自由度串联机器人手臂, 采用DH法对手臂的操作空间进行了描述, 得到了正运动学模型; 采用欧拉角表示手臂姿态, 得到了包含六个参数的用于表示手臂位姿的完备广义坐标, 并对欧拉角的几何关系进行了分析。针对SolidWorks虽然实体建模简洁方便但计算并非其强项的缺点, 编写相应接口程序, 将建立的手臂三维实体模型保留几何约束关系简化后导入MATLAB软件。基于MATLAB编写正逆运动学算法验证程序以及连杆驱动程序, 实现了手臂的仿真运动。通过仿真, 不仅更进一步验证了手臂正逆运动学解算的正确性, 而且非常直观地看出手臂末端在空间中运行的路径以及各关节的动作情况。机器人手臂正逆运动学算法正确性的验证及运动仿真为手臂的精确定位及其路径规划提供了必要的保证。
2021-12-09 20:25:28
1.57MB
1
MANUTEC机器人具有很大的惯性和较长的手臂，其实物如图1所示。控制精度对机械手臂的功能性有很大影响, 想要完成空间里物体的捡拾要求, 必须要对手臂的各个结构进行精确的控制, 以保证手臂的各个位置与最初的设计位置相同, 进而提高工作任务完成的精确程度。机械手臂的实际运动位置需要通过计算机进行空间计算获得, 计算机会根据预期的目标位置计算出各个关节的旋转角度, 并通过电信号的持续时间来控制不同关节的旋转角度, 再通过传感器的信号反馈将数据反馈给微处理器进行验证，从而完成对机械手臂运动的控制。针对关节一体化机器人手臂低速运动下电机控制机械手臂旋转角度的问题，根据图1所示机器人手臂控制系统的结构图建立系统的数学模型，并对该模型各项性能进行分析，判断系统是否满足性能指标要求，如不满足则采用合适的方法对该系统进行校正，以满足性能指标要求。
2021-12-07 12:02:22
12.55MB
1
IKBT
一个基于python的系统，用于使用行为树进行动作选择来生成机械手逆运动学问题的闭式解。
最新消息
2021年3月
升级到Python3（主要是在打印语句和新的python3-sympy中添加括号）。 新的“主要”分支提供了更多受人尊敬的术语。
2020年2月
BH已修复UR5回归-现在可以再次使用，并且解决方案输出不再显示实际解决方案中不需要的角度和变量。 使用分支RepairUR5Regression获取最新和最高版本。
2019年七月
针对＃15和＃18的工作仍在进行中（这很艰难！）。 但是，已经修复了一些较小的错误，这些错误现在在“测试”分支中。 请尝试该分支并发布问题。 谢谢。
2019年五月
BH正在研究解决方案图的新实现并生成解决方案列表（乍一看似乎更加棘手！）。 我已经将这项工作带到一个专用的repo分支上，以使此页面清晰可见，但是很快就会合并并提交。 这项工作
2021-11-24 21:37:48
220KB
1
6轴机器人手臂的AI
因此，我用lego的EV3砖块和伺服器构建了一个6轴机械臂。 现在我需要软件来控制它。 要将手臂的尖端移动到所需位置，我只想在手臂可触及范围内的三维空间中指定该点。 人工智能应该为我完成所有艰苦的工作。
开始
我已经设计了一个非常简单的6轴手臂版本，可用于使用Tensorflow.js训练模型。 我的目标是教模型旋转所有可用轴以达到所需点。
婴儿脚步
参见 。
我的第一个测试是10x10正方形的2d地图。 我将尝试讲授一个模型，该模型通过根据新位置和B点之间的距离奖励每一步来找到从A点到B点的最快路线。
再来一维
参见 。
我的第二项测试增加了另一个维度。 我现在有一个10x10x10点的3d地图。 我将尝试讲授一个模型，该模型通过使用与第一次测试相同的奖励系统，根据新位置和B点之间的距离奖励每一步，从而找到从A点到B点的最快路线。
下一级
稍后，我将尝试讲授模
2021-11-23 10:05:43
1.88MB
1