3jsbot 在HTML5 / JavaScript和threejs中实现机器人运动学，控制和决策

运动学模拟 RoboHAZMAT：高级设计项目 运动控制团队 杰拉多·布莱德（Gerardo Bledt） 2014年10月21日 #####点击此处观看视频： #####点击此处观看视频： ####机器人仿真GUI 模拟1：轨迹跟踪的逆运动学优化 ##项目目标： RobotHAZMAT项目是一个由10位Virginia Tech高级机械工程师组成的设计团队。 主要目标是为危险响应情况的机器人系统开发一种直观的手势控制方法。 当前的危险响应机器人需要大量的培训时间和不直观的按钮操纵杆控件。 我们希望增加运动范围，并减少操作这些系统所需的训练时间。 这是第一年的项目，可作为概念证明，即可以通过人体运动直观地控制两个手臂机器人。 我们希望能够使用现成的廉价零件开发机器人以及可穿戴用户界面。 ##基本模拟说明： 在“ RoboHAZMAT”目录中，运行“ addpath_Rob

在被动式Biped机器人的研究中，避免跌倒一直是研究的重要方向。 在本文中，我们提出了深度确定性策略梯度（DDPG）来控制Biped机器人在斜坡上的稳定行走。 为了提高DDPG的训练速度，本文中使用的DDPG通过并行参与者和优先体验重放（PER）进行了改进。 在模拟中，我们控制导致Biped机器人跌倒的不同初始状态。 控制后，两足动物机器人可以稳定行走，这表明DDPG可以有效地控制两足动物机器人的跌倒。

电力拖动自动控制系统 运动控制系统 第5版

matlab不运行一段代码棋子运动跟踪器 在深度学习的帮助下跟踪棋子的运动。 演示： 欢迎使用棋子移动追踪器！ 该项目的主要目标是检测棋子的运动。 为了实现这一点，我使用深度学习模型扫描了64个空间中的每一个，以找出该空间中是否有棋子，然后将结果显示在图形界面上。 深度学习模型识别空间是否为空。 流程图 第一步是拍照棋盘。 之后，仅切出棋盘。 为此，我得到了棋盘的四个角，并在该角的基础上裁剪了棋盘并执行了透视变换，以便校正图像中的任何倾斜。 *转换后，将其分成尺寸为75x75的64张图像，并保存到名为“ img”的文件夹中。 然后从python代码中调用MATLAB函数，该函数读取“ img”文件夹中的图像并将其馈送到模型中，然后将预测结果返回到包含预测结果的python变量中。 基于该结果，将运行小型GUI，显示所有检测到的碎片。 GUI是使用pygame实现的。 深度学习模型架构 该模型是在MATLAB中实现和训练的。

人工智能-机器学习-柔性与双臂空间机器人系统运动学动力学分析.pdf

mathematica编写的曲柄滑块机构的运动，可以模拟曲柄滑块机构的运动

用定轴轮系减速，由不完全齿轮实现转台的间歇性转动。此方案的优点是，标准直齿轮与不完全齿轮均便于加工。缺点：一方面，传动比过大，用定轴轮系传动时，占用的空间过大，使整个机构显得臃肿，且圆锥齿轮加工较困难；另一方面，不完全齿轮会产生较大冲击，同时只能实现间歇性转动而不能实现自我定位。

本报告中详细介绍了六自由度机器人IRB1600的逆运动学解算的详细推导过程

运动检测 安卓运动检测应用 目录： I. 一般信息 II. 设置 ================================================== ================ 一、一般信息。 该项目是在 Android Studio 中开发的。 安卓工作室 1.1.0 JDK 6（仅 JRE 是不够的） Android 开发工具插件（推荐） 要检查是否检测到设备，请在命令提示符下使用命令 adb devices。adb 工具位于 sdk\platform-tools 中。 列出检测到的设备。 二、 设置 运行 Android 项目。 将 Android 项目导入工作区 要在设备上运行项目，设备必须设置为调试模式。 连接设备并将 Android 项目作为 Android 应用程序运行。