#资源达人分享计划#

机器人运动学快速成型软件说明 1概述 运动学是研究机器人的最基本基础。对于臂式机器人的研究现在已经很成熟，但是对于不同自由度的臂式机器人的数学建模、仿真研究还是很复杂，容易出现错误，在仿真时也不容易建立三维模型进行仿真研究。本软件采用DH参数法，只要一个DH参数表（熊有伦DH法），就可以建立任何臂式机器人（3自由度到7自由度均可）的三维仿真模型，同时，自动生成机器人的正向运动学、逆向运动学、轨迹规划、仿真示教和绘图写字功能。附加还实现了轨迹规划数据的文件导入和导出功能，同时通过相应驱动接口可方便对机器人进行运动学驱动控制（根据具体情况实现）。 为了实现通用性，机器人三维模型采用示意性的模型，介绍如下： 转动关节：黄色圆柱体 伸缩关节：黄色立方体，带伸缩结构，伸缩杆蓝色 底座连杆：灰色圆柱体（三维空间底座到用户机器人坐标原点之间） a连杆：绿色圆柱体，DH参数中a的长度 d连杆：紫色圆柱体，DH参数中d的长度 夹爪：黑色U型体 注：这是一款工业机器人机器仿真软件，回的和不回的都可以玩一下很有意思的 内附使用说明

使用数值方法求解机器人运动计划，以解决最佳控制问题。 规划可以采用运动学约束（例如位置、速度、加速度、加加速度边界）、动力学约束（例如机器人刚体动力学包括重力、离心力和科里奥利力、惯性力、关节扭矩限制，甚至扭矩变化率限制），以及碰撞避免考虑在内。 解决时间在几秒钟内。 详细信息参见出版物：“机器人运动规划的高效轨迹优化”，Yu Zhao、Hsien-Chung Lin、Masayoshi Tomizuka，ICARCV 2018。 有关可用演示的列表，请参阅https://github.com/yzhao334/Efficient-Trajectory-Optimization-for-Robot-Motion-Planning--Examples 。 所需软件包：chebfun、CasADi。 包中包含的其他依赖项（STLRead 和 STLWrite）

双足机器人运动模拟关节角度数据

UR5协作机器人运动学与动力学建模与仿真

#资源达人分享计划#

我们将深度Q-Learning成功背后的理念与持续的 动作域。我们提出了一种基于确定性模型的无模型算法 可以在连续动作空间上操作的策略梯度。使用 同样的学习算法，网络结构和超参数，我们的算法 稳健地解决20多个模拟物理任务，包括经典 如手推车摆动、灵巧操作、腿部运动等问题 还有开车。我们的算法能够找到性能具有竞争力的策略 与那些发现的规划算法完全访问的动态 域及其衍生物的。我们进一步证明，对于许多 任务算法可以“端到端”学习策略：直接从原始像素输入。

强化学习范式原则上允许复杂行为 直接从简单的奖励信号中学习。然而，在实践中，情况确实如此 常见的手工设计奖励功能，以鼓励特定的 解决方案，或从演示数据中导出。本文探讨了如何丰富 环境有助于促进复杂行为的学习。明确地 我们在不同的环境环境中培训代理人，并发现这鼓励了他们 在一系列任务中表现良好的稳健行为的出现。 我们为运动演示了这一原则——众所周知的行为 他们对奖励选择的敏感度。我们在一个平台上训练几个模拟物体 使用一个简单的奖励功能，可以设置各种具有挑战性的地形和障碍 基于向前的进展。使用一种新的可伸缩策略梯度变体 强化学习，我们的特工可以根据需要学习跑、跳、蹲和转身 在没有明确的基于奖励的指导的环境下。对……的视觉描绘 学习行为的要点可以在本视频中查看。

六自由度机器人运动学求解及工作空间分析，张文君，丁华锋，随着机器人技术的不断发展，智能化、自动化程度的不断提高，各种用途的机器人在生产、科研等多个领域获得广泛应用。本文研究了一

针对纵向滑动参数未知的轮式移动机器人的轨迹跟踪问题, 提出一种自适应跟踪控制策略. 利用两个未知参 数来描述移动机器人左右轮的纵向打滑程度, 建立了产生纵向滑动的差分驱动轮式移动机器人的运动学模型; 设计 了补偿纵向滑动的自适应非线性反馈控制律; 应用Lyapunov 稳定性理论与Barbalat 定理证明了闭环系统的稳定性; 同时, 提出了一种由极点配置方法在线调整控制器增益的方法. 仿真结果验证了所提出控制方法的有效性.