หุ่นยนต์

คุณคำนวณหรืออัพเดทตำแหน่งของหุ่นยนต์ขับเคลื่อนที่แตกต่างด้วยเซ็นเซอร์แบบเพิ่มหน่วยได้อย่างไร มีเซ็นเซอร์เพิ่มความละเอียดหนึ่งอันติดอยู่กับล้อเฟืองท้ายสองอัน เซ็นเซอร์ทั้งสองเป็นตัวกำหนดระยะทางหายใจ ล้อของพวกเขาได้รีดในช่วงเวลาที่รู้จักกัน\ Delta TΔ R ฉันกรัมเอชทีΔ ทีΔleftΔleft\Delta leftΔrightΔright\Delta rightΔtΔt\Delta t ก่อนอื่นสมมติว่าศูนย์กลางระหว่างล้อทั้งสองทำเครื่องหมายตำแหน่งของหุ่นยนต์ ในกรณีนี้เราสามารถคำนวณตำแหน่งเป็น: x=xleft+xright2y=yleft+yright2x=xleft+xright2y=yleft+yright2 x = \frac{x_{left}+x_{right}}{2} \\ y = \frac{y_{left}+y_{right}}{2} "การรับ" สมการเหล่านั้นภายใต้สมมติฐานที่ว่าล้อทั้งสองหมุนเป็นเส้นตรง (ซึ่งควรจะถูกต้องสำหรับระยะทางเล็กน้อย) ฉันได้รับ: ΔxΔt=12(ΔleftΔt+ΔrightΔt)cos(θ)ΔyΔt=12(ΔleftΔt+ΔrightΔt)sin(θ)ΔxΔt=12(ΔleftΔt+ΔrightΔt)cos(θ)ΔyΔt=12(ΔleftΔt+ΔrightΔt)sin(θ) \frac{\Delta x}{\Delta t} = \frac{1}{2}\left( \frac{\Delta left}{\Delta t} + \frac{\Delta right}{\Delta t}\right)cos(\theta) \\ \frac{\Delta y}{\Delta t} = \frac{1}{2}\left( \frac{\Delta left}{\Delta t} + \frac{\Delta …

14 mobile-robot  kinematics  motion  two-wheeled  forward-kinematics 

ฉันเคยได้ยินคำกล่าวอ้างมากมายว่าการเปลี่ยนมอเตอร์ NXT ด้วยมืออาจทำให้เกิดความเสียหายได้ ฉันสงสัยว่าอย่างน้อยก็เป็นจริงหรือไม่และมีหลักฐานยืนยันหรือปฏิเสธแนวคิดนี้หรือไม่ ฉันรู้ว่าบางโครงการ (เช่น etch-a-sketch) ใช้เซ็นเซอร์การหมุนในตัวเพื่อวัดว่ามอเตอร์หมุนไปมากแค่ไหนดังนั้นฉันจึงคิดว่าบางทีมอเตอร์ไม่ได้ใช้งานหรือหยุดพักเป็นความแตกต่างที่สำคัญหรือ อาจมีโหมดพิเศษ 'เซ็นเซอร์การหมุน' ที่ต้องเปิดเพื่อป้องกันความเสียหาย

14 motor  nxt  mindstorms 

ตามที่เป็นอยู่ในปัจจุบันคำถามนี้ไม่เหมาะสำหรับรูปแบบคำถาม & คำตอบของเรา เราคาดหวังคำตอบที่จะได้รับการสนับสนุนจากข้อเท็จจริงการอ้างอิงหรือความเชี่ยวชาญ แต่คำถามนี้อาจเรียกร้องให้มีการถกเถียงอภิปรายโต้แย้งหรือการอภิปรายเพิ่มเติม หากคุณรู้สึกว่าคำถามนี้สามารถปรับปรุงและเปิดใหม่ได้โปรดไปที่ศูนย์ช่วยเหลือเพื่อขอคำแนะนำ ปิดให้บริการใน7 ปีที่ผ่านมา ฉันยังใหม่กับหุ่นยนต์ แต่ฉันเป็นโปรแกรมเมอร์ที่คุ้นเคยกับหลายภาษา ฉันไม่มีเงินจำนวนมากที่จะใช้จ่ายและฉันก็สงสัยว่าชุดเริ่มต้นที่ดีจริงๆคืออะไร เกณฑ์ของฉันคือให้ชุดอุปกรณ์มีราคาไม่แพงและทรงพลังเนื่องจากฟังก์ชั่นสามารถขยายได้ - สิ่งที่จะทำให้ผู้สร้างมีความคิดสร้างสรรค์และอาจคิดค้นวิธีการใหม่ ๆ ในการใช้งาน การขยายไปยังสมาร์ทโฟนเป็นข้อดี ฉันไม่ได้มองหาอะไรง่าย ๆ หรือเกริ่นนำอะไรที่ทรงพลังยืดหยุ่นและคุ้มค่า

14 uav  kit 

ฉันกำลังพิจารณาการทดสอบด้วยการควบคุม PIV แทนที่จะเป็นการควบคุมแบบ PID ตรงกันข้ามกับ PID การควบคุม PIV มีคำอธิบายน้อยมากเกี่ยวกับอินเทอร์เน็ตและวรรณกรรม มีเกือบจะเป็นแหล่งเดียวของข้อมูลอธิบายวิธีการซึ่งเป็นกระดาษด้านเทคนิคโดยปาร์กเกอร์เคลื่อนไหว สิ่งที่ฉันเข้าใจจากแผนภาพวิธีการควบคุม (ซึ่งอยู่ในโดเมน Laplace) คือผลลัพธ์ของการควบคุมจะลดลงเป็นผลรวมของ: Kpp * (ข้อผิดพลาดหนึ่งตำแหน่ง) -Kiv * (เป็นส่วนหนึ่งของความเร็วที่วัดได้) -Kpv * (วัดความเร็ว) ฉันถูกไหม? ขอขอบคุณ.

14 control  otherservos  pid 

ในSLAM ส่วนหน้าซึ่งใช้อัลกอริทึม Iterative ใกล้ที่สุดจุด (ICP) สำหรับการระบุความสัมพันธ์ระหว่างสองจุดเมฆที่ตรงกันคุณจะทราบได้อย่างไรว่าอัลกอริทึมนั้นติดอยู่ในจุดต่ำสุดในท้องถิ่นและส่งกลับผลลัพธ์ที่ผิด? ปัญหาถูกกำหนดให้เป็นจุดสองจุดที่ตรงกันซึ่งเป็นทั้งตัวอย่างของโครงสร้างพื้นผิวบางส่วนและพื้นที่ตัวอย่างมีการทับซ้อนกัน 0-100% ซึ่งไม่ทราบ ฉันรู้ว่าตัวเลือกTrimmed ICPทำงานได้ซ้ำ ๆ โดยพยายามหาการเหลื่อมกัน แต่ก็สามารถติดได้ในระดับต่ำที่สุด แนวทางที่ไร้เดียงสาคือการมองหาข้อผิดพลาดกำลังสองเฉลี่ยของคู่จุดที่ระบุ แต่หากไม่มีการสุ่มตัวอย่างประมาณนี้ดูเหมือนว่าจะมีความเสี่ยงสูง ในคู่มือสำหรับLeica Cycloneพวกเขาแนะนำให้ตรวจสอบด้วยตนเองของกราฟข้อผิดพลาดคู่ ถ้ามันมีรูปร่างแบบเกาส์นแบบนั้นดี หากมีการหลุดแนวเส้นตรงการแข่งขันอาจไม่ดี ดูเหมือนจะเป็นไปได้สำหรับฉัน แต่ฉันไม่เคยเห็นมันใช้ในอัลกอริทึม

14 slam 

ลองนึกภาพการเขียนโปรแกรมหุ่นยนต์ฟุตบอล 3 ล้อ คุณใช้คอนโทรลเลอร์ชนิดใดในการหมุน P? PID? เป้าหมายสำหรับคอนโทรลเลอร์นี้คือควรทำให้หุ่นยนต์ยืนในมุมที่กำหนด (0 องศา) แล้วหมุนกลับหากหมุนด้วยมือหรือหุ่นยนต์อื่น ฉันใช้สเต็ปเปอร์มอเตอร์สำหรับหุ่นยนต์ของฉันและไม่ใช่เซอร์โวดังนั้นฉันต้องใช้สิ่งนี้ในซอฟต์แวร์ของฉัน! ฉันได้เขียนคอนโทรลเลอร์ชนิด P ตัวอย่างแล้วและการเคลื่อนที่ค่อนข้างดี แต่ฉันต้องการทำให้ดีขึ้นถ้าเป็นไปได้ รหัสดังต่อไปนี้: void spinSpeed(int devidedValue, int addedValue, int correction) { if(degree<correction && degree>-correction) { motorSpeed = 0; } else { if(degree > 0) { motorSpeed = ((degree)/(devidedValue) + (addedValue)); } else { motorSpeed = ((degree)/(devidedValue) - …

14 soccer  control 

อ่านเอกสารเกี่ยวกับ odometry ที่เห็นได้ชัดหลายคนใช้ความลึกผกผัน มันเป็นเพียงการผกผันทางคณิตศาสตร์ของความลึก (หมายถึง 1 / d) หรือมันเป็นตัวแทนอย่างอื่น และข้อดีของการใช้มันคืออะไร?

14 slam  computer-vision  odometry 

ฉันอยู่ในช่วงการวางแผนสำหรับโครงการที่ใช้ Arduino Uno เพื่อควบคุมเซ็นเซอร์ระยะทาง 8 ตัวและวิ่งเข้าไปในสิ่งกีดขวางบนถนนเล็ก ๆ Uno มีเพียงหมุดป้อนข้อมูลหกตัว ดังนั้นฉันสงสัยว่าจะมีวิธีการนี้จะทำงานหรือไม่ ถ้าเป็นเช่นนั้นได้อย่างไร

14 arduino  microcontroller  input 

ในขั้นตอนการคาดการณ์ของ EKF Localization จะต้องดำเนินการเชิงเส้นและ (ดังที่กล่าวไว้ในProbabilistic Robotics [THRUN, BURGARD, FOX]หน้า 206) Jacobian matrix เมื่อใช้แบบจำลองการเคลื่อนที่ด้วยความเร็ว ⎡⎣⎢xyθ⎤⎦⎥′=⎡⎣⎢xyθ⎤⎦⎥+⎡⎣⎢⎢⎢v^tω^t(−sinθ+sin(θ+ω^tΔt))v^tω^t(cosθ−cos(θ+ω^tΔt))ω^tΔt⎤⎦⎥⎥⎥[xyθ]′=[xyθ]+[v^tω^t(−sinθ+sin(θ+ω^tΔt))v^tω^t(cosθ−cos(θ+ω^tΔt))ω^tΔt]\begin{bmatrix} x \\ y \\ \theta \end{bmatrix}' = \begin{bmatrix} x \\ y \\ \theta \end{bmatrix} + \begin{bmatrix} \frac{\hat{v}_t}{\hat{\omega}_t}(-\text{sin}\theta + \text{sin}(\theta + \hat{\omega}_t{\Delta}t)) \\ \frac{\hat{v}_t}{\hat{\omega}_t}(\text{cos}\theta - \text{cos}(\theta + \hat{\omega}_t{\Delta}t)) \\ \hat{\omega}_t{\Delta}t \end{bmatrix} คำนวณเป็น GT=⎡⎣⎢⎢100010υtωt(−cosμt−1,θ+cos(μt−1,θ+ωtΔt))υtωt(−sinμt−1,θ+sin(μt−1,θ+ωtΔt))1⎤⎦⎥⎥GT=[10υtωt(−cosμt−1,θ+cos(μt−1,θ+ωtΔt))01υtωt(−sinμt−1,θ+sin(μt−1,θ+ωtΔt))001]G_{T}= \begin{bmatrix} 1 & 0 …

14 localization  kalman-filter 

อัลกอริธึมการวางแผนการเคลื่อนไหวแบบสุ่มตัวอย่างที่ดีที่สุด (อธิบายไว้ในบทความนี้ ) แสดงให้เห็นว่าเส้นทางที่ไม่มีการชนกันของข้อมูลนั้นมาบรรจบกับเส้นทางที่ดีที่สุดเมื่อเวลาในการวางแผนเพิ่มขึ้น อย่างไรก็ตามเท่าที่ฉันเห็นการพิสูจน์และการทดลองในแง่ดีได้สันนิษฐานว่าการวัดต้นทุนเส้นทางคือระยะทางแบบยุคลิดในพื้นที่กำหนดค่า Can RRT *ยังให้ผลผลิตคุณสมบัติ optimality สำหรับตัวชี้วัดคุณภาพเส้นทางอื่น ๆ เช่นการเพิ่มการกวาดล้างขั้นต่ำจากอุปสรรคตลอดเส้นทางหรือไม่RRT* * * *RRT∗\text{RRT}^*RRT* * * *RRT∗\text{RRT}^* ในการกำหนดการกวาดล้างขั้นต่ำ: เพื่อความง่ายเราสามารถพิจารณาหุ่นยนต์แบบจุดเคลื่อนที่ในอวกาศยูคลิด สำหรับการกำหนดค่าใด ๆที่อยู่ในพื้นที่กำหนดค่าที่ไม่มีการชนกันของข้อมูลให้กำหนดฟังก์ชั่นd ( q )ซึ่งจะส่งคืนระยะห่างระหว่างหุ่นยนต์และอุปสรรค C ที่ใกล้ที่สุด สำหรับเส้นทางσ , กวาดล้างขั้นต่ำmin_clear ( σ )เป็นค่าต่ำสุดของd ( Q )สำหรับทุกQ ∈ σ ในการวางแผนการเคลื่อนไหวที่ดีที่สุดเราอาจต้องการเพิ่มระยะห่างขั้นต่ำจากสิ่งกีดขวางตามเส้นทาง นี่จะหมายถึงการกำหนดตัวชี้วัดต้นทุนQqqd( q)d(q)d(q)σσ\sigmamin_clear ( σ)min_clear(σ)\text{min_clear}(\sigma)d( q)d(q)d(q)Q∈ σq∈σq \in \sigmaซึ่ง cเพิ่มขึ้นเมื่อระยะห่างขั้นต่ำลดลง หนึ่งฟังก์ชั่นที่เรียบง่ายจะเป็นค( σ …

14 motion-planning  algorithm  rrt  theory 

ฉันเป็นนักเรียนมัธยมปลายที่เรียนวิชาอิเล็คทรอนิคส์และสำหรับการประเมินผลงานด้านประวัติศาสตร์อิเล็กทรอนิกส์ฉันได้ตัดสินใจที่จะมุ่งเน้นไปที่ประวัติศาสตร์ของหุ่นยนต์ ฉันต้องการเริ่มต้นด้วยแนวคิดที่เป็นไปได้เร็วที่สุดของหุ่นยนต์และความคืบหน้าผ่านการพัฒนาที่สำคัญในหุ่นยนต์จนถึงปัจจุบัน ฉันจะเริ่มการวิจัยได้ที่ไหน

14 electronics  research 

ฉันกำลังทำพื้นฐานสำหรับโครงการและฉันมีคำถามเกี่ยวกับสถานะปัจจุบันของเทคนิคสแลม เมื่ออุปกรณ์ที่ติดตั้ง SLAM ตรวจจับวัตถุตำแหน่งของวัตถุนั้นจะถูกเก็บไว้ หากคุณดูที่จุดที่เมฆกำลังสร้างอุปกรณ์คุณจะเห็นจุดสำหรับวัตถุนี้และรูปแบบที่สร้างจากมันจะรวมถึงรูปทรงเรขาคณิตที่นี่ หากวัตถุถูกวางไว้ในพื้นที่ว่างก่อนหน้านี้มันจะถูกตรวจจับและมีการเพิ่มคะแนน รุ่นที่ตามมาจะมีรูปทรงเรขาคณิตอธิบายวัตถุใหม่นี้ อุปกรณ์จะตอบสนองอย่างไรถ้าวัตถุนั้นถูกลบ? เท่าที่ฉันได้เห็นระบบ SLAM จะมีแนวโน้มที่จะออกจากจุดที่อยู่ในสถานที่ส่งผลให้รูปทรง "ผี" มีอัลกอริธึมที่จะมองข้ามจุดโดดเดี่ยวที่เกิดจากหน้าสัมผัสชั่วคราว แต่วัตถุที่ยังคงอยู่นานพอที่จะสร้างแบบจำลองที่มั่นคงจะยังคงอยู่ในหน่วยความจำของอุปกรณ์ มีระบบใดบ้างที่สามารถตรวจจับได้ว่าพื้นที่ว่างก่อนหน้านี้ว่างเปล่าหรือไม่?

13 slam 

ฉันสนใจที่จะใช้มอเตอร์ขนาดเล็ก ( Squiggle Micro Motor ) เพื่อสร้างการเคลื่อนไหวในแนวนอนขนาดเล็กมาก อย่างไรก็ตามเนื่องจากพื้นที่ที่ จำกัด มากฉันสามารถวางมันในแนวตั้งภายในโครงการของฉันเท่านั้น สมมติว่าวางมอเตอร์นี้ไว้ดังนี้เราจะสามารถปรับให้เข้ากับการเคลื่อนไหวพร้อมกันในมุมที่เหมาะสมได้อย่างไร (เป็นการดีที่มีการเคลื่อนไหวแกน X ที่จับคู่กับการเคลื่อนไหวแกน Y เป็นไปได้)

13 motor  motion  movement  driver  linear-bearing 

ลองนึกถึงสถานการณ์ต่อไปนี้: คุณกำลังสอนหุ่นยนต์ให้เล่นปิงปอง คุณกำลังสอนโปรแกรมเพื่อคำนวณสแควร์รูท คุณกำลังสอนคณิตศาสตร์ให้เด็กในโรงเรียน สถานการณ์เหล่านี้ (เช่นการเรียนรู้ภายใต้การดูแล) และอื่น ๆ อีกมากมายมีสิ่งหนึ่งที่ (เหมือนกัน): ผู้เรียนได้รับรางวัลตามผลงาน คำถามของฉันคือฟังก์ชั่นของรางวัลควรมีลักษณะอย่างไร มีคำตอบที่ "ดีที่สุด" หรือขึ้นอยู่กับสถานการณ์หรือไม่? ถ้ามันขึ้นอยู่กับสถานการณ์หนึ่งจะกำหนดฟังก์ชั่นรางวัลที่จะเลือก? ตัวอย่างเช่นรับฟังก์ชั่นรางวัลสามรายการต่อไปนี้: ฟังก์ชั่นAพูดว่า: ต่ำกว่าจุดหนึ่งไม่ดีหรือแย่ลงเหมือนกัน: คุณไม่ได้อะไรเลย มีความแตกต่างที่ชัดเจนระหว่างเกือบดีและสมบูรณ์แบบ ฟังก์ชั่นBพูดว่า: คุณจะได้รับผลตอบแทนเป็นสัดส่วนตามประสิทธิภาพของคุณ ฟังก์ชั่นCพูดว่า: หากการแสดงของคุณไม่ดีมันก็โอเคคุณทำดีที่สุดแล้ว: คุณยังได้รับรางวัลอยู่บ้าง ไม่มีความแตกต่างระหว่างที่สมบูรณ์แบบและเกือบดี ฉันคิดว่าAจะทำให้หุ่นยนต์มีสมาธิมากและเรียนรู้รูปแบบที่แน่นอน แต่กลายเป็นคนโง่เมื่อต้องรับมือกับรูปแบบที่คล้ายกันในขณะที่Cมันจะสามารถปรับเปลี่ยนได้มากขึ้นด้วยต้นทุนของการสูญเสียความสมบูรณ์แบบ หนึ่งอาจคิดว่าฟังก์ชั่นที่ซับซ้อนมากขึ้นเพียงเพื่อแสดง แต่น้อย: ดังนั้นเราจะรู้ได้อย่างไรว่าควรเลือกฟังก์ชั่นใด เป็นที่รู้จักกันซึ่งพฤติกรรมที่จะโผล่ออกมาจาก (อย่างน้อย) ขั้นพื้นฐานA, BและCฟังก์ชั่น? คำถามข้างเคียงนี้จะแตกต่างกันมากสำหรับหุ่นยนต์และเด็กมนุษย์หรือไม่?

13 machine-learning 

มีเครื่องมือการทำแผนที่บนเว็บที่อนุญาตให้นักพัฒนาใช้เพื่อทำพล็อตข้อมูล GPS ของรถยนต์ / หุ่นยนต์อัตโนมัติ Google Mapsห้ามมัน ดู10.2.C Google Earthลิงค์เงื่อนไขการใช้งานข้ามไปที่หน้าเดียวกัน Bingแผนที่มีลักษณะคล้ายกัน (ดู3.2. (g) ) สิ่งที่ฉันต้องการคือเครื่องมือบนอินเทอร์เน็ตที่แสดง / ทั้งภาพถ่ายจากดาวเทียมและ / หรือแผนที่ซึ่งสามารถซ้อนทับพล็อตโดยใช้ API ของมัน ฉันทำล็อตเตอร์จีพีเอสทั่วไปเกี่ยวกับการROSที่สามารถใช้ทั้งสำหรับหุ่นยนต์ช้าหรือเร็วยานพาหนะ / รถยนต์ ขอบคุณ!

13 gps  visualization