หุ่นยนต์

เห็นได้ชัดว่า GPS เป็นเทคโนโลยีที่ชัดเจนและเข้าถึงได้มากที่สุดในการหา "แก้ไข" ตำแหน่งสำหรับหุ่นยนต์ในเวลาใดก็ได้ อย่างไรก็ตามในขณะที่มันยอดเยี่ยมในบางครั้งในสถานที่และสถานการณ์อื่น ๆ มันไม่แม่นยำเท่าที่ฉันต้องการดังนั้นฉันจึงตรวจสอบว่ามีวิธีที่ค่อนข้างง่ายในการปรับปรุงความถูกต้องนี้ (หรือไม่หากเป็นเช่นนั้น .) ฉันได้พิจารณาตัวเลือกต่อไปนี้ แต่พบข้อมูลที่ จำกัด ทางออนไลน์: จะใช้เสาอากาศที่ดีกว่าโดยเฉพาะอย่างยิ่งสำหรับพื้นที่สัญญาณต่ำหรือไม่ ฉันคิดว่าใช่สำหรับสิ่งนี้ แต่ถ้าเป็นเช่นนั้นฉันจะสร้างเสาอากาศดังกล่าวและรู้ได้อย่างไรว่ามันเป็นการปรับปรุง มีแนวทางที่ดีในการทำเช่นนี้หรือไม่? ฉันสามารถใช้เสาอากาศสำเร็จรูปถ้าพวกเขาไม่แพงเกินไป จะใช้ตัวรับสัญญาณแยกหลายตัวในการช่วยเหลือแบบเดียวกันหรือพวกมันมีแนวโน้มที่จะถูกปิดด้วยจำนวนที่คล้ายกันหรือฉันจะไม่สามารถดึงค่าเฉลี่ยที่มีความหมายกับวิธีนี้ได้หรือไม่? ฉันควรมองหาลักษณะแบบใดเมื่อเลือกตัวรับสัญญาณ GPS ที่ดีเพื่อความถูกต้อง มีอะไรอีกบ้างที่ฉันควรพิจารณาซึ่งฉันพลาดไป?

12 localization  gps 

มอเตอร์แบบไร้แปรงในชุดประกอบแบบ gimbal ได้รับการออกแบบอย่างไร? เห็นได้ชัดว่ามันไม่จำเป็นต้องหมุนอย่างต่อเนื่อง แต่มันต้องการการควบคุมตำแหน่งที่แม่นยำอย่างแม่นยำ ฉันสังเกตเห็นว่ามอเตอร์ใน gimbal ของฉันไม่มีตำแหน่ง 'snap' แม่เหล็กตามปกติที่มอเตอร์อื่น ๆ ของฉันทำ อะไรคือความแตกต่างหลักในการออกแบบมอเตอร์ประเภทนี้ถ้ามี?

12 motor 

ไม่มีใครรู้สภาพแวดล้อมของนักพัฒนาหุ่นยนต์ที่เหมาะสำหรับการทดสอบโปรแกรม AI สำหรับโดรน (เช่น quadrocopters เครื่องบินเฮลิคอปเตอร์ ฯลฯ ) ฉันต้องการบางอย่างเช่น Microsoft Robotics Developer Studio ที่มีสภาพแวดล้อมเสมือนจริง (เช่นสภาพแวดล้อมกลางแจ้งที่มีแรงโน้มถ่วงแรงลม ฯลฯ ) เพื่อทดสอบพลวัตการบิน ฉันต้องการตัวเลือกในการเพิ่มเซ็นเซอร์ในโดรนเสมือนจริงเช่นจีพีเอสเครื่องวัดระยะสูงไจโรและอื่น ๆ ที่โปรแกรม AI สามารถใช้เพื่อคัดท้ายโดรน

12 quadcopter  artificial-intelligence  machine-learning 

ฉันพยายามใช้ 'พื้นที่ความเชื่อ' สำหรับหุ่นยนต์ที่มีกล้องเป็นเซ็นเซอร์หลัก คล้ายกับ SLAM หุ่นยนต์มีแผนที่เป็นจุด 3 มิติและเป็นภาษาท้องถิ่นโดยทำการจับคู่ 2D-3D กับสภาพแวดล้อมในทุกขั้นตอน สำหรับวัตถุประสงค์ของคำถามนี้ฉันสมมติว่าแผนที่จะไม่เปลี่ยนแปลง ในฐานะส่วนหนึ่งของการวางแผนพื้นที่แห่งความเชื่อฉันต้องการวางแผนเส้นทางสำหรับหุ่นยนต์ที่นำมาตั้งแต่ต้นจนถึงเป้าหมาย ดังนั้นฉันจะต้องสุ่มตัวอย่างสถานะที่เป็นไปได้ของหุ่นยนต์โดยไม่มีการเคลื่อนย้ายไปที่นั่นและการสังเกตที่หุ่นยนต์จะทำถ้ามันอยู่ในสถานะเหล่านั้นซึ่งร่วมกัน (แก้ไขฉันถ้าฉันผิด) ก่อให้เกิด แล้วจึงเข้ารหัสความไม่แน่นอนของการแปลที่จุดเหล่านั้น จากนั้นผู้วางแผนของฉันจะพยายามเชื่อมต่อโหนดที่ทำให้ฉันมีความไม่แน่นอนน้อยที่สุด (ความแปรปรวนร่วม) เนื่องจากความไม่แน่นอนของการแปลสำหรับหุ่นยนต์ที่ใช้กล้องนี้ขึ้นอยู่กับสิ่งต่าง ๆ เช่นจำนวนจุดคุณลักษณะที่สามารถมองเห็นได้จากสถานที่ที่กำหนดมุมหัวของหุ่นยนต์เป็นต้น: ฉันต้องการการประเมินว่า จะเป็นเพื่อตรวจสอบว่าฉันควรทิ้งมัน เพื่อไปที่นั่นฉันจะกำหนดรูปแบบการวัดสำหรับสิ่งนี้ได้อย่างไรมันจะเป็นรูปแบบการวัดของกล้องหรือจะเป็นสิ่งที่เกี่ยวข้องกับตำแหน่งของหุ่นยนต์หรือไม่ ฉันจะคาดเดาการวัดของฉันล่วงหน้าได้อย่างไรและฉันจะคำนวณความแปรปรวนร่วมของหุ่นยนต์ผ่านการวัดที่เดาได้อย่างไร แก้ไข: อ้างอิงหลักสำหรับฉันก็คือความคิดของอย่างรวดเร็วการสำรวจความเชื่อสุ่มต้นไม้ซึ่งเป็นส่วนขยายของวิธีการที่ความเชื่อถนนแผนที่ กระดาษอื่นที่เกี่ยวข้องใช้ RRBT เพื่อการวางแผนที่ จำกัด ในบทความนี้รัฐจะถูกสุ่มตัวอย่างคล้ายกับ RRT แบบดั้งเดิมซึ่งแสดงเป็นจุดยอดเป็นกราฟ แต่เมื่อมีการเชื่อมต่อจุดยอดอัลกอริทึมจะแพร่กระจายความเชื่อจากจุดสุดยอดปัจจุบันไปสู่ใหม่ (ฟังก์ชั่น PROPAGATE ในส่วน V ของ1 ) และนี่คือที่ที่ฉันติดอยู่: ฉันไม่เข้าใจอย่างเต็มที่ว่าฉันจะเผยแพร่ความเชื่อไปตามขอบโดยไม่ผ่านมันและได้รับการวัดใหม่ดังนั้นโควาเรียสใหม่จากการแปล กระดาษ RRBT กล่าวว่า "การคาดคะเนความแปรปรวนร่วมและสมการคาดการณ์ต้นทุนมีการใช้งานในฟังก์ชั่น PROPAGATE": แต่ถ้าใช้การทำนายเพียงอย่างเดียวจะรู้ได้อย่างไรว่ามีคุณสมบัติเพียงพอที่ตำแหน่งในอนาคตที่สามารถเพิ่ม / …

12 computer-vision  planning  probability 

ฉันพยายามใช้กล้องสเตอริโอเพื่อสร้างฉากใหม่ แต่โดยปกติฉันจะได้รับเมฆจุดเบาบาง (เช่นครึ่งภาพไม่มีข้อมูลเชิงลึกที่เหมาะสม) ฉันรู้ว่าอัลกอริธึมการประมวลผลสเตอริโอขึ้นอยู่กับการปรากฏตัวของพื้นผิวในภาพและมีพารามิเตอร์บางอย่างที่สามารถปรับแต่งเพื่อให้ได้ผลลัพธ์ที่ดีกว่าเช่นช่วงความแตกต่างหรือขนาดหน้าต่างความสัมพันธ์ ถึงแม้ว่าฉันจะปรับพารามิเตอร์เหล่านี้ แต่ฉันไม่สามารถรับผลลัพธ์ที่อยู่ใกล้กับสิ่งที่สามารถรับได้จากระยะไกลโดยใช้เซ็นเซอร์ที่ใช้งานอยู่เช่น Kinect เหตุผลที่ฉันต้องการนั่นก็เพราะว่าบ่อยครั้งที่มีเมฆจุดที่ตรงกับพื้นที่ใกล้เคียงไม่มีการทับซ้อนกันมากพอที่ฉันจะได้รับการแข่งขันดังนั้นการสร้างใหม่จึงมีความบกพร่องอย่างรุนแรง คำถามของฉันต่อผู้เชี่ยวชาญด้านการมองเห็นของคอมพิวเตอร์มีดังต่อไปนี้ฉันจะทำอย่างไรเพื่อให้ได้จุดเมฆทึบโดยทั่วไป (โดยไม่มีการดัดแปลงสภาพแวดล้อมในสำนักงานของฉัน)

12 slam  computer-vision 

บ่อยครั้งที่เราใช้ไมโครคอนโทรลเลอร์เพื่อทำสิ่งต่าง ๆ ในโรบ็อตของเรา แต่ต้องทำการคำนวณเป็นทศนิยม การใช้ตัวแปร floating point นั้นช้ามากเนื่องจากมีการรวมไลบรารี่ของซอฟต์แวร์ไว้ด้วยโดยอัตโนมัติ (เว้นแต่คุณจะมีไมโครคอนโทรลเลอร์ระดับสูง) ดังนั้นโดยทั่วไปเราใช้เลขคณิตจุดคงที่ เมื่อใดก็ตามที่ฉันทำเช่นนี้ฉันแค่ใช้จำนวนเต็มและจำไว้ว่าตำแหน่งทศนิยมอยู่ที่ไหน อย่างไรก็ตามมันจะใช้ความระมัดระวังเพื่อให้แน่ใจว่าทุกอย่างสอดคล้องกันโดยเฉพาะเมื่อการคำนวณเกี่ยวข้องกับตัวแปรที่จุดทศนิยมอยู่ในตำแหน่งที่แตกต่างกัน ฉันได้ใช้ฟังก์ชั่นจุดคงที่ atan2 แต่เนื่องจากฉันพยายามบีบความแม่นยำที่ จำกัด ครั้งสุดท้าย (16 บิต) ฉันมักจะเปลี่ยนคำจำกัดความของตำแหน่งทศนิยมว่าเป็นทศนิยมและมันจะเปลี่ยนเมื่อฉันบิดมัน นอกจากนี้ฉันจะมีค่าคงที่บางอย่างเช่นตารางค้นหาเสมือนซึ่งตัวเองมีจุดทศนิยมโดยนัยอยู่ที่ไหนสักแห่ง ฉันต้องการทราบว่ามีวิธีที่ดีกว่า มีห้องสมุดหรือชุดของแมโครที่สามารถลดความซับซ้อนในการใช้ตัวแปรจุดคงที่ทำให้การคูณและการหารระหว่างตัวแปรผสมง่ายขึ้นและช่วยให้การประกาศตัวเลขทศนิยมหรือนิพจน์คงที่ แต่จะแปลงเป็นตัวแทนจุดคงที่ที่ต้องการโดยอัตโนมัติ เวลา?

12 microcontroller  c 

ฉันกำลังมองหาการสร้างเครื่องร่อนใต้น้ำซึ่งเป็นเรือดำน้ำชนิดหนึ่งที่ทำงานช้า แต่สามารถใช้งานได้ด้วยกำลังไฟต่ำมาก อย่างไรก็ตามเพื่อให้มันทำงานได้อย่างมีประสิทธิภาพฉันได้พบแหล่งข้อมูลหลายแห่งที่บอกใบ้ว่ามิติของส่วนประกอบโดยเฉพาะปีกมีความสำคัญต่อความสำเร็จของมัน อย่างไรก็ตามฉันได้พบข้อมูลกระจัดกระจายมากเกี่ยวกับขนาดเหล่านี้ควรเป็นอย่างไร! ฉันยินดีที่จะทำการทดลองและข้อผิดพลาดเล็กน้อยหากมันลงมา แต่เพื่อบันทึกงานบางอย่างไม่มีใครมีข้อมูลใด ๆ เกี่ยวกับมิติที่สำคัญควรเป็นอย่างไร

12 design  underwater  auv 

คำจำกัดความของหุ่นยนต์มีดังต่อไปนี้: "กระบวนทัศน์หุ่นยนต์สามารถอธิบายได้ด้วยความสัมพันธ์ระหว่างหุ่นยนต์สามแบบ: ความรู้สึกแผนและการกระทำ" ตัวอย่างอาจเป็น "Kuka Robots" ที่มีชื่อเสียง หุ่นยนต์ Kuka ได้รับการตั้งโปรแกรมล่วงหน้าและส่วนใหญ่จะวนซ้ำไปเรื่อย ๆ บางคนอาจมีเซ็นเซอร์การวัด แต่นั่นคือทั้งหมด พวกเขาไม่คิดหรือวางแผนหรือตัดสินใจ ตัวเปิดประตูอัตโนมัติที่ใช้ในอาคารไม่ใช่หุ่นยนต์ แต่เป็นไปตามคำนิยามกระบวนทัศน์ของหุ่นยนต์พวกเขาเป็นหุ่นยนต์มากกว่าเครื่องจักร Kuka พวกเขาได้รับข้อมูลบางอย่างจากเซ็นเซอร์ตามด้วยการวางแผนและการแสดง เหตุใดเครื่องจักร Kuka จึงเรียกว่าโรบอต

12 industrial-robot 

ฉันกำลังทำงานกับการโลคัลไลเซชั่นและการนำทางของหุ่นยนต์ในสภาพแวดล้อมในเมือง ฉันต้องการใช้กล้องถ่ายรูป แต่ฉันสับสนเล็กน้อยเกี่ยวกับข้อมูล LRF หรือข้อมูลเลเซอร์อื่น ๆ ทำไมผู้คนถึงต้องการใช้กล้อง ทำไมไม่ใช้ LRF หรือข้อมูลเลเซอร์อื่น ๆ ใครช่วยอธิบายด้วยกล้องได้มั้ย

11 computer-vision  stereo-vision  laser  lidar 

ฉันสับสนกับคำว่า "ตัวกรองคาลมานทางอ้อม" หรือ "ตัวกรองคาลมานข้อผิดพลาด" หมายถึงอะไร คำจำกัดความที่เป็นไปได้มากที่สุดที่ฉันพบคือในหนังสือของ Maybeck [1]: ดังที่ชื่อระบุไว้ในการกำหนดพื้นที่ทั้งหมด (โดยตรง) สถานะรวมเช่นตำแหน่งยานพาหนะและความเร็วนั้นเป็นตัวแปรสถานะในตัวกรองและการวัดคือเอาต์พุต INS accelerometer และสัญญาณแหล่งภายนอก ในการกำหนดพื้นที่ข้อผิดพลาด (ทางอ้อม) ข้อผิดพลาดในตำแหน่งและความเร็วที่ระบุของ INS- เป็นตัวแปรที่ประมาณไว้และการวัดแต่ละครั้งที่นำเสนอต่อตัวกรองคือความแตกต่างระหว่าง INS และแหล่งข้อมูลภายนอก 20 ปีต่อมา Roumeliotis และคณะ ใน [2] เขียน: การสร้างแบบจำลองที่ยุ่งยากของยานพาหนะเฉพาะและการมีปฏิสัมพันธ์กับสภาพแวดล้อมแบบไดนามิกนั้นหลีกเลี่ยงได้โดยการเลือกการสร้างแบบจำลองวงแหวนแทน สัญญาณไจโรปรากฏในสมการของระบบ (แทนการวัด) ดังนั้นการกำหนดปัญหาต้องใช้แนวทางกรองคาลมานทางอ้อม (สถานะผิดพลาด) ฉันไม่เข้าใจส่วนที่เป็นตัวหนาตั้งแต่ Lefferts และคณะ ใน [3] เขียนเร็วกว่านี้มาก: สำหรับยานอวกาศอิสระการใช้หน่วยอ้างอิงเฉื่อยเป็นแบบจำลองการแทนที่ช่วยให้หลีกเลี่ยงปัญหาเหล่านี้ จากนั้นดำเนินการต่อเพื่อแสดงตัวแปรต่าง ๆ ของ EKF โดยใช้การสร้างแบบจำลองวงแหวนที่มีคำสั่งตัวกรองคาลมานอย่างชัดเจนตามคำจำกัดความของเมย์เบ็ค: รัฐเท่านั้นประกอบไปด้วยทัศนคติควอเทอเนียนและอคติไจโร ในความเป็นจริงไม่มี INS แยกต่างหากซึ่งมีข้อผิดพลาดในการประเมินด้วยตัวกรอง Kalman …

11 localization  kalman-filter  navigation  errors 

วันนี้เป็น "เที่ยวบิน" quadcopter แรกของฉัน ฉันกำลังใช้งานเมกะพิกเซลบน Crius AIOP v2 พร้อมกับกรอบ Turnigy Talon v2 ฉันแตะคันเร่งบนรีโมทของฉันเท่านั้นไม่มีอะไรอื่นอีกแล้ว เมื่อฉันรู้สึกว่า quadcopter กำลังจะถูกถอดออกฉันผลักคันเร่งออกไปอีกนิดหน่อยและ Quadcopter ก็สั่น 2 หรือ 3 ครั้งแล้วก็พลิกขึ้นลงบนใบพัด ดังนั้นฉันทำลายอุปกรณ์ประกอบฉาก 2 ชิ้นกรอบของฉันรู้สึกหลวมเล็กน้อยฉันอาจต้องขันสกรูให้แน่น (ฉันหวังว่า ... ) ฉันจะปรับแต่งซอฟต์แวร์เพื่อให้มีเสถียรภาพอย่างแน่นอนหลังจากที่ถูกถอดออกได้อย่างไร แก้ไข: ฉันไม่รู้ว่ามันเป็นความผันผวนจริงหรือเพียงแค่การไหลของอากาศแบบสุ่มทำให้ไม่เสถียร ฉันทำการทดสอบเพิ่มเติมเมื่อวานนี้และมันก็ค่อนข้างโอเค คราวนี้มันสั่นไหวจริง ๆ แต่ข้างนอกค่อนข้างมีลมแรงและ quadcopter ก็พยายามทำให้มีเสถียรภาพ ดังนั้นฉันอาจจะต้องปรับ PID ของฉันและหาวิธีที่จะทำโดยไม่ต้องล้มเหลว แก้ไข 2: หลังจากปรับแต่ง PID บางตัวฉันสามารถทำให้ quadcopter ของฉันเสถียรได้ดี แต่มันก็ยังสั่นอยู่เล็กน้อย ฉันเดาว่าฉันจะต้องเปลี่ยนค่าเล็กน้อยเพื่อให้ได้เสถียรภาพที่สมบูรณ์แบบ

11 quadcopter  stability 

ฉันยังใหม่กับการสร้างหุ่นยนต์และเพิ่งได้รับอาร์ดิโนคนแรกที่ได้เล่น ฉันต้องการสร้างหุ่นยนต์ที่จะเดินบนโต๊ะและมันจะนานกว่านี้ฉันคิดว่าถ้าฉันสามารถหลีกเลี่ยงการล้มจากโต๊ะ อะไรจะเป็นวิธีที่ดีที่สุดในการตรวจจับขอบโต๊ะเพื่อให้ฉันสามารถหยุดและหันกลับได้? ต้องเป็นสิ่งที่น่าเชื่อถือและราคาถูกกว่า มันจะดีกว่าถ้าฉันไม่ต้องการเพิ่มสิ่งพิเศษลงในตารางเพื่อให้ฉันสามารถใช้มันบนพื้นผิวใด ๆ (ความคิดแรกของฉันคือการวาดเส้นเส้นทางบนโต๊ะและสร้างหุ่นยนต์ผู้ติดตามเส้น แต่ฉันไม่ ชอบความคิดนี้มาก)

11 sensors 

ตอนนี้ฉันกำลังออกแบบแขนหุ่นยนต์ที่มี 6-DOF และเป้าหมายของฉันคือเพื่อให้สามารถตั้งค่าสำหรับตำแหน่ง 3 มิติความเร็วและการวางแนว ( )x , y, z, x˙, y˙, z˙, θ , α , γx,Y,Z,x˙,Y˙,Z˙,θ,α,γx,y,z,\dot{x},\dot{y},\dot{z},\theta,\alpha,\gamma ฉันมีการควบคุมป้อนกลับสำหรับระบบSISOจนถึงในวิทยาลัยเท่านั้นดังนั้นเมื่อพิจารณาถึงการเรียนรู้ของการควบคุมหลายตัวแปรในการพิจารณาฉันควรเข้าหาปัญหานี้ที่พยายามสร้างแบบจำลองระบบเป็นMIMOหรือ SISO หลายตัวหรือไม่ หากเป็นไปได้โปรดพูดถึงข้อเสียและข้อดีที่เป็นไปได้ในแต่ละกลยุทธ์

11 control  manipulator  robotic-arm 

ฉันกำลังทำงานกับหุ่นยนต์ฮิวแมนนอยด์ขนาด (130 ซม.) (Hubo +) และมองหาวิธีที่จะตั้งโปรแกรมการเคลื่อนไหวและท่าทางใหม่ ๆ เห็นได้ชัดว่าฉันสามารถเขียนเครื่องมือของตัวเอง แต่ฉันกำลังมองหาโซลูชันที่สามารถยกระดับเครื่องมือหรือมาตรฐานที่มีอยู่สำหรับการเคลื่อนไหวของหุ่นยนต์ ความคิดแรกของฉันคือพยายามใช้ซอฟต์แวร์แอนิเมชั่นเช่น Blender หรือ Maya และเขียนสคริปต์เพื่อแยกมุมมองร่วมกันที่คีย์เฟรม อย่างไรก็ตามนักวิจัยหุ่นยนต์ไม่กี่คนที่อาจมีความเชี่ยวชาญกับมายา (ฉันรู้ว่าฉันไม่ได้!) มีเครื่องมือวางตัวแบบ 3D สำหรับหุ่นยนต์ที่เป็นมาตรฐานอยู่แล้วหรือไม่? สิ่งเดียวที่ฉันได้เห็นจนถึงตอนนี้ก็คือPose Utilityใน RoboPlus และChoregrapheสำหรับ Nao แต่โปรแกรมทั้งคู่ดูเหมือนจะ จำกัด เฉพาะโรบอตบางตัวและดูเหมือนจะไม่สามารถขยายไปยัง Hubo ได้ ดังนั้นคำถามของฉันคือ: มีรูปแบบไฟล์มาตรฐานสำหรับการเคลื่อนไหวของหุ่นยนต์หรือไม่? ไม่ใช่การเคลื่อนไหวของหุ่นยนต์แบบล้อสองมิติ การเคลื่อนไหวแขนและขา! สิ่งที่เทียบเท่ากับรูปแบบไฟล์. bvh ที่ใช้ในการตรวจจับการเคลื่อนไหว คุณรู้เกี่ยวกับเครื่องมือ WYSIWYGish สำหรับการสร้างการเคลื่อนไหวของหุ่นยนต์โดยใช้คีย์เฟรมและการเคลื่อนไหวแบบผกผันหรือไม่?

11 software  motion 

มีระบบปฏิบัติการสำหรับ Raspberry Pi ที่ทำขึ้นเป็นพิเศษสำหรับการใช้งานแอพพลิเคชั่นหุ่นยนต์หรือไม่? หรือระบบปฏิบัติการที่มีจุดประสงค์เพื่อเพิ่มประสิทธิภาพเพียงเพื่อเรียกใช้โปรแกรมเฉพาะบางโปรแกรม ฉันทำงานกับ Arduino มาระยะหนึ่งแล้ว เท่าที่มีประสิทธิภาพไปฉันก็แค่อัปโหลดชุดคำสั่งที่เฉพาะเจาะจงและมีฮาร์ดแวร์เพียงต้องการจัดการที่และไม่ต้องกังวลเกี่ยวกับการใช้งานระบบปฏิบัติการที่เต็มเปี่ยม เป็นไปได้ไหมที่จะทำกับ Raspberry Pi?

11 raspberry-pi  operating-systems