- UID
- 6855
- 在线时间
- 4 小时
- 注册时间
- 2017-9-17
- 在线时间
- 4 小时
TA的每日心情 | 开心 2021-10-21 11:01 |
---|
签到天数: 14 天 连续签到: 1 天 [LV.3]偶尔看看II
荣耀VIP
    
- 积分
- 272
- 经验
- 214
- 学豆
- 18138

|
课程介绍:
系统讲解运动规划的中文课程,讲述最新,最实用的planning算法原理以及工程实现。重点讲述应用/实现/工程部分,学完可以直接应用于移动机器人中。
Path finding算法属于“前端”,我们不希望在这上面花费太多的算力和代价,因此往往会把一些高维问题转换为低维问题,找到一个粗略的可行解;Trajectory generation属于“后端”,称之为轨迹生成或者轨迹优化环节,这时候会把它变成一个真正的可行解,满足机器人动力学约束等等的一条轨迹。
本门课程所需要的一些知识技能:线性代数、概率论、Matlab、C++、Linux。这些技能都是机器人行业的必备。
这门课属于国内首次系统讲解运动规划,从此告别只能依靠博客,知乎,英文paper查找学习资料的尴尬。
课程目录
第1章 概述和课程介绍
1.1课程总体介绍
1.2课纲介绍与规划方法分类
1.3常用地图结构与基础知识
1.4实践演示
第2章 基于搜索的路径规划
2.1图搜索基础
2.2Dijstra和Astar算法
2.3JPS算法
2.4实践演示与作业
第3章 基于采样的路径规划
3.1-3.2概率路线图算法
3.3-3.4基于采样的最优路径规划算法
第4章 动力学约束下的路径规划
4.1动力学概念简介
4.2状态栅格搜索算法
4.3两点边界最优控制问题
4.4混合Astar算法
4.5动力学约束RRTstar算法
第5章 轨迹生成
5.1MinimumSnap1
5.2MinimumSnap2
第6章 软约束和硬约束下的轨迹优化
6.1轨迹优化
6.2作业
第7章 基于马尔可夫决策过程的运动规划
7.1规划中的不确定性和马尔科夫决策过程
7.2最小最大代价规划和最小期望代价规划
7.3值迭代和实时动态规划
第8章 模型预测控制在运动规划的应用
配套资料(代码、讲义)(04)20200531人工智能
下载地址
回复可查看课程下载链接&提取码
|
|