タグ付けされた質問 「motion-planning」

6
経路計画と運動計画の違いは何ですか?
運動計画と経路計画の主な違いは何ですか?アルゴリズムの目的は、ヒューマノイドサッカーロボットとボールの間のパスを見つけることであり、障害物からの距離に関してパスで指定された安全性を満たしながら、できるだけ短くすることを想像してください。 より良い用語はどれですか?運動計画または経路計画?

2
非ユークリッド構成空間の最近傍データ構造
RRTモーションプランナーで使用するための最近傍構造を実装しようとしています。線形ブルートフォース最近傍検索よりも良い結果を得るために、kdツリーのようなものを実装したいと思います。ただし、kdツリーの従来の実装では、空間の各次元を「左」と「右」に分割できると想定しています。この概念は、たとえばSO(2)のような非ユークリッド空間には当てはまらないようです。 私は、完全に回転可能なリンクを備えたシリアルマニピュレーターアームを使用しています。つまり、ロボットの構成空間の各次元はSO(2)であり、したがってユークリッドではありません。この種の部分空間を処理するためにkdツリーアルゴリズムを変更できますか?そうでない場合、これらの非ユークリッド部分空間を処理し、更新とクエリを簡単に行える別の最近傍構造がありますか?FLANNも調べましたが、それらのドキュメントから非ユークリッド部分空間を処理できるかどうかは明確ではありませんでした。

2
RRT *は、最小クリアランスコストメトリックの漸近的最適性を保証しますか?
最適なサンプリング・ベースの動作計画アルゴリズム説明本論文では)、計画時間の増加に伴って最適経路に収束衝突のない経路をもたらすことが示されています。ただし、私が見る限り、最適性の証明と実験では、パスコストメトリックが構成空間のユークリッド距離であると仮定しています。RRT ∗は、パス全体の障害物からの最小クリアランスを最大化するなど、他のパス品質メトリックの最適性プロパティも生成できますか?RRT∗RRT∗\text{RRT}^*RRT∗RRT∗\text{RRT}^* 最小クリアランスを定義するには:簡単にするために、ユークリッド空間を動き回るポイントロボットを考えます。衝突のない構成空間にある構成については、ロボットと最も近いC障害物間の距離を返す関数d (q )を定義します。パスのためのσ、最小クリアランスmin_clear (σは)の最小値であるD (Q )すべてについてのq ∈ σ。最適な運動計画では、パスに沿った障害物からの最小クリアランスを最大化することをお勧めします。これは、いくつかのコストメトリックを定義することを意味しますqqqd(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 \sigmaように、Cの増加最小クリアランスが減少するにつれて。1つの単純な関数は c (σ )= exp (− min_clear (σ ))になります。c(σ)c(σ)c(\sigma)cccc (σ)= exp(− min_clear (σ))c(σ)=exp⁡(−min_clear(σ))c(\sigma) = \exp(-\text{min_clear}(\sigma)) RRT ∗を紹介する最初の論文では、証明が成立するように、パスコストメトリックについていくつかの仮定が行われています。前提条件の1つはコストメトリックの加算性に関するもので、上記の最小クリアランスメトリックには当てはまりません。ただし、アルゴリズムについて説明した最近のジャーナル記事では、以前の仮定のいくつかがリストされておらず、最小クリアランスコストメトリックもアルゴリズムによって最適化されているように思われました。RRT∗RRT∗\text{RRT}^* の最適性の証明が最小クリアランスコストメトリック(おそらく上記で与えたものではなく、同じ最小値を持つ別のメトリック)を保持できるかどうか、またはアルゴリズムの有用性をサポートするために実験が実行されたかどうかを知っていますか?そのようなメトリック?RRT∗RRT∗\text{RRT}^*

3
6軸ロボットで、エンドエフェクタの位置と方向の範囲を指定して、最適な関節の値を見つける方法
エンドエフェクターでツールを保持している6軸の多関節ロボットアームがある場合、希望するツールの位置と方向がある場合、ロボットがその位置に到達するための逆運動学方程式のソリューションは1つだけです。 (または、関節の範囲に応じて、最大16の異なるソリューション) しかし、ロボットがペンのようなものを持ち、ロボットがターゲット上のそのペンで特定のポイントをマークするようにしたい場合、マークされた表面に垂直である限り、ペンの向きを気にしません。 したがって、逆運動学方程式は無限に多くの解を持つことになります。 これらのソリューションの中から、現在の構成に最も近いジョイント構成を選択するにはどうすればよいですか? (または、すべての関節角度が最大値と最小値から最も離れているなど、他の同様の基準に従って最適である関節構成)

2
クワッドローターをターゲットに向けて導く
クワッドローターに取り組んでいます。-私はその位置を知っている私が行ってみたい、 -目標位置、及びそのI計算Aベクターから -私の目標に私を取る単位ベクトルを:b caaabbbccc c = b - a c = normalize(c) クワッドローターは回転せずにどの方向にも移動できるため、私がやろうとしたのは ロボットのヨー角でを回転させるccc コンポーネントに分割するx 、yバツ、yx, y それらをロール角とピッチ角としてロボットに渡します。 問題は、ヨーが0°±5の場合、これは機能しますが、ヨーが+90または-90に近い場合、失敗し、誤った方向に進みます。私の質問は、ここに明らかな何かが足りないのですか?
9 quadcopter  uav  navigation  slam  kinect  computer-vision  algorithm  c++  ransac  mobile-robot  arduino  microcontroller  machine-learning  simulator  rcservo  arduino  software  wifi  c  software  simulator  children  multi-agent  ros  roomba  irobot-create  slam  kalman-filter  control  wiring  routing  motion  kinect  motor  electronics  power  mobile-robot  design  nxt  programming-languages  mindstorms  algorithm  not-exactly-c  nxt  programming-languages  mindstorms  not-exactly-c  raspberry-pi  operating-systems  mobile-robot  robotic-arm  sensors  kinect  nxt  programming-languages  mindstorms  sensors  circuit  motion-planning  algorithm  rrt  theory  design  electronics  accelerometer  calibration  arduino  sensors  accelerometer 

1
モンテカルロローカリゼーション
私は、環境とその開始位置と方向のマップが与えられたロボットのモンテカルロローカリゼーションを実装しています。鉱山のアプローチは次のとおりです。 指定された位置の周りに均一に500個のパーティクルを作成します 次に、各ステップで: モーションはすべてのパーティクルをオドメトリで更新します(現在のアプローチはnewX = oldX + odometryX(1 + standardGaussianRandom)などです)。 ソナーデータを使用して各粒子に重みを割り当てます(式は各センサーの確率に対するものです* = gaussianPDF(realReading)。ここで、ガウスには平均予測読み取りがあります) このステップでの位置として最大の確率で粒子を返す 次に、重みに従って古い粒子から新しい粒子の9/10がリサンプリングされ、予測された位置の周囲で1/10が均一にサンプリングされます 今、私はロボットの環境のためのシミュレーターを書きました、そしてこれはこのローカリゼーションがどのように動作するかです:http : //www.youtube.com/watch? v=q7q3cqktwZI ロボットが長期間失われる可能性があることを非常に恐れています。より広い領域に粒子を追加すると、ロボットはさらに簡単に迷子になります。 より良いパフォーマンスを期待しています。何かアドバイス?

1
差動ドライブの軌道に最適なスプライン関数はどれですか
実行時に適応できる軌道を生成するために使用できる最良の種類のスプラインは何ですか? 使用例は、移動中に停止せずにポイント(x、y、theta)に向かって移動する必要がある差動ドライブがある(たとえば、いいえ、ゴールに向かって曲がる、まっすぐにゴール位置に移動する、ゴールの方向に曲がる)。ロボットには、避けなければならない動的障害物を検出するためのレーザースキャナーが備わっています。 この場合、どの種類のコントローラーが最適ですか?
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.