运动学模拟
RoboHAZMAT：高级设计项目
运动控制团队
杰拉多·布莱德（Gerardo Bledt）
2014年10月21日
#####点击此处观看视频： #####点击此处观看视频：
####机器人仿真GUI
模拟1：轨迹跟踪的逆运动学优化
##项目目标：
RobotHAZMAT项目是一个由10位Virginia Tech高级机械工程师组成的设计团队。 主要目标是为危险响应情况的机器人系统开发一种直观的手势控制方法。 当前的危险响应机器人需要大量的培训时间和不直观的按钮操纵杆控件。 我们希望增加运动范围，并减少操作这些系统所需的训练时间。
这是第一年的项目，可作为概念证明，即可以通过人体运动直观地控制两个手臂机器人。
我们希望能够使用现成的廉价零件开发机器人以及可穿戴用户界面。
##基本模拟说明：
在“ RoboHAZMAT”目录中，运行“ addpath_Rob
2022-05-24 12:34:56
264KB
1
人工智能技术的发展促进了人机交互的快速改善。 该系统使用Kinect视觉图像传感器来识别人体骨骼数据并完成对操作员动作的识别。 通过以计算机软件为核心的上位机平台对实时数据的过滤处理，对算法进行编程，实现了从数据到控制信号的转换。 系统通过串行通信的传输方式将信号以Arduino为核心传输到下层计算机平台，从而完成对转向器的控制。 为了验证该理论的可行性，研究小组构建了4自由度机械臂控制系统并完成了软件开发。 它可以在计算机操作界面上实时显示其他功能，例如当前的骨骼角度和运动状态。 实验数据表明，基于Kinect的运动识别方法可以有效地完成对预期运动的跟踪，并完成对指定对象的抓取和传递，具有极高的可操作性。
2022-03-26 02:00:43
748KB
1
机器人手臂及控制系统的设计与研究.pdf 介绍了关于机器人手臂及控制系统的设计与研究的详细说明，提供机器人知识的技术资料的下载。
2022-03-04 18:54:57
2.41MB
1
从头开始训练机器人手臂
：建立培训框架
：学习从头开始构建环境
：完成基本的环境脚本，看看手臂如何运动
：插入强化学习方法并尝试对其进行培训
：优化和调试
：制定目标
依存关系
Python
张量流
g
麻木
此强化学习练习代码的中文教程为 。 您可以在上查看更多教程，或在了解有关我的更多信息。
2022-01-19 16:05:24
59KB
1