机器人

显然，GPS是在任何特定时间为机器人获取位置“定位”的最明显且可访问的技术。但是，尽管有时效果很好，但在其他位置和情况下并没有我想要的准确，因此，我正在调查是否有相对简单的方法可以提高此准确度（或者事实并非如此） ） 我考虑过以下选项，但在网上发现的信息有限： 使用更好的天线会有所帮助，尤其是对于低信号区域？我想对此表示同意，但是如果是这样的话，我将如何构建这样的天线并知道这是一种改进？是否有关于如何执行此操作的良好指南？如果价格不太昂贵，我可以使用现成的天线。 会同时使用多个单独的接收器，还是可能将它们全部减少类似的数量，或者使用这种方法我将无法提取有意义的平均值？ 选择优质的GPS接收器以提高准确性时，我应该寻找什么样的特性？ 我还有其他需要考虑的事情吗？

12 localization  gps 

我正在尝试为以摄像头为主要传感器的机器人实施“信仰空间”计划。与SLAM相似，该机器人具有3D点的地图，并且通过在每个步骤与环境进行2D-3D匹配来进行本地化。出于这个问题的目的，我假设地图没有变化。 作为信念空间规划的一部分，我想为机器人规划从头到尾的路径，但要始终确保其定位精度最大化。因此，我将不得不采样机器人的可能状态，而无需实际移动到那里，并且如果机器人处于这些状态，则机器人将进行观察，这些观察（如果我错了，请纠正我）一起构成了机器人的“信念” ，随后在这些位置编码其定位不确定性。然后我的计划者将尝试连接那些给我带来最小不确定性（协方差）的节点。 由于我对基于摄像头的机器人的定位不确定性完全取决于诸如从给定位置可见多少个特征点，机器人的航向角等问题：我需要估算某个样本上的定位有多“糟糕”确定我是否应该丢弃它。为了到达那里，我如何为此定义测量模型，它是相机的测量模型，还是与机器人位置有关的东西？如何预先“猜测”我的测量值，以及如何通过这些猜测的测量值计算机器人的协方差？ 编辑：对我来说，主要参考是快速探索随机信仰树的想法，它是“ 信仰路线图 ”方法的扩展。另一篇相关论文将RRBT用于受限计划。在本文中，类似于传统RRT一样对状态进行采样，以顶点表示为图形，但是当要连接顶点时，算法会将信念从当前顶点传播到新顶点（第V部分的PROPAGATE函数1） ，这就是我遇到的问题：我不完全了解如何在不实际遍历和获取新度量的情况下沿边缘传播信念，从而从定位获得新的协方差。该RRBT纸 说“协方差预测和成本期望方程是在PROPAGATE函数中实现的”：但是，如果仅使用预测，它怎么知道，例如，未来位置是否有足够的功能可以提高/降低定位精度？

12 computer-vision  planning  probability 

万向节组件中的无刷电机如何设计？ 显然，它不需要连续旋转，但确实需要精确控制精确位置。我注意到，万向节中的电机没有其他电机具有通常的磁性“咬合”位置。 这些电动机的主要设计区别是什么？

12 motor 

有谁知道理想的机器人开发环境来测试无人机的AI程序（例如，直升机，飞机，直升机等）？我想要像Microsoft Robotics Developer Studio这样的东西，它包含一个虚拟环境（例如具有重力，风等的室外环境）来测试飞行动力学。我想要将传感器添加到虚拟无人机的选项，例如gps，高度计，陀螺仪等，然后AI程序可以使用它们来操纵无人机。

12 quadcopter  artificial-intelligence  machine-learning 

我正在尝试使用立体声相机进行场景重建，但是通常只能获得稀疏点云（即，超过一半的图像没有任何适当的深度信息）。 我意识到，立体处理算法依赖于图像中纹理的存在，并且可以调整一些参数以获得更好的结果，例如视差范围或相关窗口大小。但是，尽管我调整了这些参数，但我永远无法获得甚至与使用Kinect等有源传感器所获得的结果几乎遥不可及的结果。 我之所以想要这样做，是因为与相邻区域相对应的点云经常没有足够的重叠空间来使我获得匹配，因此严重损害了重建。 我向计算机视觉专家提出的问题如下：我应该怎么做才能获得更密集的点云（无需随意修改办公室环境）？

12 slam  computer-vision 

通常，我们使用微控制器在机器人中执行操作，但是需要用十进制进行一些计算。使用浮点变量非常慢，因为会自动包含软件浮点库（除非您拥有高端微控制器）。因此，我们通常使用定点算法。 每当我这样做时，我都只使用一个整数，并记住小数点在哪里。但是，确实要确保所有内容都是一致的，特别是当计算涉及小数点位于不同位置的变量时。 我已经实现了定点atan2函数，但是因为我试图挤压最后一滴有限精度（16位）的数据，所以我经常会更改小数点位置的定义，并且在对其进行调整时会改变。此外，我还有一些常量（作为准查询表），它们本身在某处具有隐含的小数点。 我想知道是否有更好的方法。是否有一个库或一组宏，可以简化定点变量的使用，简化混合变量之间的乘法和除法，并允许声明小数或常数表达式，但在编译时自动转换为所需的定点表示形式时间？

12 microcontroller  c 

我正在寻找潜在的建造水下滑翔机的工具，这是一种潜艇，速度很慢，但可以在极低的功率下运行。但是，为了使它有效地工作，我发现了一些消息暗示这些组件的尺寸，尤其是机翼，对于其成功至关重要。 但是，我发现有关这些尺寸应该是什么的信息非常稀疏！如果涉及到这一点，我很乐意尝试一下，但是为节省一些工作，有人能掌握关于关键尺寸应该是什么的信息吗？

12 design  underwater  auv 

机器人的定义如下：“机器人范式可以通过机器人的三个基本要素之间的关系来描述：感知，计划和行为。” 一个例子就是著名的“库卡机器人”。Kuka机器人是经过预编程的，主要执行一次循环。其中一些可能具有测量传感器，仅此而已。他们不思考或计划，也不做决定。 建筑物中使用的自动开门器也不是机器人，但根据机器人范式的定义，它们更是机器人，而不是Kuka机器。他们实际上是从传感器中获取一些数据，然后进行计划和采取行动。 那么，为什么将Kuka机器称为机器人？

12 industrial-robot 

我正在研究城市环境中的机器人本地化和导航。我想使用相机。但是我对LRF数据或其他激光数据有些困惑。 人们为什么要使用相机？ 为什么不使用LRF或其他激光数据？ 谁能解释一下赞成Camera吗？

11 computer-vision  stereo-vision  laser  lidar 

我对术语“间接卡尔曼滤波器”或“错误状态卡尔曼滤波器”的确切含义感到困惑。 我发现的最合理的定义是在Maybeck的书[1]中： 顾名思义，在总状态空间（直接）公式中，诸如车辆位置和速度之类的总状态属于过滤器中的状态变量，其测量值是INS加速度计输出和外部源信号。在错误状态空间（间接）公式中，INS指示的位置和速度中的错误属于估计变量，并且提供给滤波器的每个测量值都是INS与外部源数据之间的差。 20年后，Roumeliotis等人。在[2]中写道： 通过选择陀螺仪建模可以避免特定车辆的繁琐建模及其与动态环境的交互。陀螺仪信号出现在系统（而不是测量）方程中，因此问题的提出需要间接（误差状态）卡尔曼滤波方法。 自Lefferts等人以来，我无法理解大胆的部分。在[3]中写得更早： 对于自主航天器，使用惯性参考单元作为模型替代品可以规避这些问题。 然后继续使用陀螺建模模型展示EKF的不同变体，这些变体根据Maybeck的定义显然是直接卡尔曼滤波器：状态仅由姿态四元数和陀螺仪偏置组成，而不是误差状态。实际上，没有单独的INS可以使用错误状态卡尔曼滤波器估算其错误。 所以我的问题是： 我不知道间接（错误状态）卡尔曼滤波器的定义是否有所不同，也许是较新的定义？ 陀螺仪建模与一方面与使用适当的动态模型相反，另一方面与使用直接或间接卡尔曼滤波器的决策有何关系？我的印象是两者都是独立的决定。 [1] Maybeck，Peter S.随机模型，估计和控制。卷 1.学术出版社，1979年。 [2] Roumeliotis，Stergios I.，Gaurav S. Sukhatme和George A. Bekey。“规避动态建模：评估应用于移动机器人定位的错误状态卡尔曼滤波器。” 机器人与自动化，1999年。会议论文集。1999年IEEE国际会议上。卷 2. IEEE，1999年。 [3] Lefferts，Ern J.，F。Landis Markley和Malcolm D. Shuster。“卡尔曼滤波用于航天器姿态估计。” 引导，控制和动力学杂志5.5（1982）：417-429。

11 localization  kalman-filter  navigation  errors 

我是机器人制作的新手，刚开始玩第一只arduino。 我想制造一个可以在桌子上徘徊的机器人，如果可以避免从桌子上掉下来，它的使用寿命会更长。 使它能够检测桌子边缘以便停下来转身的最佳方法是什么？它必须可靠并且最好便宜。 如果我不需要在桌子上添加多余的东西，以便可以在任何表面上使用它，那也会更好（我的第一个想法是在桌子上绘制路径线并制作一个追随者机器人，但我没有非常喜欢这个想法）。

11 sensors 

我有一辆遥控车。电池为ESC提供电源，然后ESC为接收器提供6 V备用电源。我有一个Raspberry Pi，而不是接收器，它使用6 V，将其降压至5 V，并为Raspberry Pi提供电源。 问题 每次我们满功率*时，都会缺少电压，Raspberry Pi似乎很难复位。 *全功率是指直接到100％，而不是0-100 我不是电路专家，但是一些建议是使用电容器在过渡期间提供缺少的5V。如何在全功率情况下防止Raspberry Pi死亡？

11 raspberry-pi  electronics  esc 

我目前正在设计具有6自由度的机械臂，我的目标是能够给出3d位置，速度和方向（）。X ，ÿ，ž， X˙， ÿ˙，ž˙，θ ，α ，γX，ÿ，ž，X˙，ÿ˙，ž˙，θ，α，γx,y,z,\dot{x},\dot{y},\dot{z},\theta,\alpha,\gamma 到目前为止，我在大学中仅对SISO系统进行了反馈控制，因此，考虑到多变量控制的学习曲线，我是否应该尝试将系统建模为MIMO或多个SISO 来解决这个问题？ 如果可能，请在每种策略中提及可能的不利和优势。

11 control  manipulator  robotic-arm 

今天是我的四轴飞行器的第一次“飞行”。我正在使用Turnigy Talon v2框架的Crius AIOP v2上运行megapirate。 我只碰了遥控器上的油门杆，没别的。当我感觉到四旋翼飞机即将起飞时，我将油门推得更近一点，四旋翼飞机摆动了2到3次，然后刚刚翻转过来，降落在螺旋桨上。 因此，我摔断了2个道具，我的框架感觉有点松动，我可能不得不拧紧螺丝（我希望...）。如何调整软件，使其在起飞后能很好地稳定？ 编辑： 我不知道这是真正的振荡还是只是随机的气流使其不稳定。昨天我又做了一些测试，这还算不错（即使我崩溃了几次）。这次确实很振荡，但是外面风很大，毕竟四旋翼飞机设法稳定了。因此，我可能不得不调整我的PID，并找到一种方法来避免崩溃。 编辑2：经过一些PID调整后，我设法很好地稳定了四轴飞行器，但它仍在振荡。我想我必须稍微改变这些值才能获得完美的稳定性。

11 quadcopter  stability 

我熟悉人机交互中不可思议的山谷理论的想法，其中几乎具有人类外观的机器人被认为是令人毛骨悚然的。我也知道，已经进行了一些研究研究以支持使用MRI扫描的这一理论。 当设计可以与人成功交互的机器人系统时，效果是重要的考虑因素。为了避开怪异的山谷，设计师经常创造出与人类距离很远的机器人。例如，许多治疗机器人（Paro，Keepon）被设计成看起来像动物，或者“可爱”且没有威胁性。 其他治疗机器人，例如Kaspar，看起来很人性化。卡斯珀（Kaspar）是奇异山谷的绝佳典范，因为当我看着卡斯珀（Kaspar）时，它会让我感到惊讶。但是，自闭症患者可能无法像我一样体验卡斯珀。而且根据Shahbaz的评论，自闭症儿童对Kaspar的反应很好。 在自闭症患者中使用治疗性机器人时，人机交互的某些基本原理（例如怪异的山谷）可能无效。我可以找到一些轶事证据（与Google一起使用），证明自闭症谱系中的人没有经历过神秘谷，但到目前为止，我还没有看到该领域的任何实际研究。 有谁知道自闭症患者在人机交互方面的积极研究吗？特别是，自闭症谱系中的人们与仿人机器人互动时，异常谷如何应用（或不应用）？

11 research  hri  uncanny-valley