DRAKE - 基于模型的机器人设计与验证 由丰田研究所支持的 C++ / Python 工具箱。

简介: DRAKE - 基于模型的机器人设计与验证 由丰田研究所支持的 C++ / Python 工具箱。

系列文章目录


前言 - 概述

       Drake(中古英语中的 "龙")是一个 C++ 工具箱,由麻省理工学院计算机科学与人工智能实验室(CSAIL)的机器人运动小组开发。目前,开发团队已大幅壮大,核心开发工作由丰田研究所领导。这是一套用于分析机器人动力学和构建机器人控制系统的工具集合,重点强调基于优化的设计/分析。


       虽然机器人仿真工具的数量越来越多,但它们大多像黑盒子(black box)一样:指令输入,传感器输出(commands go in, sensors come out)。Drake 的目标是模拟甚至非常复杂的机器人动力学(例如,包括摩擦(friction)、接触(contact)、空气动力学(aerodynamics)......),但始终强调暴露支配方程的结构(稀疏性(sparsity)、分析梯度(analytical gradients)、多项式结构(polynomial structure)、不确定性量化(uncertainty quantification)......),并将这些信息用于高级规划、控制和分析算法(advanced planning, control, and analysis algorithms)。Drake 提供了一个 Python 接口,以便快速原型开发新算法,同时还旨在为许多最先进的算法提供可靠的开源实现。最后,我们希望 Drake 能提供许多令人信服的示例,帮助人们入门并提供急需的基准。我们很高兴能接受用户的贡献,以提高覆盖率。


       您可以在这篇博文中阅读有关 Drake 愿景的更多信息。


       希望这个工具对您有用。如果您想分享您的意见、问题、成功故事或挫折,请参阅 "获取帮助"。也请贡献您的最佳错误修复、功能和示例!

一、核心库

  • Modeling Dynamical Systems
  • Solving Mathematical Programs
  • Multibody Kinematics and Dynamics

二、安装

      Drake 为 Ubuntu 20.04 (Focal) 和 Ubuntu 22.04 (Jammy) 操作系统发布预编译二进制文件作为 APT 软件包 (*.deb)。更多兼容性详情,请参阅 "支持的配置"。


       要了解其他安装方法,请参阅安装和快速入门。


       如果您在使用 Drake 时遇到任何问题或有任何疑问,请寻求帮助。


       Drake 二进制版本包含 SNOPT 的预编译版本,是数学程序工具箱的一部分。感谢 Philip E. Gill 和 Elizabeth Wong 的大力支持。


       Drake 的 apt 软件包不支持 Gurobi 求解器。要使用 Gurobi,您需要按照源码安装中的说明从源码构建 Drake。

2.1 通过 APT 安装(Ubuntu)

       要在机器上添加 Drake APT 代码库并安装 drake-dev 软件包,请按以下顺序操作:

       如果您使用的是最小云或容器镜像,可能需要安装以下软件包:

sudo apt-get update
sudo apt-get install --no-install-recommends \
  ca-certificates gnupg lsb-release wget

      下载一份 Drake GPG 签名密钥,并将其添加到 APT 可信钥匙串中:

wget -qO- https://drake-apt.csail.mit.edu/drake.asc | gpg --dearmor - \
  | sudo tee /etc/apt/trusted.gpg.d/drake.gpg >/dev/null

将 Drake 软件源添加到 APT 源列表中:

echo "deb [arch=amd64] https://drake-apt.csail.mit.edu/$(lsb_release -cs) $(lsb_release -cs) main" \
  | sudo tee /etc/apt/sources.list.d/drake.list >/dev/null

   更新本地 APT 软件包索引并安装 Drake-dev 软件包:

sudo apt-get update
sudo apt-get install --no-install-recommends drake-dev

大多数内容都安装到 /opt/drake,因此设置以下环境变量可能有用:

  export PATH="/opt/drake/bin${PATH:+:${PATH}}"
  export PYTHONPATH="/opt/drake/lib/python$(python3 -c 'import sys; print("{0}.{1}".format(*sys.version_info))')/site-packages${PYTHONPATH:+:${PYTHONPATH}}"

2.2 pypi

Drake 并未定期与 Anaconda 一起测试,因此如果您正在使用 Anaconda,可能会遇到兼容性问题;在寻求帮助时,请务必提及涉及 Conda。

    我们建议将 Drake 安装到虚拟环境目录中。在下面的示例中,我们将该目录命名为 env,但您可以选择任何名称。

       对于 macOS,请确保您使用的是自制 Python(而非苹果的系统 Python)。

    创建虚拟环境,安装 Drake 并激活环境:

python3 -m venv env
env/bin/pip install --upgrade pip
env/bin/pip install drake
source env/bin/activate

目录
相关文章
|
14天前
|
Python
python对象模型
这篇文章介绍了Python中的对象模型,包括各种内置对象类型如数字、字符串、列表、字典等,以及如何使用`type()`函数来查看变量的数据类型。
|
16天前
|
机器学习/深度学习 监控 TensorFlow
使用Python实现深度学习模型:智能农业病虫害检测与防治
使用Python实现深度学习模型:智能农业病虫害检测与防治
169 65
|
14天前
|
机器学习/深度学习 监控 TensorFlow
使用Python实现深度学习模型:智能森林火灾预警系统
使用Python实现深度学习模型:智能森林火灾预警系统
46 5
|
1天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现深度学习模型:智能药物研发与筛选
使用Python实现深度学习模型:智能药物研发与筛选
30 15
|
3天前
|
机器学习/深度学习 数据采集 存储
使用Python实现深度学习模型:智能保险风险评估
使用Python实现深度学习模型:智能保险风险评估
31 12
|
17天前
|
机器学习/深度学习 算法 机器人
使用Python实现深度学习模型:智能灾害响应与救援机器人
使用Python实现深度学习模型:智能灾害响应与救援机器人
48 16
|
12天前
|
机器学习/深度学习 PHP 开发者
探索PHP中的面向对象编程构建你的首个机器学习模型:以Python和scikit-learn为例
【8月更文挑战第30天】在PHP的世界中,面向对象编程(OOP)是一块基石,它让代码更加模块化、易于管理和维护。本文将深入探讨PHP中面向对象的魔法,从类和对象的定义开始,到继承、多态性、封装等核心概念,再到实战中如何应用这些理念来构建更健壮的应用。我们将通过示例代码,一起见证PHP中OOP的魔力,并理解其背后的设计哲学。
|
13天前
|
机器学习/深度学习 数据采集 Python
利用Python实现简单的线性回归模型
【8月更文挑战第29天】本文将引导你了解并实践如何使用Python编程语言实现一个简单的线性回归模型。我们将通过一个实际的数据集,一步步地展示如何进行数据预处理、建立模型、训练及评估模型性能。文章旨在为初学者提供一个易于理解且实用的编程指南,帮助他们快速入门机器学习领域。
|
20天前
|
机器学习/深度学习 监控 TensorFlow
使用Python实现深度学习模型:智能停车管理系统
【8月更文挑战第22天】 使用Python实现深度学习模型:智能停车管理系统
39 8
|
14天前
|
机器学习/深度学习 数据采集 传感器
使用Python实现深度学习模型:智能水质监测与管理
使用Python实现深度学习模型:智能水质监测与管理
37 1
下一篇
DDNS