硬核,这年头机器人都开始自学“倒车入库”了

简介: 硬核,这年头机器人都开始自学“倒车入库”了

目录

0 前言

本文基于差速轮式机器人模型做一个运动学应用,即控制机器人两轮的速度差改变其运动轨迹,使机器人完成一个倒车入库的动作。


image.png

仿真效果动图如下所示,看完本文相信你也可以做到!(文末有实际机器人运行效果图!)

1ff5e307609f44aaba912249a5bb0c81.png

1 什么是差速轮式机器人?

差速轮式机器人轮式机器人的一种,如下图所示。其特点是:两轮只有绕轴的旋转运动,而没有其他速度分量,因此这种机器人不能横向运动,想象家里的扫地机,路上开的汽车,他们都是差速结构,因此都不能“横着开”!什么样的机器人可以横着开?这个需要装配麦克纳姆轮,以后有机会再说。


image.png

2 差速轮式机器人的运动学方程

差速轮式机器人的运动学方程如下:

p ˙ = [ x ˙ y ˙ θ ˙ ] = [ cos ⁡ θ 0 sin ⁡ θ 0 0 1 ] [ v ω ] = S ( q ) u \boldsymbol{\dot{p}}=\left[

x˙y˙θ˙

x˙y˙θ˙

\right] =\left[

cosθsinθ0001

cos⁡θ0sin⁡θ001

\right] \left[

\right] =S\left( \boldsymbol{q} \right) \boldsymbol{u}

p

˙


=


 

x

˙

y

˙


θ

˙


 


=


 

cosθ

sinθ

0


 

0

0

1


 


[

v

ω


]=S(q)u


本文不推导晦涩的公式,这里写出来只是为了编程。

3 开始编程实现

3.1 机器人轨迹控制

首先,我们要确定两个位置,一个是车位位置ref,一个是车的当前位置p

% 车位
xRef = ref(1);
yRef = ref(2);
thetaRef = ref(3);
% 车
x = p(1);
y = p(2);
theta = p(3);

接着,我们要计算二者的误差

% 误差
xErr = cos(theta) * (xRef - x) + sin(theta) * (yRef - y);
yErr = -sin(theta) * (xRef - x) + cos(theta) * (yRef - y);
thetaErr = thetaRef - theta;

然后我们期望把误差降低

% 参数
Kpx = 3
Kpt = 3
% 轮子的线速度和角速度
v = Kpx * sqrt(xErr^2 + yErr^2);
w = Kpt * thetaErr;

接触过控制理论的同学一定能看出这就是个P反馈控制器。接着把这个增量反馈出去

dpdt = [v*cos(theta); v*sin(theta); w];

然后把这个函数封装成ode45的被调函数,让Matlab帮我们迭代计算即可。

3.2 画车位和车

车位很简单,就是三条直线

annotation('line', [0.53,0.53], [0.35,0.5], 'Color','k');
annotation('line', [0.63,0.63], [0.35,0.5], 'Color','k');
annotation('line', [0.53,0.63], [0.35,0.35], 'Color','k');

车可以按喜好画成各种样子,本文用箭头表示车的方向。

arrow = quiver(x, y, endPt(1) - x, endPt(2) - y, ...
       'MaxHeadSize',5.5,'AutoScaleFactor',1,'AutoScale','off', 'LineWidth', 1.5, 'color', color, ...
       'Marker', 'o', 'MarkerSize', 4, 'MarkerFaceColor',color);

效果如下


image.png

加点难度,把车位斜过来,也表现的很好!


image.png

3.3 制作动图

接着看看如何制作Matlab演示动画,下面是完整代码

figure(1)
stableProcess = VideoWriter('video/stableProcess.avi');
open(stableProcess);
movie = moviein(t);
% 画车位
annotation('line', [0.5,0.5], [0.2,0.3], 'Color','k');
annotation('line', [0.63,0.63], [0.2,0.3], 'Color','k');
annotation('line', [0.5,0.63], [0.2,0.2], 'Color','k');
% 画目标位置
plotPose(refPos);
grid on
hold on
% 画初始位置
handler = plotPose(initPos);
for i=1:length(t)
    delete(handler);
    handler = plotPose(actualPos(i,:));
    plot(actualPos(i,1), actualPos(i,2), 'Marker', '.', 'color', [0,0.5,0]);
    movie(:, i) = getframe;
    writeVideo(stableProcess, movie(:, i));
end
hold off
close(stableProcess);

4 真车实战

因为限制动图大小为5M内,下面的实例抽调了大部分帧。

image.png

🔥 更多精彩专栏

目录
相关文章
|
机器学习/深度学习 人工智能 自然语言处理
谷歌机器人「吃了」语言大模型后,会自学和思考了
谷歌机器人「吃了」语言大模型后,会自学和思考了
288 0
|
8天前
|
人工智能 自然语言处理 算法
基于DeepSeek的具身智能高校实训解决方案——从DeepSeek+机器人到通用具身智能
本实训方案围绕「多模态输入 -> 感知与理解 -> 行动执行 -> 反馈学习」的闭环过程展开。通过多模态数据的融合(包括听觉、视觉、触觉等),并结合DeepSeek模型和深度学习算法,方案实现了对自然语言指令的理解、物体识别和抓取、路径规划以及任务执行的完整流程。
153 12
|
24天前
|
人工智能 机器人 API
AppFlow:无代码部署Dify作为钉钉智能机器人
本文介绍如何通过计算巢AppFlow完成Dify的无代码部署,并将其配置到钉钉中作为智能机器人使用。首先,在钉钉开放平台创建应用,获取Client ID和Client Secret。接着,创建消息卡片模板并授予应用发送权限。然后,使用AppFlow模板创建连接流,配置Dify鉴权凭证及钉钉连接凭证,完成连接流的发布。最后,在钉钉应用中配置机器人,发布应用版本,实现与Dify应用的对话功能。
AppFlow:无代码部署Dify作为钉钉智能机器人
|
3月前
|
人工智能 自然语言处理 算法
具身智能高校实训解决方案 ----从AI大模型+机器人到通用具身智能
在具身智能的发展历程中,AI 大模型的出现成为了关键的推动力量。高校作为培养未来科技人才的摇篮,需要紧跟这一前沿趋势,开展具身智能实训课程。通过将 AI 大模型与具备 3D 视觉的机器人相结合,为学生搭建一个实践平台。
288 64
|
2月前
|
机器学习/深度学习 人工智能 算法
人工智能与机器人的结合:智能化世界的未来
人工智能与机器人的结合:智能化世界的未来
340 32
|
1月前
|
数据采集 监控 数据可视化
优锘科技携手逐际动力,共创数字孪生与具身智能机器人新未来
近日,优锘科技与逐际动力正式宣布达成战略合作,双方将在业务和技术领域展开深度协作,共同探索数字孪生与具身智能机器人的融合应用。这一合作无疑将为智能科技领域注入全新动力,推动行业智能化转型迈向更高水平。
|
2月前
|
人工智能 自然语言处理 机器人
机器人迈向ChatGPT时刻!清华团队首次发现具身智能Scaling Laws
清华大学研究团队在机器人操作领域发现了数据规模定律,通过大规模数据训练,机器人策略的泛化性能显著提升。研究揭示了环境和对象多样性的重要性,提出了高效的數據收集策略,使机器人在新环境中成功率达到约90%。这一发现有望推动机器人技术的发展,实现更广泛的应用。
91 26
|
3月前
|
算法 机器人 语音技术
由通义千问驱动的人形机器人具身智能Multi-Agent系统
申昊科技人形机器人小昊,集成通义千问多模态大模型的具身智能系统,旨在讲解销售、迎宾表演等场景。机器人通过语音、动作等方式与用户互动,利用云端大语言模型处理自然语言,结合视觉、听觉等多模态感知技术,实现流畅的人机对话、目标追踪、展厅讲解等功能。
372 4
由通义千问驱动的人形机器人具身智能Multi-Agent系统
|
3月前
|
自然语言处理 算法 机器人
智能电话销售机器人源码搭建部署系统电话机器人源码
智能电话销售机器人源码搭建部署系统电话机器人源码
54 4
|
3月前
|
机器学习/深度学习 传感器 算法
智能机器人在工业自动化中的应用与前景###
本文探讨了智能机器人在工业自动化领域的最新应用,包括其在制造业中的集成、操作灵活性和成本效益等方面的优势。通过分析当前技术趋势和案例研究,预测了智能机器人未来的发展方向及其对工业生产模式的潜在影响。 ###
265 9

热门文章

最新文章