检索结果

Select

1. 基于Octomap的仿人机器人局部环境与能力图模型算法

易康, 赵玉婷, 齐新社

计算机应用 2019, 39 (4): 1220-1223. DOI: 10.11772/j.issn.1001-9081.2018091935

摘要（395）

PDF （657KB）（364）

基于3D点云数据的机器人三维空间能力图模型算法存在体素网格搜索计算量大的问题，由于OcTree在三维空间细分时的层次化优势，提出一种基于Octomap的局部环境与能力图模型算法。首先，根据NAO机器人的关节组成、正向运动学、逆向运动学和刚体坐标变换，对NAO仿人机器人构建全身二叉树状运动学模型；其次在此基础上使用前向运动学在笛卡儿空间计算离散的三维可达点云，并将其作为机器人终端效应器的基础工作空间；然后重点描述将点云空间表示转化为Octomap空间节点表示的方法，尤其是空间节点的概率更新方法；最后提出根据节点几何关系进行空间节点更新顺序选择的优化方法，从而高效地实现了仿人机器人能力图的空间优化表示。实验结果表明，相对于之前的原始Octomap更新方法，优化后的算法能降低近30%空间节点数，提高计算效率。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于deep Q-network双足机器人非平整地面行走稳定性控制方法

赵玉婷, 韩宝玲, 罗庆生

计算机应用 2018, 38 (9): 2459-2463. DOI: 10.11772/j.issn.1001-9081.2018030714

摘要（762）

PDF （775KB）（449）

针对双足机器人在非平整地面行走时容易失去运动稳定性的问题，提出一种基于一种基于价值的深度强化学习算法DQN（Deep Q-Network）的步态控制方法。首先通过机器人步态规划得到针对平整地面环境的离线步态，然后将双足机器人视为一个智能体，建立机器人环境空间、状态空间、动作空间及奖惩机制，该过程与传统控制方法相比无需复杂的动力学建模过程，最后经过多回合训练使双足机器人学会在不平整地面进行姿态调整，保证行走稳定性。在V-Rep仿真环境中进行了算法验证，双足机器人在非平整地面行走过程中，通过DQN步态调整学习算法，姿态角度波动范围在3°以内，结果表明双足机器人行走稳定性得到明显改善，实现了机器人的姿态调整行为学习，证明了该方法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

3. 传输速率感知的机会路由候选路由节点选择和排序

陈伟魏强赵玉婷

计算机应用 2011, 31 (11): 2895-2897. DOI: 10.3724/SP.J.1087.2011.02895

摘要（1073）

PDF （482KB）（491）

以期望传输时延为度量指标，提出了传输速率感知的机会路由候选路由节点选择和排序算法。分解机会路由为节点到其候选路由节点集的anycast传输和候选路由节点集到目的节点的剩余机会路由传输，迭代计算节点的机会路由最小期望传输时延，根据最小期望传输时延选择和排序候选路由节点。模拟实验结果表明，提出的机会路由候选路由节点选择和排序算法能明显提高机会路由的传输性能。

参考文献 | 相关文章 | 多维度评价