检索结果

Select

1. 基于最大熵深度强化学习的双足机器人步态控制方法

李源潮, 陶重犇, 王琛

《计算机应用》唯一官方网站 2024, 44 (2): 445-451. DOI: 10.11772/j.issn.1001-9081.2023020153

摘要（192）

HTML （4）

PDF （2699KB）（76）

针对双足机器人连续直线行走的步态稳定控制问题，提出一种基于最大熵深度强化学习（DRL）的柔性演员-评论家（SAC）步态控制方法。首先，该方法无需事先建立准确的机器人动力学模型，所有参数均来自关节角而无需额外的传感器；其次，采用余弦相似度方法对经验样本分类，优化经验回放机制；最后，根据知识和经验设计奖励函数，使双足机器人在直线行走训练过程中不断进行姿态调整，确保直线行走的鲁棒性。在Roboschool仿真环境中与其他先进深度强化学习算法，如近端策略优化（PPO）方法和信赖域策略优化（TRPO）方法的实验对比结果表明，所提方法不仅实现了双足机器人快速稳定的直线行走，而且鲁棒性更好。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于梯度域的保纹理图像阴影去除算法

黄微傅利琴王琛

计算机应用 2013, 33 (08): 2317-2319.

摘要（585）

PDF （704KB）（434）

针对当前自然图像阴影去除算法需要多次人工交互、阴影去除结果纹理信息丢失等问题，提出了基于梯度域的图像保纹理阴影去除算法。该方法只需确定出阴影的大概边界，然后在梯度域中，分别对阴影内部和阴影边界的梯度进行最优化修正，得到无阴影的梯度图像，最后利用泊松方程，恢复出无阴影图像。利用多幅图像的实验结果证明，该算法操作简单，不需要多次人机交互，且阴影区域内纹理细节得到了较好的恢复。

相关文章 | 多维度评价

Select

3. 运动目标检测中的环境感知与自适应研究

张艳郭继昌王琛

计算机应用 2011, 31 (07): 1827-1830.

摘要（1141）

PDF （640KB）（894）

在复杂环境下，任何环境的改变都会对运动目标检测的准确性产生影响。因此提出广义高斯混合模型与背景减除法相结合的算法对运动目标进行检测。该模型可以灵活地感知环境，自适应地处理视频背景模型中背景的环境变化，如光线渐变、背景扰动、阴影和噪声等，而且当光线突变时可以迅速感知并重新建模。此外为了满足实时性，采取每隔3帧进行一次背景更新的策略。实验结果证明本算法在满足实时性的同时，能准确检测出运动目标。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于能量均衡的ZigBee网络树路由算法

班艳丽柴乔林王琛

计算机应用

摘要（1903）

PDF （734KB）（1392）

针对ZigBee网络树路由算法中的路由非最优以及某些节点可能会因为业务量过大而过早耗尽电池能量的问题，提出一种改进的基于能量均衡的ZigBee树路由算法。改进算法中通过引入邻居表，考虑路由跳数使路由局部最优，同时改进算法中也考虑了节点的剩余能量，路由选择的时候尽量避开剩余能量较低的节点。仿真结果表明，改进算法能有效地节省网络的总体能量消耗，实现网络负载均衡，最大化网络的生存时间。