ubuntu下的機(jī)器人利用ros節(jié)點(diǎn)機(jī)制，怎么用qtcreate做3d仿真？不高。露臺和moveit都可以。8g4或5桌面i5可以處理它。如果配置為高，則為1。確定你是否正在用虛擬機(jī)運(yùn)行Ubuntu/

ubuntu下的機(jī)器人利用ros節(jié)點(diǎn)機(jī)制，怎么用qtcreate做3d仿真？

不高。露臺和moveit都可以。8g4或5桌面i5可以處理它。如果配置為高，則為1。確定你是否正在用虛擬機(jī)運(yùn)行Ubuntu/ROS。2是否需要使用圖形卡進(jìn)行圖形操作和機(jī)器學(xué)習(xí)

參數(shù)調(diào)整過程很麻煩。

據(jù)我所知，在雙足機(jī)器人控制領(lǐng)域，如果采用傳統(tǒng)的控制算法，一般在仿真中驗(yàn)證算法的可行性，然后放在機(jī)器人上運(yùn)行，這個過程還需要調(diào)整參數(shù)（如PD參數(shù)）。這些參數(shù)可以通過直覺或工程師的經(jīng)驗(yàn)快速調(diào)整。

如果您使用深度學(xué)習(xí)在模擬中學(xué)習(xí)模型，并且在機(jī)器人上運(yùn)行失敗，您應(yīng)該首先找出失敗的原因，那就是我沒有建立好模型，例如，一個零件的質(zhì)量沒有被很好地測量？開車有延誤嗎？可以調(diào)整哪些參數(shù)來解決此問題？現(xiàn)在流行的解決方案是動態(tài)隨機(jī)化。由于模型的不完善，在訓(xùn)練過程中會在一定范圍內(nèi)隨機(jī)選取仿真中的質(zhì)量和時延參數(shù)，使學(xué)習(xí)的模型能夠應(yīng)對一定范圍內(nèi)的誤差。我不太喜歡這種方法。主要原因是現(xiàn)有文獻(xiàn)中隨機(jī)值的取值范圍過大。例如，Google關(guān)于在四足機(jī)器人上實(shí)現(xiàn)SIM-to-real的文章。

有時經(jīng)過訓(xùn)練的模型可以在機(jī)器人上運(yùn)行，但是會出現(xiàn)一些你不想存在的現(xiàn)象。例如，機(jī)器人的某個關(guān)節(jié)在抖動。只需使用傳統(tǒng)的控制方法來調(diào)整PD參數(shù)，但對于通過深度學(xué)習(xí)得到的模型，可能需要調(diào)整你的報酬等東西，然后再進(jìn)行再訓(xùn)練，訓(xùn)練出來的模型可能不會比原來的模型差多少，通過計算機(jī)仿真或仿真學(xué)習(xí)的人工網(wǎng)絡(luò)控制器很難直接應(yīng)用到實(shí)際的機(jī)器人間隙中，即機(jī)器人在理想仿真環(huán)境和真實(shí)環(huán)境中所面臨的條件不同，導(dǎo)致機(jī)器人的行為與預(yù)期不同，在大多數(shù)情況下，這是很難忽略的。雖然有很多方法可以減少這種差異，例如在網(wǎng)絡(luò)參數(shù)或輸入輸出中添加噪聲，這可以提高魯棒性，或者人工控制神經(jīng)網(wǎng)絡(luò)的輸出和輸出，但目前還缺乏系統(tǒng)的指導(dǎo)理論來解決這一問題。在實(shí)際應(yīng)用之前需要進(jìn)行大量的測試

（以上只是我們在實(shí)驗(yàn)室環(huán)境中遇到的問題，我不知道大公司在實(shí)際項(xiàng)目中會做什么，所以我想最好通過大量的測試慢慢調(diào)整

）另外，如果你指的是直接在實(shí)際的機(jī)器人上訓(xùn)練，通常最大的問題是培訓(xùn)時間太長，還有成本的風(fēng)險。