机器人是如何规划路径的？动画演示一下吧

机器之心报道

机器之心编辑部

走机器的路，让你看一下。

在机器人研究领域，给定某一特定任务之后，如何规划机器人的运动方式至关重要。

最近，GitHub 上开源了一个存储库，该库实现了机器人技术中常用的一些路径规划算法，大部分代码是用 Python 实现的。值得一提的是，开发者用 plotting 为每种算法演示了动画运行过程，直观清晰。

项目地址：

https://github.com/zhm-real/PathPlanning

该开源库中实现的路径规划算法包括 基于搜索和基于采样的规划算法 ，具体目录如下图所示：

基于搜索的路径规划算法

基于搜索的路径规划算法已经较为成熟且得到了广泛应用，常常被用于游戏中人物和移动机器人的路径规划。

最佳路径优先搜索算法

Dijkstra 算法

A * 搜索算法

双向 A * 搜索算法

重复 A * 搜索算法

Anytime Repairing A* (ARA*) 搜索算法

实时学习 A * 搜索（LRTA*）算法

实时适应性 A * 搜索（RTAA*）算法

动态 A * 搜索（D*）算法

终身规划 A * 搜索算法

Anytime D * 搜索算法：变动较小

Anytime D * 搜索算法：变动较大

基于采样的路径规划算法

与基于搜索不同，基于采样的路径规划算法不需要显式构建整个配置空间和边界，并且在高维度的规划问题中得到广泛应用。

快速随机搜索树（RRT）算法

目标偏好 RRT 算法

双向快速扩展随机树（RRT_CONNECT）算法

Extended_RRT 算法

动态 RRT 算法

N = 10000 时，rrt * 算法

N = 1000 时，rrt*-Smart 算法

快速行进树（FMT*）算法

N =1000 时，Informed rrt * 算法

Batch Informed 树（BIT*）算法

参考链接：

https://blog.csdn.net/RoboChengzi/article/details/104096663

http://www.chenjianqu.com/show-137.html

Amazon SageMaker实战教程（视频回顾）

Amazon SageMaker 是一项完全托管的服务，可以帮助机器学习开发者和数据科学家快速构建、训练和部署模型。Amazon SageMaker 完全消除了机器学习过程中各个步骤的繁重工作，让开发高质量模型变得更加轻松。

10月15日-10月22日，机器之心联合AWS举办3次线上分享，全程回顾如下，复制链接到浏览器即可观看。

另外，我们准备了Amazon SageMaker 1000元服务抵扣券，帮助开发者体验各项功能。点击阅读原文，即可领取。

第一讲：Amazon SageMaker Studio详解

主要介绍相关组件，如studio、autopilot等，并通过在线演示展示这些核心组件对AI模型开发效率的提升。

• 视频回顾地址： https://app6ca5octe2206.h5.xiaoeknow.com/v1/course/alive/l_5f715443e4b005221d8ea8e3

第二讲：使用Amazon SageMaker 构建一个情感分析「机器人」

主要介绍情感分析任务背景、进行基于Bert的情感分析模型训练、利用AWS数字资产盘活解决方案进行基于容器的模型部署。

• 视频回顾地址：https://app6ca5octe2206.h5.xiaoeknow.com/v1/course/alive/l_5f715d38e4b0e95a89c1713f

第三讲：DGL图神经网络及其在Amazon SageMaker上的实践

主要介绍图神经网络、DGL在图神经网络中的作用、图神经网络和DGL在欺诈检测中的应用和使用Amazon SageMaker部署和管理图神经网络模型的实时推断。

• 视频回顾地址：https://app6ca5octe2206.h5.xiaoeknow.com/v1/course/alive/l_5f715d6fe4b005221d8eac5d

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道：content@jiqizhixin.com