运动规划 (Motion Planning): MoveIt! 与 OMPL

原创博文：转载请标明出处：http://www.cnblogs.com/zxouxuewei

最近有不少人询问有关MoveIt!与OMPL相关的话题，但是大部分问题都集中于XXX功能怎么实现，XXX错误怎么解决。表面上看，解决这些问题的方法就是提供正确的代码，正确的编译方法，正确的运行步骤。

然而，这种解决方法只能解决这个特定的问题，而且解决之后我们也无法学到一些实际的东西。要想彻底明白，需要从源头入手，也就是说，不要问“MoveIt! 怎么把机械手从空间一个点移到另一个点？“，而是要问”MoveIt! 为什么能把机械手从空间一个点移到另一个点？“。 这一点明白之后，遇到类似的问题，才能从容应对。同理，这不仅适用于MoveIt，也同样适用于其他任何ROS功能。

所以，下文中我们会见到一些具体的例子，但整体上，更倾向于宏观的概念和一些基础的方法，希望对大家能有所帮助。这里的帮助指的是增强对运动规划和Moveit, OMPL的整体理解，而非局限于完成某一个功能，编译运行某一个文件。

RRT) 和 Probabilistic Roadmap (PRM)了, 当然，这两个是比较老的，还有很多其他新算法。

  • OMPL能做什么？
    简单说，就是提供一个运动轨迹。给定一个机器人结构(假设有N个关节)，给定一个目标(比如终端移到xyz)，给定一个环境，那么OMPL会提供给你一个
    轨迹，包含M个数组，每一个数组长度是N，也就是一个完整的关节位置。沿着这个轨迹依次移动关节，就可以最终把终端移到xyz，当然，这个轨迹应当不与环
    境中的任何障碍发生碰撞。
  • 为什么用OMPL？ 运动规划的软件库和算法有很多，而OMPL由于其模块化的设计和稳定的更新，成为最流行的规划软件库之一。很多新算法都在OMPL开发。很多其他软件（包括ROS/MoveIt）都使用OMPL做运动规划。

1.3. 逆运动学 (Inverse Kinematics)

    • 什么是逆运动学(IK)？简单说，就是把终端位姿变成关节角度，q=IK(p)。p是终端位姿(xyz)，q是关节角度。

      cd path_to_catkin_ws/src
catkin_create_pkg lwr_description
cd lwr_description
mkdir urdf

      将下载好的lwr_simplified.urdf放入urdf文件夹中，这样一个urdf package便创建好了。

      2.2 MoveIt!配置助手 (MoveIt! Setup Assistant)

      2.2.1 打开MoveIt! Setup Assistant

      roslaunch moveit_setup_assistant setup_assistant.launch
         

      MoveIt! Setup Assistant 是一个图形界面，可以让我们不用写代码看代码，直接用鼠标点击就可以配置机器人的运动规划所需要的信息。点击Create New MoveIt Configuration Package来创建新的配置包，选择刚刚下载的urdf，然后点击Load Files 载入文件。

      2.2.2 创建碰撞免检矩阵(ACM)

      点击Setup
      Assisant的左边第二项‘Self-Collisions‘，在这里我们将创建碰撞免检矩阵(Avoid Collision Matrix,
      ACM)。再次强调，怎么创建很简单，点击一下‘Regenerate Default Collision Matrix‘就可以了，问题是，为什么？ACM是做什么的？

      我们知道，碰撞检测是非常复杂的运算过程。对于多关节机械臂或者类人机器人来说，机械结构复杂，肢体多，碰撞检测
      需要涉及很多的空间几何计算。但是对于刚体机器人来说，有些肢体之间是不可能发生碰撞的，比如原本就相邻的肢体，比如类人机器人的脚和头。这里生成的
      ACM就是告诉我们，这个URDF所描述的机器人，哪些肢体之间是不会发生碰撞的。那么在之后的碰撞检测算法中，我们就可以略过对这些肢体之间的检测，以
      提高检测效率。

      2.2.3 创建虚拟关节 (Virtual Joints)

      在Setup Assistant 第三项Virtual Joints里面，我们要创建所谓的虚拟关节。这个虚拟关节，可以理解为一个连接机器人和世界的关节。

      一般来说，Virtual Joint
      Name我们命名为‘world_joint’，而‘Child
      Link‘指的是我们要把‘世界’和机器人的那个部位连接，那么很显然我们选择基座‘base‘。‘Parent Frame
      Name’，是世界坐标的名字，在ROS中一般叫‘world_frame‘。关节类型 Joint Type, 很显然这里我们选择固定Fixed.
      代表机器人相对于世界是固定的。而另外两种, Planar指的是平面移动底座(xy平面+角度)，用于移动机器人比如PR2；

      还有一种Floating, 指的是浮动基座(xyz position+orientation)，比如类人机器人。

      2.2.4 创建规划群 (Planning Groups)

      创建Planning Group是MoveIt的核心之一。首先，点击Add Group, 我们会看到一个界面，如下图，

      那么这些都是什么呢？

      • Group Name: 不用多说，名字。。。我们就叫Arm。
      • Kinematic Solver: 运动学求解工具，这个就是负责求解正向运动学(Forward Kinematics)和逆运动学(IK, 见1.3节)的。 一般我们选用KDL， The Kinematics and Dynamics Library。这是一个运动学与动力学的库，可以很好的解决6自由度以上的单链机械结构的正逆运动学问题。当然你也可以用其他IK Solver, 比如SRV或者IK_FAST，甚至你可以自己开发新的Solver然后插入进来，如果有空，我以后会发帖讲解如何创建新的运动学求解库并插入到MoveIt。
      • Kin. Search Resolution: 关节空间的采样密度
      • Kin. Search TImeout: 求解时间
      • Kin. Solver Attempts: 求解失败尝试次数，一般来说这三项使用默认值就可以。你也可以根据具体需要做出适当调整。

      接下来，我们要正式创建这个组群，有很多不同的方法，Add Joints, Add Links, Add Kin. Chain, Add Subgroups。我们这里选择‘Add Kin. Chain‘，这样我们可以清楚的看到整个机器人的机械机构，

      在正中方我们可以看到这个机械臂的结构，一个link接着一个
      link。下方我们可以看到有‘Base Link‘和‘Tip
      Link‘，我们选择‘lwr_arm_0_link‘作为Base，选择‘lwr_arm_7_link‘作为Tip.
      然后点击Save，这样一个规划组群就创建好了。同样的，我们可以再创建一个手的组群(Hand)，这一次我们用Add
      Links，然后选择‘lwr_arm_7_link‘。

      2.2.5 创建机器人预设位姿 (Robot Poses)

      在Setup
      Assistant 第五项, ‘Robot Poses’，我们创建预设的机器人位姿。点击‘Add
      Pose’，我们为机械臂创建一个向上直立的位姿UpRight，选择Planning
      Group为Arm。可以看到很多滚动条，全设为0就是垂直向上的位姿。然后点击保存。当然，你可以根据需要设置其他不同位姿。

      2.2.6 配置终端控制器(End Effectors)

      终
      端控制器，就是机械臂的手，以后用来在工作环境中直接控制的部位。我们添加一个叫做HandEff的终端控制器，End Effector
      Group选择之前创建好的Hand，Parent_Link选择机械臂的最后一个肢体lwr_arm_7_link。Parent
      Group选择Arm。

      2.2.7 配置被动关节(Passive Joints)

      所谓被动关节，就是指现实中不配置电机的关节，也就是不会出现在机器人的Joint State Msg里，以避免MoveIt与JointState出现匹配错误。这里我们的LWR机械臂并没有此类被动关节，所以可以直接跳过。

      2.2.8 生成配置文件(Configuration Files)

      最后一步，在Configuration Package Save Path里面选择一个保存地址，一般我们把他放在path_to_catkin_ws/src/lwr_moveit_config然后点击Generate Package，这样一个完整的MoveIt Configuration Package就创建好了！先不要急着运行，我们先来看看都生成了哪些东西，还有一些重要的配置参数都是在哪定义的。

      三. MoveIt 配置包详解

      打开刚刚创建好的lwr_moveit_config文件夹，我们发现有config和launch两个文件夹。3.1 MoveIt! 配置文件先看config，里面有

      • fake_controllers.yaml：这是虚拟控制器配置文件，方便我们在没有实体机器人，甚至没有任何模拟器（如gazebo）开启的情况下也能运行MoveIt。
      • joint_limits.yaml：这里记录了机器人各个关节的位置速度加速度的极限，这些都会被用于以后的规划中。
      • kinematics.yaml：这里就是上一章2.2.4里面设置的东西，用于初始化运动学求解库
      • lwr.srdf：这个是一个重要的MoveIt配置文件，我们将在下一节详解。
      • ompl_planning.yaml：这里是配置OMPL各种算法的各种参数。

      3.2 SRDF文件

      SRDF是moveit的配置文件，配合URDF使用。打开lwr.srdf，

      我
      们可以看到这是一个xml格式的配置文件，根是robot，并有一个属性值name=‘lwr‘。下面各个项目应该很明显，就是我们刚刚在Setup
      Assistant里面所设置的东西，包含了组群，位姿，终端控制器，虚拟关节，以及碰撞免测矩阵ACM的定义。理论上，只要有了srdf和urdf，我
      们就可以完全定义一个机器人moveit信息。

      3.3 Launch文件

      下面，我们看看launch文件夹，一打开发现有很多文件，瞬间不想看了。。不要急，我们来看看几个重要的文件。

      3.3.1 demo.launch

      demo是运行的总结点，打开我们可以看到他include了其他的launch文件。其中第14行说，如果有需
      要，发布静态的tf。比如说，你的机器人基座不在世界坐标的原点，你可以发布一个静态tf来描述机器人在世界坐标中的位置。第17-21行，就是我们发布
      虚拟机器人状态的地方了，当然，如果你有实体机器人或者有gazebo之类的模拟器，你需要去掉这一部分，有其他相应的节点来发布机器人状态。26-32
      行运行了另一个moveit重要的节点，move group。

      3.3.2 move_group.launch

      顾名思义，move
      group的功能是让一个规划组群动起来。怎么动，那就要做运动规划了，在move_group.launch第24-26行定义了运动规划库的使用，我
      们可以看到，默认的是使用ompl运动规划库。同样的，如果以后有时间，我会发帖详解如何创建新的运动规划库插件并让moveit使用其他的运动规划算
      法。其他的都是设置一些基本参数，暂时可以略过。

      3.3.3 planning_context.launch

      这里我们可以看到，定义了所使用的urdf和srdf文件，以及运动学求解库。不建议手动更改这些，但是如果你需要使用不同的urdf，srdf，可以在这里更改。

      3.3.4 setup_assistant.launch

      如果你需要更改一些配置，那么可以直接运行

      复制代码

      roslaunch lwr_moveit_config setup_assistant.launch

      这样就可以基于当前设置做更改，而不是重新设置。

      四. 运行MoveIt!

      4.1 Launch Demo

      现在我们可以来尝试运行moveit了！

      复制代码

      roslaunch lwr_moveit_config demo.launch

      等待几秒，当看到 All is well! Everyone is happy! You can start planning now! 的时候，就代表启动成功了。我们可以看到一个Rivz窗口，左下角有一个运动规划MotionPlanning模块。

      第一个进入视野的就是Planning Library, OMPL。没错，这里告诉你当前用的是OMPL运动规划算法。在中间的下来菜单里面有很多的具体算法，之后你可以尝试不同的算法，看看他们的区别。

      4.2 选择目标位姿

      如果如上文第二章中设置，你会在rviz主窗口中看到一个互动标记位于机械臂终端位置。移动这个标记到另外一个地方，你可以看到一个橙色的目标位姿(每一次移动标记，就运行了一次逆运动学IK求解过程)。

      同样的，你也可以在MotionPlanning模块下的Planning子模块写的Query子模块里面设置随机的或者预设的目标位置。

      4.3 运动规划终于，到了运动规划的时候了。。在Planning子模块中单击

      [ INFO] [1453481861.884163555]: LBKPIECE1: Attempting to use default projection.
[ INFO] [1453481861.884336258]: LBKPIECE1: Attempting to use default projection.
[ INFO] [1453481861.884489778]: LBKPIECE1: Starting planning with 1 states already in datastructure
[ INFO] [1453481861.884523826]: LBKPIECE1: Attempting to use default projection.
[ INFO] [1453481861.884547702]: LBKPIECE1: Starting planning with 1 states already in datastructure
[ INFO] [1453481861.884564358]: LBKPIECE1: Attempting to use default projection.
[ INFO] [1453481861.884587404]: LBKPIECE1: Starting planning with 1 states already in datastructure
[ INFO] [1453481861.884604829]: LBKPIECE1: Attempting to use default projection.
[ INFO] [1453481861.884626253]: LBKPIECE1: Starting planning with 1 states already in datastructure
[ INFO] [1453481861.905034917]: LBKPIECE1: Created 99 (46 start + 53 goal) states in 88 cells (45 start (45 on boundary) + 43 goal (43 on boundary))
[ INFO] [1453481861.905633020]: LBKPIECE1: Created 87 (33 start + 54 goal) states in 76 cells (31 start (31 on boundary) + 45 goal (45 on boundary))
[ INFO] [1453481861.913846457]: LBKPIECE1: Created 126 (76 start + 50 goal) states in 115 cells (75 start (75 on boundary) + 40 goal (40 on boundary))
[ INFO] [1453481861.914639489]: LBKPIECE1: Created 220 (72 start + 148 goal) states in 201 cells (70 start (70 on boundary) + 131 goal (131 on boundary))
[ INFO] [1453481861.948016518]: ParallelPlan::solve(): Solution found by one or more threads in 0.063719 seconds

      我们可以看到，本次运动规划使用了LBKPIECE算法，并且使用了4线程并行规划，规划时间为1

      (noname)+++++
* obs1.dae
1
mesh
24 12
-0.0315993 0.126397 -0.0315993
-0.0315993 -0.126397 -0.0315993
-0.0315993 0.126397 0.0315993
-0.0315993 -0.126397 0.0315993
0.0315993 0.126397 0.0315993
0.0315993 -0.126397 -0.0315993
0.0315993 0.126397 -0.0315993
0.0315993 -0.126397 0.0315993
-0.0315993 -0.126397 0.0315993
0.0315993 -0.126397 0.0315993
0.0315993 0.126397 0.0315993
-0.0315993 0.126397 0.0315993
0.0315993 0.126397 -0.0315993
0.0315993 -0.126397 -0.0315993
-0.0315993 -0.126397 -0.0315993
-0.0315993 0.126397 -0.0315993
-0.0315993 -0.126397 0.0315993
-0.0315993 -0.126397 -0.0315993
0.0315993 -0.126397 -0.0315993
0.0315993 -0.126397 0.0315993
0.0315993 0.126397 -0.0315993
-0.0315993 0.126397 -0.0315993
-0.0315993 0.126397 0.0315993
0.0315993 0.126397 0.0315993
0 1 2
1 3 2
4 5 6
4 7 5
8 9 10
11 8 10
12 13 14
12 14 15
16 17 18
19 16 18
20 21 22
20 22 23
0.7 0 0.8
0.706825 0 0 0.707388
0.5 0 0 1
* obs2.dae
1
mesh
24 12
-0.0315993 0.126397 -0.0315993
-0.0315993 -0.126397 -0.0315993
-0.0315993 0.126397 0.0315993
-0.0315993 -0.126397 0.0315993
0.0315993 0.126397 0.0315993
0.0315993 -0.126397 -0.0315993
0.0315993 0.126397 -0.0315993
0.0315993 -0.126397 0.0315993
-0.0315993 -0.126397 0.0315993
0.0315993 -0.126397 0.0315993
0.0315993 0.126397 0.0315993
-0.0315993 0.126397 0.0315993
0.0315993 0.126397 -0.0315993
0.0315993 -0.126397 -0.0315993
-0.0315993 -0.126397 -0.0315993
-0.0315993 0.126397 -0.0315993
-0.0315993 -0.126397 0.0315993
-0.0315993 -0.126397 -0.0315993
0.0315993 -0.126397 -0.0315993
0.0315993 -0.126397 0.0315993
0.0315993 0.126397 -0.0315993
-0.0315993 0.126397 -0.0315993
-0.0315993 0.126397 0.0315993
0.0315993 0.126397 0.0315993
0 1 2
1 3 2
4 5 6
4 7 5
8 9 10
11 8 10
12 13 14
12 14 15
16 17 18
19 16 18
20 21 22
20 22 23
0.6 0.5 0.8
0.706825 0 0 0.707388
0.5 0 0 1
* obs3.dae
1
mesh
24 12
-0.0315993 0.126397 -0.0315993
-0.0315993 -0.126397 -0.0315993
-0.0315993 0.126397 0.0315993
-0.0315993 -0.126397 0.0315993
0.0315993 0.126397 0.0315993
0.0315993 -0.126397 -0.0315993
0.0315993 0.126397 -0.0315993
0.0315993 -0.126397 0.0315993
-0.0315993 -0.126397 0.0315993
0.0315993 -0.126397 0.0315993
0.0315993 0.126397 0.0315993
-0.0315993 0.126397 0.0315993
0.0315993 0.126397 -0.0315993
0.0315993 -0.126397 -0.0315993
-0.0315993 -0.126397 -0.0315993
-0.0315993 0.126397 -0.0315993
-0.0315993 -0.126397 0.0315993
-0.0315993 -0.126397 -0.0315993
0.0315993 -0.126397 -0.0315993
0.0315993 -0.126397 0.0315993
0.0315993 0.126397 -0.0315993
-0.0315993 0.126397 -0.0315993
-0.0315993 0.126397 0.0315993
0.0315993 0.126397 0.0315993
0 1 2
1 3 2
4 5 6
4 7 5
8 9 10
11 8 10
12 13 14
12 14 15
16 17 18
19 16 18
20 21 22
20 22 23
0.3 0 0.8
0.999784 0 0 0.0207948
0.5 0 0 1
* table.dae
1
mesh
24 12
-0.420619 0.0420619 -0.841237
-0.420619 -0.0420619 -0.841237
-0.420619 0.0420619 0.841237
-0.420619 -0.0420619 0.841237
0.420619 0.0420619 0.841237
0.420619 -0.0420619 -0.841237
0.420619 0.0420619 -0.841237
0.420619 -0.0420619 0.841237
-0.420619 0.0420619 0.841237
-0.420619 -0.0420619 0.841237
0.420619 -0.0420619 0.841237
0.420619 0.0420619 0.841237
0.420619 -0.0420619 -0.841237
-0.420619 -0.0420619 -0.841237
-0.420619 0.0420619 -0.841237
0.420619 0.0420619 -0.841237
-0.420619 -0.0420619 0.841237
-0.420619 -0.0420619 -0.841237
0.420619 -0.0420619 -0.841237
0.420619 -0.0420619 0.841237
0.420619 0.0420619 -0.841237
-0.420619 0.0420619 -0.841237
-0.420619 0.0420619 0.841237
0.420619 0.0420619 0.841237
0 1 2
1 3 2
4 5 6
4 7 5
8 9 10
8 10 11
12 13 14
15 12 14
16 17 18
19 16 18
20 21 22
20 22 23
0.7 0 0.63
0.706825 0 0 0.707388
0 0.5 0.5 1
* target
1
mesh
24 12
-0.0315993 0.126397 -0.0315993
-0.0315993 -0.126397 -0.0315993
-0.0315993 0.126397 0.0315993
-0.0315993 -0.126397 0.0315993
0.0315993 0.126397 0.0315993
0.0315993 -0.126397 -0.0315993
0.0315993 0.126397 -0.0315993
0.0315993 -0.126397 0.0315993
-0.0315993 -0.126397 0.0315993
0.0315993 -0.126397 0.0315993
0.0315993 0.126397 0.0315993
-0.0315993 0.126397 0.0315993
0.0315993 0.126397 -0.0315993
0.0315993 -0.126397 -0.0315993
-0.0315993 -0.126397 -0.0315993
-0.0315993 0.126397 -0.0315993
-0.0315993 -0.126397 0.0315993
-0.0315993 -0.126397 -0.0315993
0.0315993 -0.126397 -0.0315993
0.0315993 -0.126397 0.0315993
0.0315993 0.126397 -0.0315993
-0.0315993 0.126397 -0.0315993
-0.0315993 0.126397 0.0315993
0.0315993 0.126397 0.0315993
0 1 2
1 3 2
4 5 6
4 7 5
8 9 10
11 8 10
12 13 14
12 14 15
16 17 18
19 16 18
20 21 22
20 22 23
0.6 0.2 0.8
0.706825 0 0 0.707388
0 1 0 1
.

      然后在SceneObjects模块中点击ImportFromText，选择刚刚创建的demo.scene文件，一个简单的桌面环境就被导入进了rviz。你可以通过选择各个物体，来调整他们的位置。

      回到Context子模块，点击Publish Current Scene，将当前的环境发布出去。

      然后再次点击Plan，你会看到一条不同的轨迹，这一轨迹应该绕过所有障碍物并且达到目标位姿。

      因为OMPL是采样算法，由于其随机采样的特性，每次的路径是不同的，如下图。而且有可能失败。

      接下来可以尝试不同的OMPL算法，不同的目标位姿和不同的环境。来看看MoveIt的鲁棒性如何。

      那么，MoveIt!和OMPL的运动规划就差不多讲完了，当然这是很浅显的，与实用性的东西都还有距离。以上都是纯手打，现做的例子，希望有所帮助。接下来该讲什么，你们可以在下面留言，是更深入的讲MoveIt!，还是讲OMPL运动规划算法，还是讲如何模拟具体实例。

时间： 2024-10-17 18:20:53

运动规划 (Motion Planning): MoveIt! 与 OMPL的相关文章

MoveIt运动规划-1

按照帮助文档Setup Assistant Tutorial中的描述,用moveit_setup_assistant图形界面一步步配置机器人,最后生成机器人的配置文件保存到指定的文件夹中. 以UR5机器人为例,将生成的配置文件保存在ur5_moveit_config文件夹中.生成的config文件夹中包含了一些机器人和求解器相关的配置文件,运行launch文件夹中的demo.launch文件可以在rivz中使用moveit进行机械臂的运动规划. 在该路径下运行demo.launch文件: ~/D

Grassfire算法- 运动规划（Motion planning）

我们的目标是:找到start-end之间的最短路径,如图所示.刷过leetcode的朋友看见这张应该会会心一笑,BFS,DFS这类词争先恐后往外跳.但是呢,太高级了,我的朋友们.让我们先用一种最文艺(傻气)的办法,来解决这个问题. Grassfire 算法.小时候,大家都背过一首诗:离离原上草,一岁一枯荣. 野火烧不尽,春风吹又生.说的就是这种算法.这首诗告诉我们,草,都是从旁边的草开始燃烧蔓延的!grassfire-烧草,就这么简单又有力. 参考:1)运动规划(Motion planning)

如何用MoveIt快速搭建机器人运动规划平台？

MoveIt = RobotGo,翻译成中文就是"机器人,走你!"所以,MoveIt的主要就是一款致力于让机器人能够自主运动及其相关技术的软件,它的所有模块都是围绕着运动规划的实现而设计的. 两个月前给自己挖了个坑,说要写写MoveIt,但一直没动手.主要有两个原因: 1)这两个月主要在写小论文,毕竟博士生要毕业还得看论文,不能靠公众号阅读量分享率: 2)直接讲MoveIt似乎需要挖更多坑,一直没想好怎么写比较好. 主要是因为机器人运动规划涉及太多基础内容,如果跳过不讲就会变成新坑:一

机械臂的运动规划

如果你想要让机器人能帮你拿瓶子.做饭.收拾屋子等,就必须赋予机器人快速生成无碰撞.最优运动轨迹的能力,这就需要靠运动规划了.有人觉得运动规划已经很成熟了,无需再研究,但实际上,机械臂运动规划非常难-- 如 果你想要让机器人能帮你拿瓶子.做饭.收拾屋子等,就必须赋予机器人快速生成无碰撞.最优运动轨迹的能力,这就需要靠运动规划了.有人觉得运动规划已经很 成熟了,无需再研究,但实际上,机械臂运动规划非常难,之所以这么难,主要是因为规划问题的维度太高(具体后面分析),目前暂无兼顾实时性与最优性的规划 算

泡泡一分钟：Motion Planning for a Small Aerobatic Fixed-Wing Unmanned Aerial Vehicle

Motion Planning for a Small Aerobatic Fixed-Wing Unmanned Aerial Vehicle Joshua Levin, Aditya Paranjape, and Meyer Nahon 小型特技飞行无人机的运动规划 https://pan.baidu.com/s/1xB6WxNMEo-SNAApsNT0GQQ Abstract- A motion planner is developed for guiding a small aeroba

泡泡一分钟：Learning Motion Planning Policies in Uncertain Environments through Repeated Task Executions

张宁  Learning Motion Planning Policies in Uncertain Environments through Repeated Task Executions 通过重复任务执行学习不确定环境中的运动规划策略链接:https://pan.baidu.com/s/1TlSJn0fXuKEwZ9vts4xA6g 提取码:jwsd 复制这段内容后打开百度网盘手机App,操作更方便哦 Florence Tsang, Ryan A. Macdonald, and Steph

UPenn - Robotics 2:Computational Motion Planning - week 1:Introduction and Graph-based Plan Methods

          If you are really interested in the topic of computational motion planning in robotics, here are some related texts: Robot Motion Planning, Jean-Claude Latombe, Kluwer Academic Publishers, 1991. Principles of Robot Motion, H. Choset, K. M.

运动事件Motion Events

备注:运动事件,也是加速度时间,一般像摇晃手机就属于运动事件 监听运动事件对于UI控件有个前提就是监听对象必须是第一响应者(对于UIViewController视图控制器和UIAPPlication没有此要求).这也就意味着如果监听的是一个UI控件那么-(BOOL)canBecomeFirstResponder;方法必须返回YES.同时需要在控件显示时候(在-(void)viewWillAppear:(BOOL)animated;事件中)调用视图控制器的becomeFirstResponder方

UPenn - Robotics 2:Computational Motion Planning - week 4: Artificial Potential Field Methods

The basic idea here is to try to construct a smooth function over the extent of the configuration space, which has high values when the robot is near to an obstacle and lower values when it's further away. If we can construct such a function, we can