- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器人网
一个简单的多机器人编队算法实现--PID
用PID进行领航跟随法机器人编队控制 课题2：多机器人编队控制 研究对象：两轮差动的移动机器人或车式移动机器人 研究内容：平坦地形，编队的保持和避障，以及避障和队形切换算法等；起伏地形，还要考虑地形情况对机器人行驶运动的影响 研究目的：实现多机器人编队控制，源于对自然界群集行为的研究，提高机器人群体协作效率等。 研究方法：领航跟随法等，现在多为几种基础方法的融合。 抛砖引玉：一个简单的PID编队算法的仿真实现 编队模型： ? 对于一组领航-跟随机器人，编队误差示意： ? 这样其实不直观，通过一个坐标变换， ? 可以将全局坐标系转为跟随机器人坐标系： ? ://v.youku.com/v_show/id_XMTQ0NTUzMDkxMg 下面介绍一下PID参数作用： 简言之，只有P会有稳态误差，然后I可以减少稳态误差，D可以提高动态性能等，不详细说，以多机器人编队为例 ，期望队形为一字形： 上面的编队控制器，只有P控制的效果， 点击图片可见仿真视频： http://v.youku.com/v_show/id_XMTQ2MTY3MTI2OA ?
2.1K70发布于 2018-04-24 - 来自专栏机器人课程与技术
一个简单的多机器人编队算法实现--PID
用PID进行领航跟随法机器人编队控制 课题2：多机器人编队控制 研究对象：两轮差动的移动机器人或车式移动机器人 研究内容：平坦地形，编队的保持和避障，以及避障和队形切换算法等；起伏地形，还要考虑地形情况对机器人行驶运动的影响 研究目的：实现多机器人编队控制，源于对自然界群集行为的研究，提高机器人群体协作效率等。 研究方法：领航跟随法等，现在多为几种基础方法的融合。 抛砖引玉：一个简单的PID编队算法的仿真实现 编队模型： ? 对于一组领航-跟随机器人，编队误差示意： ? 这样其实不直观，通过一个坐标变换， ? 可以将全局坐标系转为跟随机器人坐标系： ? //v.youku.com/v_show/id_XMTQ0NTUzMDkxMg 下面介绍一下PID参数作用： 简言之，只有P会有稳态误差，然后I可以减少稳态误差，D可以提高动态性能等， 不详细说，以多机器人编队为例 ，期望队形为一字形： 上面的编队控制器，只有P控制的效果， 点击图片可见仿真视频： http://v.youku.com/v_show/id_XMTQ2MTY3MTI2OA ?
73150发布于 2019-01-23 - 来自专栏裸机思维
从零开始的状态机漫谈（4）——多实例
本质上，我们要解决的并不单纯是状态机的“可重入”问题——只把眼光放在可重入上就“格局小了”。 我们要实现的是“支持多实例的状态机”。 【多实例的状态机】 ---- 所谓多实例的状态机，就是指那些同一时刻可以安全存在多个运行实例的状态机——本质上每个实例都是一个任务——以多任务的眼光去看待状态机的多实例问题，格局就宽阔了起来。 聪明的你一定看出来了，解决状态机多实例的方式就是“给每个实例都发一个球”。 【说在后面的话】 ---- 实际上，无论你的状态机本来就只需要单实例还是考虑要支持多实例，至少在Arm架构下，统一采用支持多实例的方式来设计其实在上下文的访问效率上是更高的，这在文章《散装 vs 批发谁效率高 实际上，在完成了状态机的多实例化改造后，这一问题其实已经完全不是状态机设计的问题了——而是一个地地道道的普通多任务间同步和通信的问题（IPC问题）。
1.8K21发布于 2021-10-12 - 来自专栏运维小路
DeepSeek-多机多卡集群部署
1.准备机器 机器IP GPU 备注 172.16.0.102 Tesla T4*2 复用旧机器，扩容了GPU 172.16.0.43 Tesla T4*2 新机器 172.16.0.65 Tesla T4*2 新机器 2.安装驱动及必要软件 新加入的机器需要分别安装驱动，Docker，Nvidia-Docker #安装驱动 dpkg -i nvidia-driver-local-repo-ubuntu2004 4.准备集群脚本 wget https://github.com/vllm-project/vllm/blob/main/examples/online_serving/run_cluster.sh 5
2.8K12编辑于 2025-03-06 - 来自专栏人工智能
学习多视图立体机
它们的范围从单眼线索，如阴影，线性视角，大小恒常等到双视角，甚至是多视角立体视觉。 在近期工作中，我们尝试统一这些单视和多视三维重建的范例。 学习的立体机器 设计LSMs来解决多视点立体声的任务。 给定一组具有已知摄像机的图像，LSMs为底层场景生成一个3D模型 - 具体来说，在每个输入视图的像素深度图的形式中，要么是一个像素占用网格，要么是一个场景密集点云。 在我们的报告中，我们对基于像素的多视图三维物体重建进行了大量的改进，与之前的先进技术相比，它使用了一个递归的神经网络集成了多个视图。
3K90发布于 2018-02-01 - 来自专栏算法和应用
多机调度的几何
摘要：我们考虑以下一般调度问题：在时间0处有m个相同的机器和n个作业都被释放。每个作业j具有处理时间pj，以及指定j的成本的任意非递减函数fj，对于每个可能的完成时间。目标是找到最低成本的先发制人迁移计划。这模拟了几个自然目标，例如加权完成时间范围，加权延迟等等。
59410发布于 2019-07-18 - 来自专栏乐行僧的博客
多机调度问题（贪心）
有n个任务，m台机器，n>m，每个作业i可以选择一台设备进行加工，加工时间为ti，每台机器同时只能加工一个作业，且不可中断。实现作业调度，使得n个作业的等待时间最短。 样例输入：
67520编辑于 2022-02-25 - 来自专栏粽子的深度学习笔记
mmdetectionmmdetection3d多机多卡训练
因为3d检测训练时间太久，所以想要在mmdet3d上开多机，发现加载完标注文件pkl/json之后，卡住了，找到如下报错 其中有个warning ：using best-guess GPU,
1.6K10编辑于 2022-09-19 - 来自专栏机器人课程与技术
基于MSRDS机器人仿真平台的多机器人PID编队控制算法
自己调试的编队PID算法，效果也还可以，具体使用教程参考视频链接： http://v.youku.com/v_show/id_XMTUwNjc3NjMyNA 仿真中三个机器人保持编队，做直线运动 仿真结束后，编队数据直接推送的MATLAB中，用于曲线绘制，并分析。 ? ? , "base", matlabtheta4, matlabt) matlab1.PutFullMatrix("derr4", "base", matlabderr4, matlabt) ////// , "base", matlabfx4, matlabt) //// matlab1.PutFullMatrix("fy4", "base", matlabfy4, matlabt) ///////// , "base", matlabfvt4, matlabt) //// matlab1.PutFullMatrix("fwt4", "base", matlabfwt4, matlabt) matlab1
74520发布于 2019-01-23 - 来自专栏python3
python 利用pexpect进行多机
在安装之前，确认你的机器安装了python,和easy_install.通常python是自动安装的，如果没有安装easy_install，那么wget -q http://peak.telecommunity.com/dist/ez_setup.py 获取一下
71810发布于 2020-01-09 - 来自专栏机器人课程与技术
起伏地形环境多机器人编队运动控制与路径规划研究_2016年中小结
起伏地形环境多机器人编队运动控制与路径规划研究PPTX下载地址： http://download.csdn.net/detail/zhangrelay/9611426 其中动图视频较多，请用office2010
58250发布于 2019-01-23 - 来自专栏岑志军的专栏
（4）Reveal真机调试
Reveal是一款调试iOS程序UI界面的神器 官网：https://revealapp.com 下载：https://revealapp.com/download/ 建议下载至少Reveal4版本，支持
1.8K40发布于 2018-05-28 - 来自专栏机器学习算法与Python学习
支持向量机（SVM）--(4)
对于这种偏离正常位置很远的数据点，我们称之为离群点Outlier ，在我们原来的支持向量机模型里，离群点的存在有可能造成很大的影响，因为超平面本身就是只有少数几个支持向量组成的，如果这些支持向量里又存在离群点的话 为了处理这种情况，支持向量机允许数据点在一定程度上偏离一下超平面。例如上图中，黑色实线所对应的距离，就是该离群点偏离的距离，如果把它移动回来，就刚好落在原来的超平面上，而不会使得超平面发生变形了。 这样一来，一个完整的，可以处理线性和非线性并能容忍噪音和离群点的支持向量机才终于介绍完毕了。 到这儿未知，支持向量机的基本理论已经基本说完了，但是学习svm也是为了应用，所以建议大家去斯坦福大学的UCI数据库下载一些分类数据做一些尝试。 接下来的几天还会更新一些支持向量机的证明，里面会涵盖较多的公式，需要比较清晰地逻辑，由于svm有严格数理统计的含义，器公式的推导会牵涉较多的数理统计、概率论等数学的概念~~~~~~
1.1K60发布于 2018-04-04 - 来自专栏终有链响
fiscoBcos运维工具多机搭链
多机搭链 使用generator搭建多机部署的Fisco链 以下是我们要做的实践 我们将从多机两节点部署开始，机构A和机构B，为机构A节点1做落盘加密 为机构A新增节点3并加入群组1 新增机构C节点4 新增群组2并将机构B和机构C拉入群组2 1首先我们要准备两台虚拟机 2为这两台机建立ssh免密连接 登录一号机43.137.0.66 在任意位置下 输入命令： ssh-keygen -t rsa -m /generator -h 若成功，输出usage:generator XXX 4获取节点二进制，拉取最新的fisco-bcos二进制文件到meta中 进入到新建的generator文件目录内 在generator 输入命令： cp -r generator/ generator-A 这里我多复制了一个D作为备份，为以后需要做更改做准备 6链证书初始化 一条链只能有一条唯一的链证书ca.crt,我们选择在generator /group 将生成出来的创世区块拷贝给机构B的meta中（这里要拷贝至二号机的机构B内） 生成机构C打包传输到二号机并启动 .
48410编辑于 2025-01-15 - 来自专栏飞鸟的专栏
NebulaGraph基于docker安装多机集群
一、背景由于之前学习NebulaGraph安装时发现，官方文档中并未介绍使用docker安装多机集群的方式，加上后续分析内存使用时，我这有缺少相关实验环境，所有鼓捣了一下，如何实现基于docker的多机集群部署 内核参数设置参考，文档2.2、安装过程2.2.1、通过官方文章多机集群部分，分析结构，使用官方docker-compose中的镜像。 --engine\_type=rocksdb# Compression algorithm, options: no,snappy,lz4,lz4hc,zlib,bzip2,zstd# For the levels# For example, if --rocksdb\_compression is snappy,# "no:no:lz4:lz4::zstd" is identical to "no 部署使用了docker 的host网络没有使用bridge网络，一方面是多机集群部署，不需要考虑端口冲突问题，另一方面就是host的网络性能会比bride高一点点。
1K21编辑于 2023-12-22 - 来自专栏没事多喝水
多机数据库的实现
多机数据库的实现 复制 启动主从的方式是 SLAVEOF 127.0.0.1 6379（主库地址） 复制功能的实现是怎么实现的？ 复制功能主要是三方面功能， 完整重同步，部分重同步，命令传播。
97420发布于 2020-11-20 - 来自专栏PPV课数据科学社区
抗战阅兵大数据：八大亮点全揭秘！
如新一代预警机、轰炸机、歼击机、舰载机、直升机等多型飞机均为列装后首次参阅。 ③富有时代特色的编队队形新颖震撼。 除了历次受阅编队采用的楔形、三角形、菱形编队等队形，此次阅兵的空中梯队还将首次以纪念字样的编队飞行、大机群密集编队飞行等全新队形参阅。 ④拉烟、空中护旗等呈现方式增强美感。 亮点六：空中编队震撼人心 此次阅兵是我国在国庆之外，首次针对重大纪念日举行的阅兵式。为此，空中梯队在参阅战机队形编排和表现形式上下足功夫，加入抗战元素和时代特色，新颖大气，更为壮观。 据悉，首先出场的空中护旗方队将采取纪念字样编队飞行，突出纪念抗战胜利70周年主题，表达人民军队为实现强国梦、强军梦不懈奋斗的信念决心。
86440发布于 2018-04-20 - 来自专栏新智元
波音的「忠诚僚机」取名幽灵蝙蝠，马斯克预言的「自主无人机战争」要来了？
也就是说无人机可以与其他战斗机进行编队，充当有人战斗机僚机的作用。 忠诚僚机的核心是人工智能技术，按照预设程序自主飞行，与有人机飞行员进行配合的情况下，具备很强的态势感知能力。 波音公司驻澳大利亚分部主要负责忠诚僚机的研发和生产工作，澳大利亚政府为其注资约2500万美元，有4个州、超过35家防务企业参与该项目。 航展上的模型外形颇具科幻色彩，机身长约11.7米。 目前中国的忠诚僚机信息还不是很多，在去年的珠海航展上展示的歼-20双机编队，证明了歼-20空中的机动和协同能力。 忠诚僚机目前在软件层面的设计理念是，通过规范并开放人机接口、机机接口，能够支持多类型无人机和有人战机编队协同，而不会对一套软件或算法产生依赖。 2020年，美国空军首次开展了四/五代有人战斗机同无人僚机的编队飞行数据共享测试，这也是忠诚僚机类项目发展过程中的里程碑事件，预示着未来的有人-无人编队飞行作战方式向实战化应用又迈出了重要的一步。
80920编辑于 2022-03-28 - 来自专栏ytkah
GPT-4多模态模型
GPT-4 模型是OpenAI开发的第四代大型语言模型（LLM），它将是一个多模态模型，会提供完全不同的可能性-例如文字转图像、音乐甚至视频。 在GPT-4之前是GPT-3.5，由该模型开发的聊天机器人 ChatGPT 一经面世，便引爆 AI 界的军备竞赛 多模态或成GPT-4最大亮点 微软 AI 技术专家 Holger Kenn 和 Clemens Sieber 对多模态 AI 的相关功能进行了介绍。 根据 Kenn 的说法，多模态 AI 不仅可以将文本转化成相应的图像、音乐甚至是视频。在微软宣布前，机器学习专家 Emil Wallner 就在推特上预测，称 GPT-4 可能具备这种能力。 GPT-4 GPT-4 模型是第四代大型语言模型（LLM），它将是一个多模态模型，会提供完全不同的可能性-例如文字转图像、音乐甚至视频。
1.7K31编辑于 2023-03-13 - 来自专栏枕边书
Gotorch - 多机定时任务管理系统
本文讲述了如何使用Go语言实现一个具有定时任务、分布式、守护进程、信号处理、文件锁、后台服务等功能的框架。通过使用gotorch，开发者可以方便地实现各种复杂的后台任务，同时具有易用性、高性能和扩展性。
2.5K90发布于 2018-01-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号