[关闭]
@snuffles 2016-04-06T23:17:36.000000Z 字数 1962 阅读 897

到达坑底往上望的风景一定会有独特的美吧

#不知所云的搬砖#


PartA @讨论班4.5

浩哥喜中IJCAI! 整个实验室精神一振呐。

浩哥分享了一下他的投稿过程,不容易呐。
给自己设置死线还是挺有用的

PartB 师姐的研究经验

和CC姐讨论她的研究过程,深深佩服她看了那么多篇文章,做了那么多扎实的探索。对于她的研究方向,CC姐的看法是"自己给自己挖了个深坑",和老板常用套路之一的"我们要勇攀高峰"完全相反,我突然产生了很感慨。在落入坑中的路上孤独、绝望、失落、喜悦,老板、同行、并肩作战的人、大牛、师弟师妹,好多好多元素组合在一起,应该会很精彩吧。虽千万人吾往矣的信念坚持到底,到达坑底往上望的风景,它的美一定很独特吧。

lab 动态环境困难区域运动规划

  1. A* 中,采样点的个数是否影响效率。
  2. 主要讨论DRM后面,我lab进行的分层采样的是否能够优化算法,动态环境下存在困难区域么?
    • 500,5000个点,5000个点的肯定好,是因为点多了所以效果才好。
    • 改进的是,用不同的窗口,改进连通性。
    • 是否遇到困难区域可以等一会儿就等过去了
  3. 实验室的平台从头到尾自己写的漏洞特别多,不如用一些国外的疯子自己写的,所以找论文一定要看有开源源码的。
    • 漏洞,关于旋转和平移,只是简单相加。(这个在OMPL中有,是SO2,SE2,SO3,SE3)(不知道还以为怎么又上二氧化硫了呢)
    • 代码逻辑问题:在执行时间片中,不能检测到障碍物的运动
  4. 增加对比试验CBS,DBC都在lying这样就不能对比了。

最优

站在坑里往上看

  1. 最优的坑点在于,一个是博士在做比较的指标收敛速度每天都在更新,评审总会问跟其他人的比较。另一个是每一种方法要数学证明为什么能够提高收敛速度。

  2. 总结OMPL上面的方向

    • 最优(√):渐进最优RRT*,后处理最优APS,生无可恋之快TRRT
    • uncertain(√):用sensor,和SLAM相似,用MARKOV等解决。(opptunity:实验室有人讨论)(paper:FIRM Nancy实验室的 用matlab的)
    • 基于学习的方法:(同上)(JiaPan中国人)
    • 拓扑:流型(数学基础需要得比较多)(以色列实验室,主方向研究图形学的,craft)(出了一个GAL的图形学库:/event)(可以看看这个dan halpein的motion planning,在香港的会上遇到正好在讲这个,批注:缘分)
  3. 还有其他方向
    比如:
    • 安全的路径规划(这里有一篇paper)是最优和走中间(例如MAPRM)的中和,可以看看它是怎么说明的
    • 从采样规划的其他部件入手(CC姐的毕业论文),但是老板可能认为这个方向跑偏了。
      例如:sampling(均匀非均匀),parent choose(选子节点),metric(最优),碰撞检测,..
    • 并行:CFOREST 最优中的并行,local planner.(也可能认为跑偏了)
    • LazyRRT(OMPL上不好用)
    • k(不好用)
      上面都是几何的,还有control based是加了约束的。

可能的方向

在他们在时候抓紧看最优

  1. 近期阅读列表 dl:下周三
    • review
    • RRT*
    • TRRT
    • APS

经验和感受

怎么看论文

  1. 怎么
    • 期刊WAFR顶级,难度WAFR>ICRA>IROS.要看顶会才能减小注水文章的概率, ijrr也不错
    • 找论文一定要看有开源源码的。
  2. 怎么
    • 有问题不要憋着,和作者们联系!又好又快,代码调不明白也可以问。能不能给我源码?不行就可以我写源码你能帮我看看么。很多人很nice,还可以抄送他们老板(这招真是绝了,机智啊机智)。opml上面的作者叨扰个遍也是个成就呐。也有个别鸡毛的(例如RRT#的那个高冷作者,这也印证了失败一次没关系,别怕被拒绝)
  3. 创新点:fang爷的文章结合svm所以能投中ICRA?(WHAT?)
  4. 怎么整理;不同类的文章,分为收藏夹整理。

PartC < Probabilistic Robot>CH10 SLAM

今天下课去问老师问题,结果被追问是哪条道上的,凤凰山庄洪老板的名号居然流传到哈工大了,一颗赛艇。

上一张是基于栅格地图的,这一章是基于landmark map的,
1. 分类:full SLAM;online SLAM
2. 难点:measure uncertain & robot pose estimate;data association;
3. 几种SLAM方法:
* scan matching(略讲 )
* pose-graph based
* RGB-D
* graph
4. EKF:6 step
* state prediction
* measure prediction
* observation
* data association
* update
* integration of new landmarks

刚接水喝,抬头就能看到明亮的五四塔写P大俩字,突然感到,举头三尺有神明。lab里往届的师兄师姐,规划组的坑友们在保佑我呐

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注