一种移动机器人在线全局路径规划方法

为解决行为动力学与滚动窗口法的全局路径不是最优的问题,提出在线的基于强化学习的行为动力学与滚动窗口路径规划方法.应用Q学习优化行为动力学模型参数以提高其性能;行为动力学引导Q学习的搜索过程,提高学习效率;每一轮强化学习的动作选择知识随着Q表更新的同时逐渐修正,对后面的学习过程进行优化.仿真实验表明,该方法使得Q学习效率有明显提高,且机器人在线规划出优化平滑的路径.

线性化临近点算法及其在视频监督中的应用

基于参数化临近点算法和线性化加速技术,构造了一种线性化临近点算法求解二分块可分离凸规划模型,从而将子问题转化为临近算子的形式便于求解.利用变分不等式框架分析了算法的全局收敛性和次线性收敛速度.应用所提算法对视频监督中的一类图像处理问题进行求解,相关仿真实验测试了该线性化加速算法的数值效率.

阿里云服务器的远程机器人监控系统

提出基于阿里云服务器的扣眼缝制类机器人监控系统。由相机传感器负责图像采集,采集到的数据通过TCP/IP协议传输至树莓派,采用JPEG编码技术进行编码,再将视频序列实时存储到阿里云服务器中,在PC端监控和利用机器学习技术对目标进行识别计数并存储到MySQL数据库中,实现远程控制和Web端即时访问。