此笔记位置已失效,请从目录继续阅读。
全书导读
这本书围绕“机器人怎样在真实世界自主行动”组织机构、执行、感知、计算与不确定性。它不是某一平台的操作手册,而是把机体约束、数学模型和闭环反馈连接起来的本科基础教材。阅读时不断追问:状态在哪个坐标系、输入输出是什么、误差从何处来、成功由谁判定。
本地EPUB作者为Nikolaus Correll、Bradley Hayes、Christoffer Heckman与Alessandro Roncone,MIT Press版权及OPF年份2022,电子ISBN9780262372947。前言日期2022-02-08与文件修改日期不能当精确出版日。已完整读取36项spine,包括前言、17章、6实质附录以及所有前后资料;全部图表、伪码和内嵌数学图式随章查看。课程方案也属于正文,而非仅因在附录就排除。
全书先解释机体能怎样运动和承力,再讨论传感与表示,然后把任务、地图、路径和操纵集成为行动,最后用概率定位与SLAM处理未知和噪声。原书有多处公式或条件不严谨,生成当下已经按变量职责、维数、代数及必要一手资料限定,详见逐章覆盖记录。这里的讲解保留方法直觉,也保留它实际成立的边界。
全书主线
机器人自主性首先受机体限制。自由度、关节和接触方式决定能实现的运动;构型空间与任务空间不同,坐标变换连接不同视角,正逆运动学分别回答“现在在哪里”与“怎样达到目标”。速度雅可比只提供局部关系,奇异、多解、约束与模型误差都会改变可行性。力、抓取、摩擦和执行器进一步说明,几何可达并不代表能稳定承力或完成接触任务。
感知把世界转换成有限且有噪声的数据。传感器范围、分辨率、准确度与精密度各有含义;图像形成、过滤、边缘、特征与神经网络又逐层引入表示和模型假设。计算出的描述子或类别并非世界本身,误检、歧义和训练分布都会影响后续决策。网络求导也只解决参数优化的一环,不会自动赋予正确任务目标。
行动层需要把目标落到执行。反应控制、状态机、行为树与规划各自组织不同程度的记忆和分解,动作返回状态应代表实际业务结果。地图可用拓扑、占据或几何表面表示,路径规划则在与机体相符的空间里寻找整段可行连接。抓取和装配再将点云、候选构型、碰撞、力反馈与任务状态连起来,闭环确认比一次成功发出命令更重要。
不确定性贯穿所有层。误差传播通过导数与协方差把输入噪声映射到输出,相关性不能任意忽略。定位根据运动预测和观测似然递推belief;网格、粒子和EKF是不同表达与近似。SLAM进一步联合未知地图和机器人,地标相关性、数据关联及坐标规范自由度成为核心。图优化保留多时刻约束,通过局部迭代调整冲突,但错关联与非凸性仍然存在。
附录补齐三角、矩阵、概率和反向传播,也把学习过程连接到研究写作与课程设计。统计显著性需正确解释,研究主张需与证据和边界配套;课程则可按移动、操纵或系统集成选不同路线。机构、模型、数据和验证不断互相约束,才形成可解释的自主系统。
前言与课程路线
前言说明本书以算法视角服务具备线性代数和概率基础的本科生,跨越机械、电气与计算。路线从机构及运动学进入规划、感知,再通过误差传播逐步建立Markov定位、粒子滤波、EKF与SLAM。
作者以反复出现的简单例子建立连贯理解,而非追逐各子问题的最新最优方案。里程计和线拟合会在几何、估计和不确定性章节承担不同角色。平台无关设计及附录课程让读者可先用仿真观察机制;真实机器人与仿真之间的差异不能被这一便利抹去。
书籍由Nikolaus Correll与Bradley Hayes、Christoffer Heckman、Alessandro Roncone合作,MIT Press2022版权、前言署2022年2月8日。许可、致谢、教材借鉴和外部QR视频入口作为出版及导航信息保留,不把外部全文当作已经阅读的知识来源。
导论
导论先区分预编程展示与依据环境反馈的自主行为,强调算法必须与机构、传感和执行接口一起设计。防跌落玩具与电子避障说明,相同功能可由不同部件承担;蚂蚁路径示例则展示局部规则与环境反馈如何产生群体偏好,但不是任意最短路保证。
迷宫取物与Ratslife把能力限制变成可比较策略。随机游走资源少,却未必在能量耗尽前到达目标;沿墙跟随更有结构,却依赖迷宫连通性;视觉标记、测距和里程计使建图规划成为可能,也引入误识别和运动漂移。发现目标、寻找短路与随时间恢复的补给决策要分别描述。
移动自主性因此连接运动学、反馈控制、感知、特征、定位和误差表达。SLAM将机器人位姿与未知地图共同估计,不能把轮转计数当作无误差轨迹。操纵部分延续同一原则:专用吸具或导向机构可以简化任务,但要付出对象适用范围和通用性代价。
章节练习鼓励从任务所需信息反推传感能力,再思考线跟随和沿墙参数。它们是问题与实践候选,不在本次冒充已执行机器人实验。全章结论是按资源与性能共同选择方案,并显式处理真实系统的不可靠性。
进一步阅读:预编程演示不等于自主能力;自主决策依赖物理接口;机械结构也能实现反馈行为;同一行为可分配给不同部件;局部规则可产生群体路径偏好;先从能力限制推导策略;探索记忆需能识别重复地点;发现目标与最短运输是两阶段;随机游走没有有限时限保证;沿墙策略依赖迷宫连通结构;标记和里程计补充导航状态;资源任务需把时间纳入状态;SLAM耦合位置与地图误差;移动机器人需要一条闭环链;专用末端工具换取任务简化;机器人设计是资源与性能取舍。
运动操纵及其表示
本章先把移动与操纵统一为机器人通过机构向环境施力,再比较轮式、腿式与其他运动方式。能耗和机动性依赖环境,运动学与动力学的差别在于是否解释力与运动的关系,而不是仅按导数阶数分类。转动与移动关节提供不同几何变量,柔顺与力矩控制又引出接触需求。
稳定性部分以支撑多边形说明准静态抗倾覆,抬脚后需要重新检查重心投影。动态平衡依赖反馈和接触时序,不能把持续控制误作永远必须移动;腿数和步态也没有简单的一一对应。
自由度需要区分构型独立变量、驱动输入和任务空间维度。差速车瞬时不能侧移,却可能经过多步到达侧方位姿,说明速度约束与最终可达不同。轮子局部运动能力不能替代整车可控性分析,冗余机械臂则可能有更多关节而不增加末端任务维度。
坐标系统一描述世界、底盘和工具。旋转矩阵列向量是B系各轴在A系的表示,点换系需先旋转再加共同基底下的位移。齐次矩阵方便组合,但求逆必须将平移旋回,串联则严格遵循坐标链与乘法次序。
Euler角、轴角和单位四元数提供不同朝向参数化。固定轴与随体轴、主动与被动、分量顺序都必须明示。四元数可避免Euler参数奇异,却有单位约束和正负双覆盖,也不能解决机构本身奇异。最后,是否可忽略动力学仍要按真实接触与任务验证,而非仅看低速标签。
进一步阅读:移动与操纵共享环境作用力;运动方式比较要固定环境;运动学描述几何而动力学解释力;转动与移动关节提供不同变量;柔顺性不等于仅有位置控制;静态支撑条件有明确前提;抬脚会改变支撑多边形;动态平衡需要反馈修正;腿数不唯一决定稳定步态;构型自由度不同于驱动数;任务维度与机构维度分开;瞬时可动方向不等于最终可达;轮子局部自由度不保证全向;末端自由度受雅可比秩限制;底盘取舍需考虑真实轮参数;位姿必须附带参考坐标系;平面模型有意忽略部分变量;旋转矩阵的列是目标系中的轴;单位长度不足以保证旋转矩阵;点换系先旋转再加原点位移;齐次变换统一旋转和平移;刚体变换求逆须旋转平移项;变换连乘按坐标链消去;组合平移必须转换到共同基底;欧拉角需注明旋转轴约定;角度奇异不是机构必然奇异;单位四元数以半角编码旋转;四元数旋转需嵌入纯向量;四元数乘法先统一分量约定;紧凑旋转表示仍需维护约束;低速不自动排除所有动力影响。
运动学
运动学从关节构型到任务位姿的映射开始。平面二连杆示例说明相对角累加、关节限制与工作空间,随后DH用四个几何参数把复杂串联臂化为相邻坐标变换连乘。矩阵的物理映射方向、轴线与索引需要先固定,不能从“正运动学”一词猜坐标换向。
逆运动学的核心是找到可行关节解,而不是简单求一个全局反函数。解可能不存在或不唯一;平面2R可用余弦定理形成肘上肘下分支,增加末端朝向还会增加一致性条件。数值方法通过任务残差搜索关节构型,终点正确仍不保证中途避碰。书中的多处分支数与符号错误在相应卡片中用正解代回和几何关系限定。
微分运动学将关节速度映射为末端瞬时速度,雅可比随构型变化,既提供局部线性近似,也揭示奇异性。角速度旋量与Euler角导数必须区分。移动底盘的轮角总量缺少运动时序,因此差速模型先计算机体前速和角速,旋转到世界系,再结合初始位姿积分。无侧滑约束禁止的是机体系横移,并不禁止世界y方向运动或经过多步侧方停车。
车式转向以共用瞬时圆心解释阿克曼几何,自行车模型把曲率与转角、轴距联系起来。前驱轮与后轴中心速度的关系需要明确。全向轮则从每个轮接地点的刚体速度与滚子约束建立映射,轮位置、夹角及符号必须逐轮检查,不能套用有印刷冲突的轮速表。
逆微分问题受任务维数及雅可比秩限制。伪逆给局部最小二乘解,阻尼控制弱奇异方向的大关节更新,却不提供全局可达或碰撞保证。到点反馈还要处理象限、角度wrap及零距离。最后,任务不足与冗余由m×n和实际秩共同说明,冗余可服务次要目标,但不能消除所有约束。
进一步阅读:运动学映射须先定义两端;二连杆末端要累加相对角;关节限制塑造实际工作空间;工具变换用映射方向验算;多关节正解可串联局部变换;DH坐标系遵循几何轴线;DH四参数分别沿指定轴;关节类型决定DH变量;DH变换乘法次序不可换;逆运动学返回的是可行解集合;先判可达再求逆解;单连杆反余弦只用了横坐标;二连杆位置逆解用余弦定理;附加朝向也增加可行性条件;逆解残差定义在任务空间;代回正解核实数值逆解;逆解优化不等于安全路径;移动里程计需要轮速时序;非完整约束限制瞬时速度;速度旋量不同于力旋量;雅可比列表示单位关节速度;雅可比只提供局部线性化;机体系速度不是原点坐标导数;底盘速度换系使用当前朝向;滚动距离公式要求弧度与无滑;差速底盘前速取两轮平均;差速底盘角速由轮速差决定;不能侧滑指的是机体系横速;里程计积分必须保留初始位姿;离散步长与打滑是不同误差源;阿克曼转向让轮轨共享圆心;自行车转角决定曲率;自行车前后轮速度不能混用;矩阵可逆取决于维数和秩;伪逆公式有满秩适用前提;反馈逆解先锁定误差符号;关节停止不证明误差归零;奇异性会丢失部分瞬时方向;阻尼最小二乘约束关节步幅;阻尼不代替全局可达判断;差速逆解只接受可行机体速度;全向轮布局决定速度映射;轮接地点速度需含转动贡献;全向轮公式须逐轮验方向;到点误差用距离和相对方位;比例到点控制需要稳定性条件;任务冗余先看雅可比实际秩;冗余自由度可服务次要目标。
结构补充:运动学的正逆映射,用图归纳本章已解释的接口、反馈与适用条件;具体推导仍见上文。
进一步阅读:运动学的正逆映射。
原书依据 · 49 处
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
力
本章把运动几何推进到接触力。静力学在平衡条件下把关节广义力与末端力旋量关联:转动关节使用力矩,移动关节使用线性力,末端wrench则同时包含力和力矩。作用与反作用必须标明对象,参考坐标和力矩点也不能省略。
理想机构的虚功配对与速度映射给出τ=JᵀF,说明静力学仍共享雅可比的几何结构。它能为指定末端作用力生成理想关节力矩需求,但重力、接触和反馈控制要另外处理。所谓动静力对偶是映射结构的联系,并不证明奇异构型必然造成无限力或高速运动。
可操作度分析进一步比较同一构型下不同任务方向。单位关节速度预算经J映成速度椭球,主轴和半轴由奇异向量与奇异值决定;秩下降时某些方向退化。力预算的理想椭球具有相同方向和相反的轴长趋势,但满秩、统一尺度与载荷约定都是必要前提。冗余关节中的零空间使单位球面推导需要额外小心。
体积指标w可用于观察几何退化,却不是无量纲的万能性能或安全分数,也不直接给到奇异构型的距离。末端位姿相同的多个姿态可按所需方向的力与速度能力取舍;能耗、人体交互和结构承载还需超出本章的模型。
进一步阅读:机器人模型按任务增加复杂度;静力平衡需同时满足力矩平衡;广义关节力依关节类型变化;末端力旋量包含力与力矩;接触作用与反作用要标明对象;雅可比转置来自虚功配对;力控制映射不等于完整力闭环;动静力对偶共享同一几何映射;奇异构型不自动产生无限接触力;速度椭球刻画局部方向能力;冗余球面映射需保留零空间;奇异值给出速度椭球主轴;可操作度不是纯粹形状评分;可操作度比较先统一量纲;力椭球与速度椭球轴长互倒;力椭球秩亏时不再有界;冗余姿态可按任务方向选择。
抓取
抓取需要为物体提供抵抗重力和其他扰动的约束,但真实可用抓取比理想点接触模型更丰富。摩擦使切向支撑成为可能,摩擦锥限定单个接触可提供的合力方向,各接触还需共同满足物体力与力矩平衡。接触面积、柔性与压力分布增加抗转动能力,也带来更难建模的弹性与精度变化。
吸盘用压差和杯缘接触保持物体,使规划集中到一个可密封区域;它的代价是对表面、漏气、载荷方向及弹性的依赖。夹持方案因此应比较开口范围、机体外形、承载、易碎性与后续操作,不能只问能否拿起来。
具体机构从简单到复杂展开。单动指剪式夹爪可先用被动指定位接触,再闭合主动指,控制较简单但依赖摩擦且角度不能唯一给出物宽。直线平行夹爪提供可预测的开口关系,却可能本体较宽、要求较高对准精度;顺应、腕力反馈或独立指驱动可减轻这一要求。平行四连杆保持指面朝向,却沿弧线改变前伸量,所以接近距离也随开口变化。
多指手提供额外接触和手内操纵机会,同时增加机构与规划负担。最终选择要回到完整任务:抓稳、移动、精确装配和释放可能需要不同的刚柔特性。本章提供建模思路和设计权衡,没有给出所有物体最优抓取的通用算法,也不能用2022年的案例描述替代对今日产业比例的调查。
进一步阅读:夹持方案应从完整任务倒推;点接触模型揭示约束也有边界;静摩擦提供切向力上界;摩擦锥约束单个接触合力;抓取力旋量空间组合各接触;面接触能增加抗转动约束;接触面积不直接放大库仑摩擦;软指垫在容错和精度间取舍;吸盘把抓取规划集中到密封区;吸附承载受密封与受力限制;夹爪选择同时看尺寸载荷脆性;单动指夹爪利用被动指作基准;剪式关节角不唯一代表物宽;平行夹爪的机体宽度也占空间;驱动方式决定速度和可控性取舍;双指同步夹持需要对准或顺应;平行四连杆不等于直线轨迹;四连杆闭合会改变接近距离;更多手指增加能力也增加负担;手内操纵不同于重新放置再抓。
执行器
执行器把能量变为运动,选型需要把电机或流体元件与传动、传感、控制电子、供能和散热一起考虑。电磁驱动先由线圈与磁场解释转矩,再区分交流、有刷直流、步进和无刷换相;具体速度、转矩与位置能力还受负载、电气参数和反馈方式限制。
有刷直流电机用机械换相,速度受反电动势与负载共同约束;步进用相序产生离散位置,开环累计脉冲却不能证明没有失步。无刷把换相交给电子系统,需要转子位置依据,虽减少电刷损耗,也并非没有摩擦或热限制。伺服进一步把反馈控制能力封装为接口,不应局限理解为小角度爱好者舵机;丝杠等机构又可把旋转转为直线动作。
驱动电子把低功率逻辑转为大电流,需要考虑PWM、感性续流及连续与峰值负载。供电电压和电流等级影响整机架构,I²R发热则把电路问题带到机械散热。液压和气动同样依赖泵、阀、管路及储能设计;气体弹性和软体材料能带来顺应,也使模型与控制更复杂。原文若干“必然”“永远”式归纳在卡片中被限定为具体结构和条件。
最后讨论主动与被动失效行为。电流估计或直接扭矩感知可支持主动限力,串联弹性和柔性结构则改变接触响应,但都不能独立证明系统安全。断电后的惯性、重力和储能需要机械保持等手段,并核实实际传动是否可反驱。练习继续围绕电机选型、堵转发热、散热与失电夹持展开,本章不替代具体硬件的完整设计验证。
进一步阅读:执行器选型必须连同系统评估;减速器用速度换输出扭矩;线圈磁动势与匝数电流相关;持续转动需要合适换相时序;交流电机速度还取决于驱动;有刷直流电机用机械换相;直流电机速度受反电动势约束;步进电机用相序推进离散位置;步数累计不等于实际位置反馈;步进保持力矩与高速能力不同;无刷电机依靠电子换相;去掉电刷仍有其他损耗;伺服表示反馈控制能力;集成伺服接口可影响上层能力;丝杠把电机转动变成直线运动;电机驱动器连接逻辑与功率;驱动额定值要覆盖峰值与热态;导通电阻的发热随电流平方增;液压性能依赖整个回路;气体可压缩性带来弹性与难控;软气动结构用约束引导变形;软体连续形变需要降阶模型;主动限力依赖传感与动力模型;串联弹性可测力也会存储能量;断电失效要检查重力与惯性。
传感器
传感器把机器人运动与环境转换为可计算观测,但不同器件输出的状态约束并不相同。编码器、惯性和视觉在数据形式、参考坐标与误差来源上互补。首先需要区分主动与被动、本体与外感,以及量程、动态范围、分辨率、准确性、重复性、更新率和带宽;数字位数并不等于真实测量精度。
关节编码器以增量或绝对编码建立角度参考,正交相位提供方向,格雷码减少扇区过渡的多位翻转。它们能描述关节运动,但轮角历史仍需模型才能推断世界位姿。惯性部分从质量弹性元件与旋转效应解释加速度计和陀螺;比力、重力方向、角速率积分与偏置必须分开理解。融合能利用短时与长期参考的互补,也依赖动态条件和磁环境。
力感知可由弹簧形变、电流模型或应变式F/T实现。腕力输出是合成载荷,多处接触通常不能由一个合成wrench唯一恢复。触觉阵列、光学形变和高频振动补充空间与纹理信息,但压力不自动等于六维受力,电容、光学与材料模型也要按具体实现标定。
远距感知比较反射强度、调制相位和传播时间。反射受表面影响,相位有周期歧义,往返时间要除以二,超声则在监听范围与更新速度之间权衡。扫描角距还决定小目标可能落在射线之间。全球坐标由卫星伪距或已知信标提供参考,接收机钟差、信标几何与运动方向和车体朝向的差别都影响定位解释。全章的主线不是某种万能传感器,而是为具体任务补足可观测信息并处理真实误差。
进一步阅读:传感器输出形式决定估计工作;主动传感通过发射能量探测;量程与动态范围是不同指标;数字分辨率不证明物理精度;准确性和重复性要分开测;相对误差评分有零点与符号问题;方差刻画重复性但不是唯一定义;采样率不等于信号带宽;本体与外感按被测状态区分;正交编码器用相位判断方向;绝对编码与增量编码初值不同;格雷码减少跨扇区多位翻转;轮角反馈不直接给世界运动;加速度计测比力;加速度倾角估计依赖低动态条件;加速度双积分会累积偏置误差;角速率陀螺需要积分与参考;光学陀螺利用反向光路相位差;MEMS陀螺利用振动质量耦合;惯性融合利用互补方向信息;弹簧形变量可转换为力估计;电流估载要扣除内部动力贡献;应变式力传感依赖校准映射;单个腕力传感难定位多处接触;压力触觉把接触分布采样出来;电容触觉通过几何变化读压力;光学形变感知连接位置与接触力;触觉纹理信息不只靠静态压力;反射强度测距受表面性质影响;测距响应非线性会改变有效分辨率;调制相位测距需要处理往返歧义;相位测距也属于间接飞行时间;飞行时间距离要除以二;门控光子计数需要归一化与标定;超声测距在量程和更新率间取舍;超声声束与激光射线各有盲点;GPS测距还要估接收机钟差;航迹角不等于车头方向;全球定位精度取决于具体方案;已知信标把局部观测锚到地图;多源融合的收益需要模型成立;角分辨率决定小障碍采样覆盖。
原书依据 · 42 处
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
视觉
视觉从像素数组出发,却不能仅凭局部数值变化判定现实原因。同样的梯度可能是物体边界、阴影、高光或朝向变化;月面凹凸与斑点狗示例进一步说明上下文和先验会参与解释。信号处理因此是提供证据的一层,而不是完整场景理解。
基本操作先由阈值把像素筛成候选区域,再由卷积结合邻域。平滑抑制部分噪声也损失细节,Sobel给方向导数,DoG与LoG突出不同尺度结构;核、边界和符号约定都影响结果。形态学通过结构元素和最小最大运算处理形状,开闭、梯度和顶帽具有不同效果,不能与线性卷积混为一类。
几何部分将双目和相机运动联系起来。内参描述投影到像素的尺度与主点,外参描述相机之间或与世界之间的位姿。像点只约束一条射线,深度需要可靠对应、相对位姿与足够基线;针孔投影不能丢失齐次尺度,本质与基础矩阵也有不同标定条件。极线约束降低搜索范围,却不能单独消除遮挡和匹配歧义。
结构光主动给物体表面加编码,帮助建立对应与恢复深度,仍依赖标定和有效回波。最后,学习方法把多尺度特征与任务目标结合,但传统操作的作用和信息损失仍值得理解。视觉处理的目的不是尽量让数据变简单,而是在可计算性与保留任务证据之间取舍。
进一步阅读:图像是带空间排列的采样信号;同样像素变化可能有不同原因;光照先验会改变形状解释;视觉理解需要组合局部证据;频域解释帮助预测滤波效果;颜色阈值依赖观测条件;离散卷积包含核翻转;有限图像卷积要决定边界策略;平滑权重归一化保留常量区域;平滑会同时影响噪声和边界;Sobel求两个方向的局部变化;完整边缘检测还需后处理;高斯差分突出中间尺度结构;高斯差分可近似尺度拉普拉斯;形态学核定义比较的邻域;开闭运算的次序决定作用;形态梯度和顶帽突出不同结构;视觉语义和度量信息需要分辨;双目与运动恢复共享多视几何;内参与外参承担不同投影作用;单幅像素反投影仍缺深度;本质矩阵与基础矩阵条件不同;极线把匹配搜索缩为一维;三角化需要可靠对应与基线;结构光用已知图案帮助对应;降噪不能抹掉任务所需证据。
特征提取
特征提取把原始数据转成便于任务推理的结构,评价重点是保留有用信息、可重复定位和区分不同目标。线特征提供位置与朝向,局部描述子支持跨视图匹配;检测、描述和几何验证是相关但不同的步骤。
直线拟合从法向距离参数出发,用点到线正交残差平方和衡量拟合。最小二乘对大残差敏感,零导数也不自动证明最小;有序扫描可先按最大误差递归分裂,再按一致性条件合并。离群点多时,RANSAC以随机最小样本提出模型、统计内点并精化,效果仍受阈值、采样预算及模型正确性影响。
霍夫变换把观测映到参数空间投票。直线采用极坐标避免竖线斜率问题,集中峰给候选参数;推广到圆或更多形状时,参数维数与量化精度决定代价。这个思路也能用于多个局部特征对对象位姿的一致性投票。
SIFT通过尺度空间选择稳定关键点,拒绝低对比与沿边缘不稳定响应,随后建立主方向并构造局部梯度描述子。书中方向与幅值来源、网格数量及历史许可表述有不准确处,已在相应卡片按原论文与官方资料限定。归一化与方向对齐提供有限条件下的稳健性,不能保证任意光照和视角都不变。
对象识别把描述子检索、多点一致性和位姿验证组合起来,词袋则以视觉词分布提供另一种压缩。最后,手工与学习特征应按场景、训练数据和所需几何证据选择;获得紧凑特征不是最终目的,支持可靠推理才是。
进一步阅读:特征压缩应保留任务信息;好特征需要可重复也可区分;特征位置和描述子职责不同;直线用法向距离和角度表示;最小二乘惩罚正负残差平方;梯度为零不够证明最优;正交拟线可用中心化散布矩阵;分裂拟线利用观测的空间顺序;分裂之后合并需另设一致性规则;离群值会影响平方残差拟合;RANSAC用最小样本提出假设;RANSAC内点阈值决定共识;共识筛选后再精化模型;鲁棒拟合方法受模型假设限制;霍夫变换让数据投票给参数;极坐标霍夫避免竖线斜率奇异;霍夫推广需控制参数维数;尺度空间让特征选择适应尺寸;边缘响应强不一定定位稳定;SIFT方向描述来自平滑图梯度;主方向建立旋转参考;SIFT描述子组织局部方向分布;描述子归一化只抵抗部分光变;局部匹配还需多点几何一致;视觉词袋压缩特征的分布;特征方法选择要核实可用实现;手工与学习特征按数据条件选。
人工神经网络
本章把感知与控制中的数据关系转为可训练函数。首先区分分类与回归,再由感知机解释线性决策边界、偏置与错分修正。XOR说明单一线性边界的限制,非线性隐藏层组合可表达更复杂关系;Sigmoid、tanh与ReLU则改变输出范围和梯度传播,选择不能只按计算简单判断。
多层网络先执行加权和与激活,训练时定义目标,利用反向传播求梯度并由优化器更新。表达能力、可优化性与对新场景泛化是三个不同问题。独热标签、Softmax与离散决策也各有职责,训练时通常保留可求导分数而非过早取Argmax。
回归损失比较MSE、MAE和Huber对大残差的不同权重;平方残差不让复杂网络参数优化自动成为凸问题。分类损失由熵、交叉熵与KL连接,独热多类交叉熵简化为真实类负对数,logit与归一概率必须分清。原文感知机梯度、KL差的次序及若干公式记号不一致,已按明确数学定义限定。
CNN把局部连接与跨位置权重共享结合起来,核可以经反传学习。边界、填充、步长、池化和输入输出通道决定每层形状,展平只重排元素。书中池化图与部分通道叙述存在缺条件,卡片使用显式尺寸公式而不照抄图注。多层特征可能呈现层级规律,但不保证每个核都有固定可命名语义;相同思路也可作用于时间序列。
当当前观测不足以决定动作,历史或状态有助于消除歧义。基本RNN用共享参数递推隐藏状态,展开只是训练与分析表达,在线推理仍可逐步执行。循环网络是一种记忆机制而非唯一方案;整体学习设计仍需匹配实际任务、数据范围与部署约束。
进一步阅读:分类与回归先确定输出语义;学习模型需要目标场景证据;感知机以超平面划分类别;偏置可写成恒定输入的权重;感知机更新根据错分修正权重;学习率影响迭代而非表达边界;训练误差低不保证分布外泛化;平滑激活让梯度携带方向信息;ReLU保留正区梯度;非线性隐藏层扩大可分结构;前向传播区分线性量和输出;训练目标通过反向传播求导;独热编码表示类别而非顺序;Softmax归一化分数;训练保留软输出再作离散选择;均方误差强调较大残差;绝对误差降低大残差影响;Huber连接两种残差代价;熵描述分布不确定性;交叉熵使用目标和预测两分布;KL是交叉熵减去目标熵;二元交叉熵包含正反两类;多类交叉熵等于真实类负对数;卷积层结合局部连接与权重共享;卷积输出尺寸要计算边界和步长;卷积示例先核对翻核约定;池化用局部摘要减少空间细节;最大池化反传路由到获胜位置;池化图示尺寸要服从明确规则;展平只改变布局不学习特征;CNN示例须补齐通道和填充;学习卷积核不保证可命名语义;一维卷积可提取时间局部模式;同一当前观测可能需要不同动作;循环状态递推压缩过去信息;时间展开共享参数而非独立复制;记忆机制并不只有循环网络。
原书依据 · 37 处
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
- · 查看原书依据
任务执行
任务执行从最简单的传感到轮速映射开始:交叉耦合可形成趋光,多通道权重可形成避障。它们容易组合,却可能在U形结构中循环,因此需要进展记忆与行为切换。关键不是把控制写得复杂,而是让当前观测之外所需的状态有明确位置。
FSM以有限状态、事件、初态和转换规定当前行为,并与连续控制构成混合系统。控制循环必须与真实物理时间协调,平均计算快不等于截止时间有保证。状态增加会让进出转换难维护,层次化可封装子行为,并把滤波事件生成与行为执行分开;进程分布只是实现选择,不能替代清晰调度语义。
行为树把执行逻辑写成可复用组合。动作以Success、Failure、Running表达责任结果和进展,tick让动作跨多个控制周期持续运行。顺序、回退、并行与装饰器分别决定何时继续、替换、等待或重复,具体状态传播不能只用布尔类比。参数和结果数据把感知、抓取与放置连接起来,动作成功需要对应的现实证据。
更高层的任务规划用符号状态、动作前提和效果搜索达到目标的行动组合,减少预先枚举所有执行路径。STRIPS三明治例说明,位置与空闲资源等隐含前提必须建模,关冰箱等收尾要求也必须进入目标。参数化让规则更通用,现实变化与失败又要求执行反馈、条件重检和必要重规划;符号计划并不自动等于物理可执行。
进一步阅读:反应控制直接连接观测与动作;交叉耦合可构成趋光转向;避障权重依赖传感布局与读值;多个行为叠加不保证解决冲突;局部反应可能陷入重复状态;进展信号可触发策略切换;有限状态机显式表示行为阶段;状态转换要定义条件与冲突;初态与终态是不同执行约定;转换事件可以来自复杂计算;混合系统连接离散模式与连续量;控制循环需为物理时间留预算;平均耗时不能代替截止时间分析;状态增多会增加转换维护成本;层次状态机把子行为封装成组;并行状态区可分担事件生成;层次状态机不强制多进程实现;行为树将控制流写成组合结构;动作状态表达执行结果与进展;Tick让长动作跨控制周期运行;顺序节点要求各步骤依次成功;回退节点按顺序寻找成功方案;并行节点需定义完成阈值;装饰器改变单子节点的策略;行为树节点需传递任务数据;任务规划从目标组合可用动作;STRIPS动作的前提效果;闭世界初值需要明确建模范围;规划动作需补足隐含前提;目标必须包含需要保留的结果;参数化动作仍需类型与绑定约束;执行反馈弥补符号预测与现实差异。
结构补充:任务执行中的反馈闭环,用图归纳本章已解释的接口、反馈与适用条件;具体推导仍见上文。
进一步阅读:任务执行中的反馈闭环。
原书依据 · 33 处
建图
地图把环境观测组织为可供规划、定位与人类理解的表示。度量与语义描述不同信息,拓扑图、栅格与连续边界可按任务组合。距离点云虽直接带尺度,仍需处理时刻、外参、运动畸变与噪声,不能把输出点云等同于无需建模。
扫描配准解决相邻观测之间的相对几何。ICP将选择、配对、加权、剔除、误差和优化分开,并反复更新对应与变换。点对点与点到面各有约束方向,最近邻不一定是同一物理点,低残差也可能来自退化或错误局部对齐。合理初值与重叠很重要,特征RANSAC、里程计和惯性可以提供初步运动约束。
占据地图离散记录空间中的障碍证据,空闲、占据与未知需要区分,多帧融合依赖传感模型。分层四叉树或八叉树把均匀区域保持较粗,边界处再细分;它们不是原文误称的四维或八维k-d树。多分辨率可减轻存储,却仍受最细分辨率限制。
表面重建进一步以符号距离隐式表达零水平集,并在截断带内融合深度。TSDF常存投影距离,不能直接替代规划所需的全局欧氏障碍距离;原文这点已用Voxblox引言补充限定。表面融合要求一致位姿,逐帧误差会造成漂移,回环后也需维护历史融合贡献,不能只改当前相机坐标就认为整幅地图已修复。
进一步阅读:地图表示要服务下游决策;度量和语义地图相互补充;拓扑地图将可通行关系抽成图;栅格与边界模型有不同误差;点云建图仍需时空标定;扫描配准估计的是坐标间变换;ICP交替更新对应与变换;ICP各步骤可分别设计;采样需保留有约束的几何方向;最近邻不一定是同一物理点;配对权重与剔除有不同作用;点对点残差与固定配对解分开;点到面误差只约束法向分量;ICP初值需要足够重叠与接近;特征RANSAC可提供配准初猜;概率占据地图保留未知区域;四叉树八叉树按空间子块划分;多分辨率存储压缩均匀区域;占据融合依赖逆传感模型;符号距离用零水平集表示表面;TSDF截断保留表面附近证据;规划距离不能直接等同于TSDF;表面融合高度依赖位姿一致性;逐帧配准误差会积累成地图漂移;回环后的地图维护有不同策略。
路径规划
路径规划先规定任务代价与所需状态,再决定如何表示障碍和搜索空间。构型空间把整台机器的几何安排表示为一点,圆形底盘可用障碍膨胀简化,任意形状或机械臂则需更完整维度与碰撞判断。路径只是几何,轨迹还包含时间与执行约束。
图搜索中,Dijkstra按已知累计代价扩展,A*再加入剩余代价下界引导。非负边权、正确停止与前驱恢复、启发条件都影响结果,有限图最优还不能等同连续空间最优。地图更新时可通过增量重规划复用搜索,但高维联合网格仍会快速膨胀。
采样规划以局部可连接构型组织候选。PRM偏向复用路线图,RRT偏向从起点扩展;采样、最近邻、Extend、连接与验证各自需要匹配状态几何及机器人运动能力。目标偏置能引导探索,约束末端姿态却不能简单删掉一只关节维度。RRT*通过择父和重连改善已有树,渐近性质不意味着有限采样已得到全局最优。
整条边都需检查碰撞与自碰,延迟检查只改变顺序而不取消最终验证。对欧氏长度目标,椭球下界可限制改进搜索;其他代价需重新证明。路径平滑和反馈跟踪也不是自动安全,改动后仍要检查几何与可执行性。分层规划则把道路、局部轨迹和控制分开,并将无法解决的失败向上反馈。
覆盖规划把目标换成访问整个工具作用区域,重复、回溯与区域连通成为核心。Hamilton与TSP有不同存在与优化问题,不是任何地图都能一次不重访地扫完。最后,随机规划应多次比较成功率、耗时与成本,并区分第一次可行解和后续改进;没有一种表示与算法在全部问题上都占优。
进一步阅读:路径描述几何而轨迹包含时间;构型空间把机器人整体看作一点;构型维数须包含所需朝向与关节;最短路径以累积边代价为准;按最小总代价扩展节点;路径恢复应保存前驱关系;图最优不等于连续空间最优;A星用已花代价加剩余估计排序;启发下界与搜索实现共同决定最优;曼哈顿启发要匹配网格移动规则;增量重规划复用已有搜索信息;高维离散规划面临状态数增长;采样规划以有限候选探索自由空间;路线图与搜索树有不同使用倾向;RRT循环先提案再验可连接性;目标偏置在引导与探索间取舍;约束末端姿态不等于固定一关节;最近邻距离需尊重状态几何;局部连接必须符合平台运动约束;RRT星通过择父和重连改善代价;渐近最优不是有限采样全局最优;碰撞检查要覆盖整段运动;延迟碰撞检查先搜索后验证候选;椭球限域依赖路径代价下界;路径平滑后需要重新检查约束;模型预测控制包含滚动优化;分层规划分别处理不同尺度失败;覆盖规划要求访问整个工作区域;只访问一次未必存在可行覆盖路线;随机规划比较需要重复实验。
结构补充:路径规划先确定状态与约束,用图归纳本章已解释的接口、反馈与适用条件;具体推导仍见上文。
进一步阅读:路径规划先确定状态与约束。
操纵
操纵把抓取扩展到有目的地改变对象与环境关系,也包含推、翻等无需持续夹持的操作。重抓、放置和双臂交接可逐步改变姿态,但能力仍受对象、机构与工作空间限制。合适抓取必须围绕后续任务选择:抵抗重力与抵抗搬运或装配载荷有不同要求。
抓取流水线把点云获取、预处理、分割、筛选、候选生成、碰撞检查和执行验证连接起来。距离聚类与PCA提供有用几何近似,却不保证把相触对象分开或恢复真实质心;未见空间也不能默认空闲。候选在点云里合理后,还需考虑接近和抬升路径,并用持物信号确认实际结果。学习模型可替换部分步骤,但训练分布和现实可行性约束仍保留。
多指手使搜索维数更高,可用抓取模板减少候选,或通过采样与接触仿真评估任务载荷。两种办法分别受模板覆盖和仿真参数限制。取放进一步分解为接近、抓取、抬起、搬运、放置和释放,每一步有独立失败方式,因此任务选择与运动可行性需要相互反馈,行为树提供一种组织方式。
插装示例展示如何利用环境接触帮助对中。倾斜插入依靠低边接触与顺应回正,螺旋搜索用面内探索和垂直探测寻找孔轴关系。力与力矩阈值需要和位置深度共同解释,不能把卡住误作成功。高层负责阶段和失败,较快的底层反馈负责具体接触控制,最终实现受硬件开放的接口和采样能力约束。
进一步阅读:操作目标超出把物体拿起来;非抓持操作借接触和环境改变物体;重抓和交接可逐步改变对象姿态;抓取质量取决于任务载荷集合;有效抓取不必抵抗所有可能外力;力旋量空间近似依赖力预算;抓取流水线把感知规划执行连接;距离聚类难分相互接触的对象;过滤条件可能删除真正目标;可见点均值不等于物理质心;候选抓取还需接近与撤离路径;闭爪成功需用持物证据确认;学习抓取模型仍受训练分布限制;抓取模板减少多指搜索空间;抓取仿真取决于接触参数;取放每个阶段都有独立成功条件;任务与运动规划需要相互反馈;倾斜插入利用接触导向对中;螺旋搜索用接触变化识别入孔;插装终态需结合力和实际深度;任务树与接触控制应分配时间尺度。
不确定性与误差传播
不确定性来自传感、执行、通信与模型,概率表示使机器人能够在估计值之外保留可信程度。高斯具有计算便利,但它是需要验证的近似,不是样本足够多后任意噪声都会变成的事实。偏置、离群和共同来源会改变后续传播与融合的解释。
误差传播用函数的局部灵敏度连接输入与输出协方差。标量时导数平方缩放方差,多变量时使用JΣJᵀ并保留相关项;非线性时只是均值附近的一阶近似。线拟合说明多点如何影响一个高层特征,里程计则说明旧状态误差与新轮程噪声怎样共同累积。位姿更新与雅可比必须来自同一个离散模型,书中若干偏导记号与中点公式不一致已在卡片中明确修正。
融合讨论独立无偏的同量估计。正确方差模型下,逆方差加权使高可信观测占较大比例,信息相加后估计方差降低。相关观测、共同偏置或模型失配会破坏这一直觉,重复使用同一测量不能凭空获得新信息,方差更小也不代表每次实际误差都更小。
将加权平均改写为先验加创新校正,就得到卡尔曼更新的直觉:先用观测模型预测传感器应该看到什么,再依据增益调整状态。这个差是可观测的创新,不是未知真误差。完整滤波还需要运动预测和协方差递推,本章只建立基础;非线性模型需在后续定位中引入EKF等近似及其条件。
进一步阅读:概率模型表达已有知识的不确定性;高斯噪声是模型选择而非必然;运动不确定性随过程累积;一阶传播按局部灵敏度缩放方差;协方差传播要保留交叉项;零协方差不总等于独立;线特征的误差来自全部点参数;偏导平方不同于对平方求导;里程计传播包括旧状态与新噪声;轮程模型和雅可比必须同一版本;差速中点雅可比按轮距求导;轮程方差模型需要实验标定;融合前先确认估计的是同一量;独立无偏融合使用逆方差权重;理想融合的精度按信息相加;共同偏置不能靠独立加权消除;创新是观测与预测观测之差;卡尔曼增益决定校正信任程度;观测矩阵不一定直接测到状态;线性滤波与非线性近似应区分;测距误差需区分计时与声速来源。
定位
定位把运动历史与地图观测共同用于估计位姿。三门走廊说明一次地标观测可能保留多个位置假设,不同间距与后续运动才逐渐消除歧义。传感误报和漏检应以条件似然进入更新,不能把误报率倒读成后验位置概率。
Markov定位和一般贝叶斯滤波由两步递推组成。动作预测对旧belief和运动转移边缘化,观测校正将预测乘似然并归一化。多次历史可通过当前belief概括,前提是状态满足所用Markov与观测条件独立假设。拓扑示例中的路径乘积仅是原始权重,全部路径还需汇总与归一;连续密度和离散单元概率也不能混用。
网格保留每个区域的概率,便于全局多假设但代价高。粒子改用带权样本,运动时分别传播并采样噪声,观测时调整权重,重采样后计算集中在有支持处。有限粒子会丢模式,重采样也有多样性代价,不能保证每次最终都正确收敛。原书在粒子段夹入后文重复的线观测EKF步骤,讲解按两套方法的真实职责区分。
EKF采用非线性运动和观测的局部线性化,先预测均值协方差,再用创新、创新协方差与增益校正,并同步后验协方差。线地标例要从世界线参数预测机器人视角,处理角度周期与法向正负,核实数据关联。单线对沿线平移不敏感,错误关联也不能仅靠增大噪声修复。最后,各类滤波表达的belief形状和计算负担不同,EKF的单峰近似不等于任意非线性场景最优。
进一步阅读:重复地标需要保留多个位置假设;漏检与误报通过似然进入定位;贝叶斯更新用先验乘观测似然;归一化常数由全部候选加权得到;概率密度的峰高不等于点概率;动作预测对旧状态做边缘化;运动卷积只适用于特定平移模型;拓扑定位模型需按场景标定;轨迹似然乘积需要条件独立依据;示例原始权重不能直接当后验;Markov状态要足够完整;贝叶斯滤波交替预测与校正;观测不必每次都让后验更集中;网格定位用计算换多假设表达;粒子以带权样本近似状态分布;粒子预测需分别采样运动噪声;粒子观测更新先改变权重;重采样按权重随机分配副本;几何碰撞与观测不符是不同约束;EKF更新局部高斯近似;EKF预测同时更新均值与协方差;地图线特征先转换到机器人视角;线观测雅可比反映可观测方向;数据关联错误不能只当大噪声;角度创新要按同一表示归一;创新协方差合并预测与测量噪声;状态校正还要同步后验协方差;预测和校正不是重复算同一件事;定位方法按分布形状选择。
结构补充:定位递推的两种信息来源,用图归纳本章已解释的接口、反馈与适用条件;具体推导仍见上文。
进一步阅读:定位递推的两种信息来源。
同时定位与建图
SLAM把机器人位姿与未知地图联合估计。它首先暴露一个重要区别:绝对坐标不确定,不代表地标间的相对关系同样不准。多个地标共享机器人位姿误差,因此即使观测噪声独立,地图估计也会相关。联合状态与协方差保留这些交叉信息,才能在重新观测旧地标时一致地校正机器人和地图。
EKF SLAM以机器人位姿加二维点地标为例,交替执行运动预测和观测校正。静态地标的预测均值不变,机器人—地标交叉协方差却仍需传播;单地标距离方位观测只有二维,不能混同全状态维数。新地标加入还需从位姿与测量传播初始化协方差及交叉块,本章未把该扩充步骤完整展开。增益必须包含创新协方差逆,原式漏号与先后验标记冲突已限定。关联、地标清理和地图规模增长都直接影响实际系统正确性及成本。
图SLAM将轨迹、地标与测量组织为约束图,闭环使此前积累的误差能够重新分配。高斯假设下,负对数似然对应信息矩阵加权的残差平方和;带先验的后验优化应称MAP,不能把协方差逆、对数符号或密度含义混淆。通常通过迭代线性化求状态增量,需要坐标锚定、可靠关联与合理初值,非线性问题并不因此获得全局最优保证。
最后,增量与随机优化是求解策略而非替代估计目标。DFS树上唯一路径不等于原图最短路径,树结构也不允许丢掉所有非树观测。视觉、深度、惯性等互补信息只有经过时空标定和误差建模才能可靠融合;动态环境进一步挑战静态地标假设。
进一步阅读:SLAM同时估计地图与位姿;地标必须具有可靠重识别依据;共同位姿误差产生地标相关性;相对距离误差需计入交叉协方差;输入独立不代表输出不相关;联合状态随地标数量增长;联合协方差保留交叉信息;观测维数由传感模型决定;多地标可联合或依次更新;地图原点选择不等于测量精确;零协方差不是普遍求逆障碍;新地标加入需同步扩充协方差;运动预测也传播交叉协方差;噪声雅可比不是对协方差求导;SLAM增益需要创新协方差逆;均值与协方差使用同版先验;关联优化不能证明地标身份;删除地标需维护联合状态映射;稠密滤波成本随地图扩大;融合多传感器先校准时空模型;闭环利用旧地标修正累计漂移;图模型把测量变为状态约束;带先验后验优化属于MAP;因子分解需要条件独立假设;信息矩阵是协方差的逆;负对数把乘积变为加权残差和;残差代价与对数似然符号相反;图优化通常迭代线性化求增量;增量优化仍在求同一估计目标;局部更新范围依赖具体求解器;DFS生成树不保证最短路径;动态环境不能直接当静态地图。
结构补充:联合滤波与图优化的状态区别,用图归纳本章已解释的接口、反馈与适用条件;具体推导仍见上文。
进一步阅读:联合滤波与图优化的状态区别。
原书依据 · 33 处
附录A:三角学
附录A为运动学补齐几何工具:先按指定角确认对边、邻边与斜边,再用三角比或余弦定理把角度和长度互换。反三角函数必须选择主值,atan2利用两个分量保留象限信息,因此常比先求比值再反正切更稳妥。最后,周期、奇偶和和差角公式帮助化简复合转角,但不负责选择机器人实际可行的构型。原文三角形内角和的2π误植已改为π,不能据此混淆一整周与三角形内角和。
附录B:线性代数
附录B把机器人常用线性代数串在一起:点积描述投影,叉积描述三维法向与面积,矩阵乘法则把多个线性映射组合起来。每个运算都依赖维数、顺序和坐标约定,尤其矩阵乘法要核对内部维数,原文叙述将行列条件说反。通常逆只对可逆方阵存在,正交方阵可以转置求逆;伪逆适用范围更广,但书中给出的闭式只在满行秩时成立。最后,PCA先中心化数据,再对协方差分解,以特征向量给方向、特征值给方差,用于点云方向与降维。它描述观察数据的分布,不能直接推断真实物体质量中心或完整形状。
进一步阅读:点积用长度与夹角解释投影;叉积方向取决于顺序与右手定则;矩阵乘法匹配内部维数;方阵可逆与正交转置有前提;伪逆闭式公式依赖矩阵秩;PCA寻找中心化数据的主变异轴;特征值刻画主轴方向的方差。
附录C:统计
附录C为定位、误差传播和实验评估提供概率基础。随机变量的变换会改变分布形状,两骰之和不均匀就是最小例子。连续密度需对区间积分,均值与方差则适用于任何具有相应矩的分布,不能因为非正态就否定它们。多维误差还需协方差的交叉项,独立输入求和才可直接卷积边际,独立高斯的线性组合才有文中简洁方差式。
贝叶斯公式连接两个条件方向,但必须保留先验与观测边际;这正是把传感器性能转换成定位belief时不可省略的部分。统计检验则回答另一类问题:在指定零模型下,数据是否表现出不相容。p值不是假设为真或结果由偶然产生的概率,预设α也不等于观察到的p值。未拒绝不能证明相等,显著也不直接表达工程收益。
卡方拟合检验比较分箱计数,受分箱、预期计数和估计参数影响。比较算法时要区分独立与配对、均值与分布、参数与秩方法;秩和不是通用均值检验。八杯茶例进一步说明,受限组合抽样与独立二项试验给出不同零模型。原文建议反复增样本直到p值满意的表述不宜照做,应先确定设计或使用合适序贯方法。
进一步阅读:和的分布不沿用单次均匀性;连续密度必须对区间积分;均值方差并非正态专用指标;标准差与方差具有不同量纲;多元高斯用完整协方差描述;条件概率方向交换需要先验;独立变量求和才可卷积边际;高斯线性组合须声明相关条件;零假设应写成可检验的模型;p值不是假设为真的概率;显著性阈值不同于观察到的p值;卡方拟合检验按箱比较计数;联合似然大小不能直接当p值;样本量不能由p值好坏单独决定;分布差异与样本独立是两件事;均值检验需要匹配设计与假设;秩和检验不是通用均值检验;真伪实验的零模型依赖抽样设计。
附录D:反向传播
附录D从单输出平方损失推导反向传播。先固定a为激活前加权和、o为激活后输出,链式法则就把某权重梯度拆成目标节点的δ与上一层输入的乘积。输出δ由损失导数与激活导数得到,隐藏δ再对全部下游路径加权求和,逐层反向复用前向中间结果。
Sigmoid导数可直接由缓存输出计算,减少特定缓存需求,但不代表整个训练总内存减半。单样本梯度汇总成批次平均时,损失中½与1/N的定义必须前后一致。原文几处层号和目标节点索引不一致,讲解按连接i→j统一。
最关键的执行区别是求梯度与改参数:反向传播只给出导数,训练仍需优化器执行参数更新并安排停止条件。附录列举循环漏写了显式更新,若照字面只重复前向反向而不改权重就不会学习。自动求导节省手推工作,但图的可导性、损失语义和梯度路径仍需要理解和核对。
进一步阅读:反向传播是链式法则的高效组织;单权重梯度等于局部误差乘输入;输出层误差由损失与激活共同决定;隐藏层误差累加全部下游路径;前向缓存供反向求导复用;Sigmoid导数可由输出计算;算出梯度后还需执行优化更新;自动求导不替代损失与图的设计。
附录E:研究论文写作
附录E把课程项目转成可交流的研究成果。先用清晰问题或假设确定希望学到什么,再围绕它组织现状、方法、结果和讨论。方法要说明关键选择的依据,结果报告观察,讨论解释原因与局限,结论从实际剩余挑战导出下一步,而不是罗列任意愿望。摘要、引言和图注应支持不同阅读路径并保持主张一致。综述、教程和原创研究各有交付目标,LaTeX只是管理结构与引用的一种工具;清晰研究问题和可信证据才是共同基础。
进一步阅读:研究论文围绕一个可回答的问题;引言连接现状限制与成功标准;方法需要解释设计选择的依据;结果与解释承担不同职责;主动提出反例有助界定贡献;未来工作应来自已识别的限制;摘要和图注支持不同阅读路径;综述与教程按交付目标区分;排版工具将语义标记与样式分离。
附录F:课程方案
附录F提供三条可取舍的教学路线。移动机器人围绕迷宫,从平台和坐标系走向差动运动、规划、传感误差、定位和SLAM;竞赛激励应与希望学习的能力一致,简单但严谨的实现也能表现良好。操纵路线强调机构、力和抓取,再按自主程度引入点云、运动学、感知与任务规划。系统路线用移动加操纵的完整任务整合接口,可借现成框架和预录数据分担共享硬件压力。
这些路线的共同方法是先明确学习目标,再给恰当支架。仿真和黑盒组件可以减少环境与实现负担,但不应把已抽象的算法或感知误差假装成学生已完全解决。接触丰富的装配和抓取仍需真实材料、机构和传感经验。最后,课程辩论训练技术论据与社会问题的连接;课堂体验、原有立场和实际技术理解是不同评价对象,原书反馈仅代表特定样本。
进一步阅读:课程主线先决定知识取舍;竞赛规则应奖励目标学习能力;先搭通环境再加速理论进度;移动路线突出速度约束与坐标系;测量分布将传感直觉连接概率;教学支架避免集成难度吞掉目标;平台变化要求重选运动模型;操纵路线让机构与算法共同学习;感知支架要保留集成边界;接触丰富任务需要真实经验;录制数据扩展共享硬件的可用性;系统课用完整任务暴露接口问题;技术辩论要求证据而非立场变化;课程反馈应区分体验与学习证据。
跨章综合
第一条跨章联系是模型与实体的共同设计。轮式运动约束、夹爪顺应性、执行器传动和传感器位置会改变算法面对的问题。通过软垫或机构降低精度要求,与通过更复杂控制追求精度,是不同但可组合的手段;不能假定软件总能补偿不适合任务的硬件。
第二条联系是坐标、单位和状态版本构成计算契约。旋转、雅可比、角度创新、像素投影和协方差传播都必须明确输入输出维数与参考系。平方误差、标准差、方差与信息矩阵也不能混用。书中排版错误很多,检查运算职责与维数往往比照抄符号更可靠。
第三条联系是输出状态不等于现实正确性。感知匹配最优并不能证明地标身份,动作完成并不能证明抓取稳固,滤波协方差变小并不能证明模型无偏,优化停止也不代表全局最优。每层应给下游可解释结果及失败条件,由调用层决定恢复、重试或重规划。
第四条联系是相关性和不可观性。共享位姿误差会使地图地标相关,单线不能约束沿线位移,相似门保留多峰位置假设,纯相对图约束留下坐标自由度。更多数据只有在提供有效独立信息并被正确建模时才有帮助,不能把数量当可辨识性证明。
第五条联系是逐步集成与有据验证。先把可理解的局部机制搭通,再连接感知、规划和执行;仿真、预录数据与黑盒库可做支架,但真实接触和传感偏差仍需相应证据。研究报告将主张、观察、解释与限制分开,学习才能从一次演示推进到可复查知识。
发散与实践
选择两项有限延伸。图优化SLAM源码深读固定GTSAM 4.2的真实提交,已收集二维样例、距离方位因子、相应测试和优化器片段,并形成状态、先验、残差、阻尼更新与协方差的首轮映射。后续100分钟快速路线及6单元计划聚焦图优化,不强映射EKF、前端识别、持久化或节点通信;未编译、未运行,完整深读仍待开展。
一页研究主张练习把附录E用于下一本P4笔记:从一项真实技术判断写问题、证据与条件,隔日用摘要入口检查并修订。它仅交付可以启动的写作计划,不补造实测数据,也不自动发送或发表。
实践文件为idea-001-图优化SLAM源码深读.md和idea-002-一页研究主张练习.md,入口见概览。未选择完整机器人搭建、实机力控与抓取、全库重写或大网络训练;这些成本与当前验证目标不相称,先理解成熟实现和提高证据表达即可。