机器人

原文: http://blog.gqylpy.com/gqy/351 安装baidu-aip： pip install baidu-aip 百度云网址： https://login.bce.baidu.com 百度语音合成文档： https://ai.baidu.com/docs#/TTS-Online-Python-SDK/top 百度语音识别文档： https://ai.baidu.com/docs#/ASR-Online-Python-SDK/top 百度自然语言处理基础技术文档： https://ai.baidu.com/docs#/NLP-Python-SDK/6dfe1b04 Mac系统安装ffmpeg文档： https://blog.csdn.net/stonenotes/article/details/68958332 图灵机器人官网： http://www.tuling123.com/ 图灵机器人接口说明： https://www.kancloud.cn/turing/www-tuling123-com/718227 后端代码 # ⚠️这是在macOS系统上（版本10.14）写的 # pip install baidu-aip # 百度云：https://login.bce.baidu.com # 百度语音合成文档：https://ai.baidu.com

题目 题面 小新正在玩一个简单的电脑游戏。 游戏中有一条环形马路，马路上有 n 个机器人工厂，两个相邻机器人工厂之间由一小段马路连接。小新以某个机器人工厂为起点，按顺时针顺序依次将这 n 个机器人工厂编号为1~n，因为马路是环形的，所以第 n 个机器人工厂和第 1 个机器人工厂是由一段马路连接在一起的。小新将连接机器人工厂的这 n 段马路也编号为 1~n，并规定第 i 段马路连接第 i 个机器人工厂和第 i+1 个机器人工厂（1≤i≤n-1），第 n 段马路连接第 n 个机器人工厂和第 1个机器人工厂。 游戏过程中，每个单位时间内，每段马路上都会出现一些金币，金币的数量会随着时间发生变化，即不同单位时间内同一段马路上出现的金币数量可能是不同的。小新需要机器人的帮助才能收集到马路上的金币。所需的机器人必须在机器人工厂用一些金币来购买，机器人一旦被购买，便会沿着环形马路按顺时针方向一直行走，在每个单位时间内行走一次，即从当前所在的机器人工厂到达相邻的下一个机器人工厂，并将经过的马路上的所有金币收集给小新，例如，小新在 i（1≤i≤n）号机器人工厂购买了一个机器人，这个机器人会从 i 号机器人工厂开始，顺时针在马路上行走，第一次行走会经过 i 号马路，到达 i+1 号机器人工厂（如果 i=n，机器人会到达第 1 个机器人工厂），并将 i 号马路上的所有金币收集给小新。 游戏中

内容简介 本文主要是汇总一下现有的学习资源，并作出初步的学习计划。 视频课程 Coursera上的-机器人专项课程，链接https://www.coursera.org/specializations/robotics Coursera上课程Modern Robotics: Mechanics, Planning, and Control 专项课程，https://www.coursera.org/specializations/modernrobotics 深蓝学院新开的-motion planning for mobile robot， http://www.shenlanxueyuan.com/course/188?source=1 腾讯课堂-孙忠潇的ADAS课程里包含路径规划， https://hyo.ke.qq.com/ 优达学城-机器人开发课程 睿慕课 书籍 《Principles of Robot Motion Theory, Algorithms, and Implementations》 《Planning Algorithms》有对应的中文版《规划算法》 《Principles of Robot Motion》 微信公众号 泡泡机器人SLAM、Nao 学习计划 这里可以参考邱强博士写的文章，https://github.com/qqfly/how-to

近日，一直致力于知识图谱研究的 OwnThink 平台在 Github 上开源了史上最大规模 1.4 亿中文知识图谱，其中数据是以（实体、属性、值），（实体、关系、实体）混合的形式组织，数据格式采用 csv 格式。 到目前为止，OwnThink 项目开放了对话机器人、知识图谱、语义理解、自然语言处理工具。知识图谱融合了两千五百多万的实体，拥有亿级别的实体属性关系，机器人采用了基于知识图谱的语义感知与理解，致力于最强认知大脑。自然语言处理工具包的功能有：中文分词、词性标注、命名实体识别、关键词提取、文本摘要、新词发现、情感分析等。 在 OwnThink 平台首页上滚动着各种关键词，用户也可输入自己想要查询的知识，然后就可以得出相应的知识图谱。 OwnThink 知识图谱还可以应用于机器人问答系统、知识推荐等等。下图为知识图谱在机器人上的应用。 OwnThink支持在线API调用，感兴趣的小伙伴可以调测使用，使用Python进行 对话机器人 简单调用测试。 import json import requests sess = requests.get('https://api.ownthink.com/bot?spoken=中国') answer = sess.text answer = json.loads(answer) print(answer) 效果如下： GitHub地址：

继续ROS的研究，今天的内容是rosbag包的回放。 1：录制rosbag 1 cd catkin_ws　　　　　　　　　　　　　　　　　　#进入工作空间 2 mkdir bagfile/　　　　　　　　　　　　　　　　 #创建bagfile文件夹 3 sudo chmod -R 777 ~/catkin_ws/bagfile/　　#修改文件夹权限 4 cd bagfile/　　　　　　　　　　　　　　　　　　#进入bagfile文件夹 5 rosbag record -a　　　　　　　　　　　　　　　#记录发布的topics 2：启动话题node，消息发布器继续用上一篇写好的，有不清楚的可以点 这里 看消息发布器和订阅器 1 cd ~/catkin_ws #进入工作空间 2 rosrun pub_sub_test pub_string　　　　　　 #启动话题发布 3：回放rosbag 1 rosbag info 2019-08-23-02-18-48.bag　　　　#查看回放信息 path: 2019-08-23-02-18-48.bag version: 2.0 duration: 21.4s start: Aug 23 2019 02:18:48.00 (1566551929.00) end: Aug 23 2019 02:19:10.41 (1566551950.41)

跳房子 题目 【题目描述】 跳房子，也叫跳飞机，是一种世界性的儿童游戏，也是中国民间传统的体育游戏之一。跳房子的游戏规则如下： 在地面上确定一个起点，然后在起点右侧画 n个格子，这些格子都在同一条直线上。每个格子内有一个数字（整数），表示到达这个 格子能得到的分数。玩家第一次从起点开始向右跳，跳到起点右侧的一个格子内。第二次再从当前位置继续向右跳，依此类推。规则规定： 玩家每次都必须跳到当前位置右侧的一个格子内。玩家可以在任意时刻结束游戏，获得的分数为曾经到达过的格子中的数字之和。 现在小 R 研发了一款弹跳机器人来参加这个游戏。但是这个机器人有一个非常严重的缺陷，它每次向右弹跳的距离只能为固定的 d 。小 R 希望改进他的机器人，如果他花 g 个金币改进他的机器人，那么他的机器人灵活性就能增加 g g ，但是需要注意的是，每 次弹跳的距离至少为 1 。具体而言，当 g < d 时，他的机器人每次可以选择向右弹跳的距离为 d-g,d-g+1,d-g+2， d − g , d − g + 1 , d − g + 2 ，…， d+g-2 d + g − 2 ， d+g-1 d + g − 1 ， d+g d + g ；否则（当 g ≥ d 时），他的机器人每次可以选择向右弹跳的距离为 1 ， 2 ， 3 ，…， d+g-2 d + g − 2 ， d+g-1 d + g − 1 ， d

本文转自： https://www.cnblogs.com/ybyebo/p/10086473.html 1. UI操作容易受到各种意外的干扰，因此应该缩短 UI操作阶段的总体时间。而为了缩短 UI操作阶段的总体时间，应该将 UI操作尽量放在一起，将后台的各种操作尽量放在 UI操作的前后。例如，现在有一个 Assign和两个 Click需要执行，那么比较推荐的设计是 Assign->Click->Click或者 Click->Click->Assign，而不是 Click->Assign->Click。集中的 UI操作也会给人一种“机器人非常高效”的观感，留下较良好的印象。 2. 为了确保“增加一倍的投入就必须相应提高一倍的效率”，流程的总体设计要尽量将问题转化为事务式（ Transactional）处理的模式。这是什么意思呢？假设现在有一份 Excel表格记录了宾客列表，机器人要读取这份列表，为每位宾客生成一份 Word请柬，然后以邮件形式发送出去。有一种流程设计思路是这样的，机器人读取宾客列表 ABC后，为 A生成请柬 ->为 B生成请柬 ->为 C生成请柬 ->向 A发送邮件 ->向 B发送邮件 ->向 C发送邮件。这种流程设计模式虽然逻辑上没有错，但是多机器人共同协作时分割工作负载相对比较困难，很难确保“增加 N倍数量的机器人可以以相应提高 N倍的处理能力”。因此

1. 蒙特卡罗定位 定位：机器人知道地图信息的情况下如何利用传感器信息确定自己的位置（Localization）。 有人会说，定位是不需要地图信息的。机器人知道初始位置，知道左右轮的速度，就可以算出在一段时间内左右轮分别走了多少距离，进而算出机器人的转角和位移，以便更新位置信息。但是显然，这种方法存在很大的问题。首先，速度是传感器获得的，然而传感器是有精度限制的，这就意味着误差的存在，对时间积分求距离误差就更大了；另外，机器人也可能存在打滑之类的机械问题。结合地图来对机器人进行定位能有效减小误差。 传感器方面。我们使用激光传感器，它能够测量机器人各个方向和最近障碍物之间的距离。在每一个时间点，机器人都会获得激光传感器的测量值。如下图，绿色三角形是机器人，红色的线是激光束，黄色的格子是机器人在该激光方向上检测到的最近的障碍物。 地图是占据栅格地图（Occupancy Grid Map）。比如，下面的地图中，浅色（白色）的格子表示障碍物，深色（黑色）的格子表示空白位置。 那么，在这个时间点，我们要做的就是把机器人放到地图中去，使得激光传感器的读数尽可能符合地图信息（如下图所示）。 这样，对于一个时间点的定位问题就变成了求解最优函数的问题了。然而这个最优化函数太难求解了（坐标和角度都是连续变化的，而地图是一个一个格子的数值）。 我们需要注意到两点。第一，对于给定的机器人位置信息

原文: http://blog.gqylpy.com/gqy/351 安装baidu-aip： pip install baidu-aip 百度云网址： https://login.bce.baidu.com 百度语音合成文档： https://ai.baidu.com/docs#/TTS-Online-Python-SDK/top 百度语音识别文档： https://ai.baidu.com/docs#/ASR-Online-Python-SDK/top 百度自然语言处理基础技术文档： https://ai.baidu.com/docs#/NLP-Python-SDK/6dfe1b04 Mac系统安装ffmpeg文档： https://blog.csdn.net/stonenotes/article/details/68958332 图灵机器人官网： http://www.tuling123.com/ 图灵机器人接口说明： https://www.kancloud.cn/turing/www-tuling123-com/718227 后端代码 # ⚠️这是在macOS系统上（版本10.14）写的 # pip install baidu-aip # 百度云：https://login.bce.baidu.com # 百度语音合成文档：https://ai.baidu.com

题目: Description 鼹鼠是一种很喜欢挖洞的动物，但每过一定的时间，它还是喜欢把头探出到地面上来透透气的。根据这个特点阿Q编写了一个打鼹鼠的游戏：在一个nn的网格中，在某些时刻鼹鼠会在某一个网格探出头来透透气。你可以控制一个机器人来打鼹鼠，如果i时刻鼹鼠在某个网格中出现，而机器人也处于同一网格的话，那么这个鼹鼠就会被机器人打死。而机器人每一时刻只能够移动一格或停留在原地不动。机器人的移动是指从当前所处的网格移向相邻的网格，即从坐标为（i,j）的网格移向(i-1, j),(i+1, j),(i,j-1),(i,j+1)四个网格，机器人不能走出整个nn的网格。游戏开始时，你可以自由选定机器人的初始位置。现在你知道在一段时间内，鼹鼠出现的时间和地点，希望你编写一个程序使机器人在这一段时间内打死尽可能多的鼹鼠。 Input 文件第一行为n（n≤1000）, m（m≤10000），其中m表示在这一段时间内出现的鼹鼠的个数，接下来的m行每行有三个数据time,x,y表示有一只鼹鼠在游戏开始后time个时刻，在第x行第y个网格里出现了一只鼹鼠。Time按递增的顺序给出。注意同一时刻可能出现多只鼹鼠，但同一时刻同一地点只可能出现一只鼹鼠。 Output 仅包含一个正整数，表示被打死鼹鼠的最大数目。 题意: 　　在一个n*n的网络中,给出m个鼹鼠出来的时间和坐标(x,y)