• <menu id="qseaa"><tt id="qseaa"></tt></menu><nav id="qseaa"><tt id="qseaa"></tt></nav>
    <optgroup id="qseaa"><tt id="qseaa"></tt></optgroup>
  • <object id="qseaa"><acronym id="qseaa"></acronym></object><input id="qseaa"></input>
    <menu id="qseaa"></menu>
  • <nav id="qseaa"><u id="qseaa"></u></nav>
  • <object id="qseaa"></object>
  • <input id="qseaa"></input><menu id="qseaa"></menu>
  • <s id="qseaa"></s>
  • <menu id="qseaa"><u id="qseaa"></u></menu>
  • <input id="qseaa"></input>
    ACS880-07C
    關注中國自動化產業發展的先行者!
    CAIAC 2025
    2024
    工業智能邊緣計算2024年會
    2023年工業安全大會
    OICT公益講堂
    當前位置:首頁 >> 名篇 >> 名家名篇

    名家名篇

    工業機器人運動規劃研究進展
    • 作者:劉暾東,陳馨,吳曉敏,邵桂芳
    • 點擊數:23065     發布時間:2020-05-08 13:35:00
    • 分享到:
    由于工業機器人構型空間和工作環境的復雜性,傳統運動規劃算法難以在有限時間內進行路徑求解,如何提高算法的規劃效率與最優性成為研究熱點。本文跟蹤目前工業機器人運動規劃算法的發展現狀,針對主流隨機采樣算法的原理與發展脈絡進行了細致分析與總結。在此基礎上,詳細闡述了基于強化學習的隨機采樣算法,該方法引入了規劃學習機制,在保證求解速度的同時,還能不斷提高求解質量。同時對當前運動規劃算法存在的一些不足提出了建議與展望。
    關鍵詞:
    請登錄以后訪問所有功能!
    登錄  注冊

    相關文章

    熱點新聞

    推薦產品

  • <menu id="qseaa"><tt id="qseaa"></tt></menu><nav id="qseaa"><tt id="qseaa"></tt></nav>
    <optgroup id="qseaa"><tt id="qseaa"></tt></optgroup>
  • <object id="qseaa"><acronym id="qseaa"></acronym></object><input id="qseaa"></input>
    <menu id="qseaa"></menu>
  • <nav id="qseaa"><u id="qseaa"></u></nav>
  • <object id="qseaa"></object>
  • <input id="qseaa"></input><menu id="qseaa"></menu>
  • <s id="qseaa"></s>
  • <menu id="qseaa"><u id="qseaa"></u></menu>
  • <input id="qseaa"></input>
    啊灬啊灬啊灬快灬深用力试看