ros: kineticgazebo : 7.13python 3.61.问题：WARNING: Metapackage “ecl_lite” must buildtool_depend on catkin.WARNING: Metapackage “ecl_lite” should not have other dependencies besides a buildtool_d...

一. Actor Critic1.基本概念Actor Critic 为类似于Policy Gradient 和 Q-Learning 等以值为基础的算法的组合。a. 其中Actor 类似于Policy Gradient，以状态s为输入，神经网络输出动作actions，并从在这些连续动作中按照一定的概率选取合适的动作action。b. Critic 类似于 Q-Learning 等以...

对于齐次坐标系，感觉是计算机视觉中还是比较常用的，之前比较不清楚，看了网上大神的博客还有《Robotics，Vision and Control》之后，有了一定的了解，在这里总结下。**“ 齐次坐标表示是计算机图形学的重要手段之一，它既能够用来明确区分向量和点，同时也更易用于进行仿射（线性）几何变换。”—— F.S. Hill, JR**一. 用于区分向量还是点首先给个三维空间的...

1.测试集在配置训练、验证和测试数据集的过程中做出正确决策会更高效的创建神经网络在机器学习中，经常将样本分为训练集、验证集和测试集三部分。对于早期的机器学习的数据而言，经常使用 70%/30% 来划分验证集和测试集或者使用 60%/20%/20% 来划分训练集、验证集和测试集。在大数据时代中，假如有1000000个数据，那么验证集就不需要太大，有10000条验证数据或者10000条测...

一. 强化学习的分类1.Model-free 和 Model-basedModel-free 即机器人不知道外界环境信息，只能在机器人执行每一步动作后从环境中得到反馈然后去学习，只能按部就班，一步一步等待真实世界的反馈，再根据反馈采取下一步行动。诸如Q Learning， Sarsa，Policy Gradients等算法。Model-based 指机器人对环境有一定的了解，可以对环境...

1.Mini-batch梯度下降法对于m个数据样本，在训练神经网络的时候，最常用的是向量化，如：X=[x(1),x(2),...,x(m)],x(nx,m)X=[x(1),x(2),...,x(m)],x(nx,m)X=[x^{(1)},x^{(2)},...,x^{(m)}],x(n_{x},m)（维数） ，但是当样本足够大的时候，例如5w，虽然向量化了，在back propagation的..

一. 强化学习的分类1.Model-free 和 Model-basedModel-free 即机器人不知道外界环境信息，只能在机器人执行每一步动作后从环境中得到反馈然后去学习，只能按部就班，一步一步等待真实世界的反馈，再根据反馈采取下一步行动。诸如Q Learning， Sarsa，Policy Gradients等算法。Model-based 指机器人对环境有一定的了解，可以对环境...

1.测试集在配置训练、验证和测试数据集的过程中做出正确决策会更高效的创建神经网络在机器学习中，经常将样本分为训练集、验证集和测试集三部分。对于早期的机器学习的数据而言，经常使用 70%/30% 来划分验证集和测试集或者使用 60%/20%/20% 来划分训练集、验证集和测试集。在大数据时代中，假如有1000000个数据，那么验证集就不需要太大，有10000条验证数据或者10000条测...

1.Mini-batch梯度下降法对于m个数据样本，在训练神经网络的时候，最常用的是向量化，如：X=[x(1),x(2),...,x(m)],x(nx,m)X=[x(1),x(2),...,x(m)],x(nx,m)X=[x^{(1)},x^{(2)},...,x^{(m)}],x(n_{x},m)（维数） ，但是当样本足够大的时候，例如5w，虽然向量化了，在back propagation的..

1.3D-2D：PnPPnP(Perspective-n-Point)是一种求解3D到2D点对运动的方法。描述了当知道n个3D空间点及其投影位置时，如何估计相机的位姿。对象：双目或RGB-D视觉里程计原理：如果俩张图像中其中一张特征点已知，那么最少只需要3个点对（一个额外点验证结果）优势：对比对极约束而言，PnP只需要3个点即可估计其相机的位姿PnP求解问题的方法：3对点估计位...