文章目录参考资料1. 下载2. 安装3.卸载4 启动5. 关闭6. 配置7. 部署参考资料视频使用Tomcat的前提是你已经熟练Java，并且电脑已经安装了相应的JDK。1. 下载直接从官网下载对应版本例如这边下载的是Tomcat8的windows版本：2. 安装Tomcat是绿色版,直接解压即可例如在D盘的software目录下，将apache-tomcat-8.5.68-windows-x64

动态窗口算法(Dynamic Window Approaches, DWA) 是基于预测控制理论的一种次优方法，因其在未知环境下能够安全、有效的避开障碍物, 同时具有计算量小, 反应迅速、可操作性强等特点。DWA算法属于局部路径规划算法。DWA算法的核心思想是根据移动机器人当前的位置状态和速度状态在速度空间 (v,ω)(v, \omega)(v,ω) 中确定一个满足移动机器人硬件约束的采样速度空间

A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。广泛应用于室内机器人路径搜索、游戏动画路径搜索等A*算法结合了贪心算法（深度优先）和Dijkstra算法（广度优先），是一种启发式搜索算法。它使用一个路径优劣评价公式为：f(n)=g(n)+h(n)f(n)=g(n)+h(n)f(n)=g(n)+h(n)A*算法需要维护两个状态表，分别称为表和

人工势场法的基本思想是在障碍物周围构建障碍物斥力势场，在目标点周围构建引力势场，类似于物理学中的电磁场被控对象在这两种势场组成的复合场中受到斥力作用和引力作用，斥力和引力的合力指引着被控对象的运动，搜索无碰的避障路径。更直观而言， 势场法是将障碍物比作是平原上具有高势能值的山峰， 而目标点则是具有低势能值的低谷。引力势场主要与汽车和目标点间的距离有关, 距离越大, 汽车所受的势能值就越大; 距离越

3辆飞船A、B、C初始位置分别处于一个边长为$L$的等边三角形的顶点上，即A点坐标为$(\frac{\sqrt{3}}{2}L,0)$，B点坐标为$(\frac{L}{2},0)$，C点坐标为$(-\frac{L}{2},0)$。飞船飞行过程中，飞船均具有相等的速度$v$，并且A始终朝着B前进，B始终朝着C前进，C始终朝着A前进。- 问题1：从初始到$t_1$时刻，飞船A,B,C的运行轨迹（假设采

开源仿真环境及项目资料汇总

文章目录参考资料1. 概念1.1 语言模型1.2 RNN1.3 双向RNN1.4 深度循环神经网络2. 循环神经网络的训练算法：BPTT2.1 前向计算2.2 误差项的计算2.3 权重梯度的计算3. 问题3.1 为什么RNN 训练的时候Loss波动很大3.2 RNN的梯度爆炸和消失参考资料LeeML-NotesML-NLP循环神经网络本博客根据参考资料所做的笔记，主要用于学习，非技术类博客，因此存

文章目录参考资料参考资料ML-NLPK近邻算法的核心在于找到实例点的邻居，这个时候，问题就接踵而至了，如何找到邻居，邻居的判定标准是什么，用什么来度量。这一系列问题便是下面要讲的距离度量表示法。有哪些距离度量的表示法(普及知识点，可以跳过)：欧氏距离，最常见的两点之间或多点之间的距离表示法，又称之为欧几里得度量，它定义于欧几里得空间中，如点 x = (x1,…,xn) 和 y = (y1,…,yn

感觉课程讲的非常有条理，从算法的大分类到细节技术。基于图搜索的方法配置空间：维度等于机器人的自由度，可以理解为一个点可以表示一个机器人的位姿。例如小车4自由度(x,y,z,θ)。在配置空间中，机器人表示为点。在3维空间中，要做碰撞检测，就很麻烦。所以在配置空间中做规划，要对障碍物按照机器人的尺寸做膨胀。基于图搜索的算法框架：关键问题： 如果一个结点被弹出容器，就不再会被加入到容器中BFS使用的..

文章目录参考资料思路1思路2思路34. 练习1. Q-learning相比于policy gradient based方法为什么训练起来效果更好，更平稳？参考资料https://datawhalechina.github.io/easy-rl/#/chapter8/chapter8思路1a=arg⁡max⁡aQ(s,a)a=\arg \max _{a} Q(s, a) a=argamax​Q(s,