每个Python程序员都应该知道的10个缩写词

于成本函数中的第一项（比较模拟环境和真实世界机器人之间的 q_t）的作用在于，即使它们共享相同的 u_t，依赖于与机器人手接触的物体当前姿态施加的碰撞约束不同，q_t 也可能会不同。在上式中，如果接触式传感器的力的值大于阈值，则该传感器处于接触状态。当第 i 次仿真的第 l 个接触传感器的二元接触状态与真实接触传感器的接触状态一致时，α_(i,l)为 1，否则，α_(i,l)为 0。类似的，当第 i 次仿真的第 l 个接触传感器与实际接触传感器在是否发生平移滑动的状态方面都是一致的，β_(i,l)为 1，否则，β_(i,l)为 0。γ_(i,l)表征旋转滑动的类似情况。设置成本项的权重 w_s，使每个项的相应平均量大致归一化为 1。

然而通过仿真进行目标姿态估计存在两个不确定性：一是，基于视觉的姿态估计器的初始姿态估计 p_0 是有噪声的；二是，模拟的和真实世界的动力学之间存在不匹配的问题，这些不匹配一部分是由于不完善的建模所造成的，而另一部分则是由未知的真实世界中的物理参数引起的。

为了解决第一个问题，作者通过从以视觉为中心的估计姿态分布中采样的方式，来实现在不同的模拟中扰动生成初始姿态估计：

 

3.2.1 方法简述

首先，作者定义了机械手在物体操纵过程中对手持物体姿态的跟踪问题。在某个时刻 t，对象的姿势表示为 p_t。作者首先定义一个物理动力学模型 s_(t+1)=f(s_t,u_t,θ)，其中 s_t 表示世界状态（刚体的位置和速度，以及关节体中关节角的大小），u_t 表示机器人控制器（使用期望的关节位置作为动作空间），θ表示模拟的固定参数（如质量和摩擦力）。

对于仿真模型 f，给定初始值 p_0、s_0、θ，只需要回放仿真中机器人的动作序列 u_t 来估计姿态。然而，由于前向模型不完善，姿态的初始值有噪声，可以通过引入观测反馈（触觉感知的一种方式）来改进姿态估计。令 D 表示机器人关节的数目，L 为它的接触传感器的数目。将观测向量 o_t 定义为机器人 q_t 关节位置配置值的串联结果，以及如下定义：R_t（位于指尖上）、感应接触的力矢量 c_t、接触面 d_t 上的平移滑移方向上的单位矢量，以及接触面 R_t 上的旋转滑移的二元方向，其中 l 表示第 l 个接触传感器。一般的手持式姿态估计问题是：给定当前和过去的观测值 o_(1:t)，机器人控制器 u_(1:t)，以及初始姿态 p_0，找到当前物体最可能的姿态 p_t。完整流程见算法 1。

 

器人能够灵巧的进行操纵，得益于其对手持物体姿势的稳健估计。然而，由于存在严重的遮挡问题，在机器人手握住和操纵物体时，很难跟踪物体的姿态。为了解决机器人操作过程中的手持式（In-Hand）目标跟踪问题，本文提出将一个 GPU 加速的高保真物理模拟器 [6] 作为前向动力学模型与基于样本的优化框架相结合，以跟踪具有接触反馈的物体姿势（如图 10 所示）的方法。该方法将机器人控制器发送到一个 GPU 加速物理模拟器中，该模拟器并行运行许多机器人的状态模拟运算，每一个都有不同的物理参数和扰动的物体姿态。将观察成本（如来自真实世界和模拟的接触反馈等）传递给基于样本的无导数优化器，该优化器定期更新所有模拟的状态和参数，以更好地匹配真实世界。在任意时刻，该方法都最终选择代价最低的仿真姿态作为当前目标的姿态估计。

无导数优化是数学优化中的一门学科，它不使用经典意义上的导数信息来寻找最佳解：有时，关于目标函数 f 的导数的信息不可用，不可靠或不切实际。比如本文就用取样 (Sampling) 来更新和优化函数值。

 

Lambdoop中可供选择的处理范式(processing paradigm)有三种：非实时批处理、实时流处理和混合计算模型。

Lambdoop实现了一个基于Lambda的体系结构，该结构为软件开发者提供了一个抽象层(abstraction layer)，使用与Lambda架构类似的方式来开发大数据相关的应用程序。

对于使用Lambdoop应用程序开发框架的用户，软件开发者在应用程序的开发过程中不需要处理不同技术、参数配置和数据格式等烦琐的细节问题，只需要使用必需的应用程序接口。

此外，Lambdoop还提供了辅助的软件工具，例如输入/输出驱动、数据可视化接口、聚类管理工具以及大量人工智能算法的具体实现。大多数已有的大数据处理技术关注于海量静态数据的管理，例如前述的Hadoop、Hive和Pig等。此外，学界和业界也对动态数据的实时处理较为关注，典型的应用软件有前述的Storm和S4。

由于针对海量静态数据的批处理能够考虑到更多相关信息，因此相应的处理结果具有更高的可靠性和健壮性，例如训练出更加精确的预测模型。遗憾的是，绝大多数批处理过程耗时较长，在对响应时间要求较高的应用领域，批处理是不可行的。

从理论上来说，实时处理能够解决上述问题，但实时处理有一个重大的缺陷：由于需要保证较小的延迟，实时处理所分析的数据量是十分有限的。在实际的生产环境中，通常需要实时处理和批处理两种方式各自具有的优点，这对软件开发者来说是一个挑战性的难题，同时这也是Lambdoop的设计初衷。

19 SummingBird

（编辑：衡水站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!