您的检索：
学者姓名：左国玉
精炼检索结果：
年份
成果类型
收录类型
来源
综合
曾用名
合作者
语言
清除所有精炼条件
摘要 ：
针对单目直接法依靠图像梯度进行优化容易陷入局部最优、且难以构建低纹理区域地图的问题,构建高精度IMU预积分模型,将惯性信息融合到图像跟踪过程中,为视觉跟踪提供精确的帧间运动约束及良好的初始化梯度方向信息,构建视觉惯性跟踪模型,提高了单目视觉的定位精度并实现半稠密地图构建;通过超像素图像分割提取出二维图像不同的轮廓位置,提出双重投影匹配算法确定出可靠的超像素与对应的3D空间点,通过RANSAC对低梯度图像区域进行平面拟合以及异常点剔除,完成低纹理区域的地图扩建,实现稠密点云地图的构建。实验结果表明,与传统视觉定位模型相比,直接法与惯性信息融合提高了系统的定位精度,在无GPU加速的情况下能构建精确...
关键词 ：
IMU预积分 IMU预积分 稠密点云地图 稠密点云地图 单目视觉 单目视觉 直接法 直接法
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 于建均 , 王洋 , 左国玉 et al. 融合惯性信息的单目直接法定位与稠密地图构建 [J]. | 控制工程 , 2021 , 28 (10) : 1967-1976 . |
| MLA | 于建均 et al. "融合惯性信息的单目直接法定位与稠密地图构建" . | 控制工程 28 . 10 (2021) : 1967-1976 . |
| APA | 于建均 , 王洋 , 左国玉 , 阮晓钢 , 李晨 . 融合惯性信息的单目直接法定位与稠密地图构建 . | 控制工程 , 2021 , 28 (10) , 1967-1976 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
自适应轨迹任务模仿的模仿学习方法研究
关键词 ：
机器人 机器人 性能评价 性能评价 动态系统 动态系统 非线性函数 非线性函数 模仿学习 模仿学习
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 于建均 , 姚红柯 , 左国玉 et al. 自适应轨迹任务模仿的模仿学习方法研究 [J]. | 于建均 , 2021 , 28 (2) : 266-274 . |
| MLA | 于建均 et al. "自适应轨迹任务模仿的模仿学习方法研究" . | 于建均 28 . 2 (2021) : 266-274 . |
| APA | 于建均 , 姚红柯 , 左国玉 , 阮晓钢 , 控制工程 . 自适应轨迹任务模仿的模仿学习方法研究 . | 于建均 , 2021 , 28 (2) , 266-274 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
新工科背景下基于机器人竞赛的创新人才培养模式
关键词 ：
机器人竞赛 机器人竞赛 创新人才 创新人才 培养模式 培养模式 新工科 新工科
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 左国玉 , 雷飞 , 乔俊飞 et al. 新工科背景下基于机器人竞赛的创新人才培养模式 [J]. | 左国玉 , 2021 , (6) : 44-47 . |
| MLA | 左国玉 et al. "新工科背景下基于机器人竞赛的创新人才培养模式" . | 左国玉 6 (2021) : 44-47 . |
| APA | 左国玉 , 雷飞 , 乔俊飞 , 高教学刊 . 新工科背景下基于机器人竞赛的创新人才培养模式 . | 左国玉 , 2021 , (6) , 44-47 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
新工科背景下面向创新能力培养的微机原理与应用课程改革
关键词 ：
课程改革 课程改革 高等教育 高等教育 微机原理与应用 微机原理与应用 创新人才培养 创新人才培养 新工科 新工科
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 左国玉 , 雷飞 , 乔俊飞 et al. 新工科背景下面向创新能力培养的微机原理与应用课程改革 [J]. | 左国玉 , 2021 , (2) : 108-112 . |
| MLA | 左国玉 et al. "新工科背景下面向创新能力培养的微机原理与应用课程改革" . | 左国玉 2 (2021) : 108-112 . |
| APA | 左国玉 , 雷飞 , 乔俊飞 , 计算机教育 . 新工科背景下面向创新能力培养的微机原理与应用课程改革 . | 左国玉 , 2021 , (2) , 108-112 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
机器人模仿的学习方法在行为运动的模仿上受到示教速度的限制,导致机器人模仿的速度也受到限制,无法更好发挥机器人的性能.为了提高机器人行为模仿的快速性,提出了一种自适应改变机器人模仿学习运动速度的方法.首先通过基于动态系统的方法建模示教运动,并将动态系统稳定的充分条件作为约束,确保行为模仿的稳定性.其次构造了一个随机器人状态到目标点的距离而变化的非线性函数,将非线性函数作为参数与系统模型结合,以便自适应地调整模仿的速度.最后给出了4种模仿学习评价的方法来评价模仿的性能.实验结果表明,提出的方法在保证机器人运动模仿的稳定性前提下很好地提高了行为模仿的速度.
关键词 ：
机器人 机器人 动态系统 动态系统 性能评价 性能评价 模仿学习 模仿学习 非线性函数 非线性函数
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 于建均 , 姚红柯 , 左国玉 et al. 自适应轨迹任务模仿的模仿学习方法研究 [J]. | 控制工程 , 2021 , 28 (2) : 266-274 . |
| MLA | 于建均 et al. "自适应轨迹任务模仿的模仿学习方法研究" . | 控制工程 28 . 2 (2021) : 266-274 . |
| APA | 于建均 , 姚红柯 , 左国玉 , 阮晓钢 . 自适应轨迹任务模仿的模仿学习方法研究 . | 控制工程 , 2021 , 28 (2) , 266-274 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
新工科建设旨在培养多样化、创新型的卓越工程科技人才,高校作为人才培养的主要基地依然面临的问题是多数学生动手能力差,无法解决实际问题。机器人科技竞赛因其具有前沿性、综合性、实践性等特点成为了培养创新型人才的主要手段和重要突破口。为了加强创新人才的培养,文章依据新工科的内涵与特征,构建了以机器人科技竞赛为依托,教师为引导、学生为主体,重视跨教学培养,双向交叉的知识发展、宽口径知识发展和可持续发展方向的培养模式。通过教学实践表明,该培养模式在提高学生综合学科知识能力的同时,也培养了学生的创新思维和创新实践能力,提升了新工科背景下创新型科技人才的培养能力。
关键词 ：
创新人才 创新人才 培养模式 培养模式 新工科 新工科 机器人竞赛 机器人竞赛
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 左国玉 , 雷飞 , 乔俊飞 . 新工科背景下基于机器人竞赛的创新人才培养模式 [J]. | 高教学刊 , 2021 , (06) : 44-47 . |
| MLA | 左国玉 et al. "新工科背景下基于机器人竞赛的创新人才培养模式" . | 高教学刊 06 (2021) : 44-47 . |
| APA | 左国玉 , 雷飞 , 乔俊飞 . 新工科背景下基于机器人竞赛的创新人才培养模式 . | 高教学刊 , 2021 , (06) , 44-47 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
分析传统工科教学存在的问题,提出多角度融合式课程教学改革,给出教学改革框架,并以微机原理与应用为例,从教学软件、教学硬件、实验环节和考核环节详细介绍课程改革措施,最后以课程改革后学生取得的创新成果说明教学改革框架的有效性.
关键词 ：
创新人才培养 创新人才培养 微机原理与应用 微机原理与应用 新工科 新工科 课程改革 课程改革 高等教育 高等教育
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 左国玉 , 雷飞 , 乔俊飞 . 新工科背景下面向创新能力培养的微机原理与应用课程改革 [J]. | 计算机教育 , 2021 , (2) : 108-112 . |
| MLA | 左国玉 et al. "新工科背景下面向创新能力培养的微机原理与应用课程改革" . | 计算机教育 2 (2021) : 108-112 . |
| APA | 左国玉 , 雷飞 , 乔俊飞 . 新工科背景下面向创新能力培养的微机原理与应用课程改革 . | 计算机教育 , 2021 , (2) , 108-112 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种七连杆双足机器人的搭建以及基于ZMP和CPG的混合控制方法，属于人工智能与机器人控制领域。本发明设计了一款小型双足机器人，包含控制模块、驱动模块、传感器模块、电源模块，其具有开源性强，可以自己搭建底层驱动，可以充分进行环境感知的特点，并基于该机器人提出了一种ZMP和CPG的混合控制方法。通过机器人的压力传感器模块测量并计算得出机器人的零力矩点，将实际零力矩点与预期零力矩点的偏差，作为补偿反馈给开环的CPG控制当中，实现系统的闭环控制，增加行走稳定性。本发明能够让双足机器人具有更强大的开源性以及环境感知能力，并且其混合控制方法可以使机器人在避免巨大计算量的前提下实现机器人行走系统的闭环控制。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 于建均 , 刘一忻 , 左国玉 et al. 一种七连杆双足机器人的设计以及基于ZMP和CPG的混合控制方法 : CN202110415227.2[P]. | 2021-04-18 . |
| MLA | 于建均 et al. "一种七连杆双足机器人的设计以及基于ZMP和CPG的混合控制方法" : CN202110415227.2. | 2021-04-18 . |
| APA | 于建均 , 刘一忻 , 左国玉 , 李瑞琪 , 刘鹏 , 曹艺琳 . 一种七连杆双足机器人的设计以及基于ZMP和CPG的混合控制方法 : CN202110415227.2. | 2021-04-18 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
The aim of generative adversarial imitation learning (GAIL) is to allow an agent to learn an optimal policy from demonstrations via an adversarial training process. However, previous works have not considered a realistic setting for complex continuous control tasks such as robot manipulation, in which the available demonstrations are imperfect and possibly originate from different policies. Such a setting poses significant challenges for the application of the GAIL-related methods. This paper proposes a novel imitation learning (IL) algorithm, MD2-GAIL, to enable an agent to learn effectively from imperfect demonstrations by multiple demonstrators. Instead of training the policy from scratch, unsupervised pretraining is used to speed up the adversarial learning process. Confidence scores representing the quality of the demonstrations are utilized to reconstruct the objective function for off-policy adversarial training, making the policy match the optimal occupancy measure. Based on the Soft Actor Critic (SAC) algorithm, MD2-GAIL incorporates the idea of maximum entropy into the process of optimizing the objective function. Meanwhile, a reshaped reward function is adopted to update the agent policy to avoid falling into local optima.Experiments were conducted based on robotic simulation tasks, and the results show that our method can efficiently learn from the available demonstrations and achieves better performance than other state-of-the-art methods. (c) 2021 Elsevier B.V. All rights reserved.
关键词 ：
Adversarial imitation learning Adversarial imitation learning Imperfect demonstrations Imperfect demonstrations Multiple demonstrators Multiple demonstrators Robot learning Robot learning
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Zuo, Guoyu , Zhao, Qishen , Huang, Shuai et al. Adversarial imitation learning with mixed demonstrations from multiple demonstrators [J]. | NEUROCOMPUTING , 2021 , 457 : 365-376 . |
| MLA | Zuo, Guoyu et al. "Adversarial imitation learning with mixed demonstrations from multiple demonstrators" . | NEUROCOMPUTING 457 (2021) : 365-376 . |
| APA | Zuo, Guoyu , Zhao, Qishen , Huang, Shuai , Li, Jiangeng , Gong, Daoxiong . Adversarial imitation learning with mixed demonstrations from multiple demonstrators . | NEUROCOMPUTING , 2021 , 457 , 365-376 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
为了让机器人获得更加通用的能力,抓取是机器人必要掌握的技能.针对目前大多数机器人抓取决策方法存在物品特征理解浅显,缺乏抓取先验知识,导致任务兼容性较差的问题,同时受大脑中分区分块功能结构的启发,提出了将物品感知、先验知识和抓取任务融合的认知决策模型.该模型包含卷积感知网络、记忆图网络和贝叶斯决策网络三部分,分别实现了物品能供性(affordance)提取、抓取先验知识推理和联想,以及信息融合编码决策,三部分之间的信息流以语义向量的形式传递.利用UMD part affordance数据集、该文构建的抓取常识图和决策数据集对3个网络分别进行训练,认知决策模型的测试准确率达到99.8％,并且抓取位置可视化结果展示了决策的正确性.该模型还能判断物品是否属于当前任务场景,以决策是否抓取以及选择什么部位抓取物品,有助于提高机器人实际场景的应用能力.
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 左国玉 , 刘洪星 , 龚道雄 et al. 受脑启发的机器人认知抓取决策模型 [J]. | 北京工业大学学报 , 2021 , 47 (8) : 863-873 . |
| MLA | 左国玉 et al. "受脑启发的机器人认知抓取决策模型" . | 北京工业大学学报 47 . 8 (2021) : 863-873 . |
| APA | 左国玉 , 刘洪星 , 龚道雄 , 阮晓钢 . 受脑启发的机器人认知抓取决策模型 . | 北京工业大学学报 , 2021 , 47 (8) , 863-873 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
