无人驾驶之概率机器人，附加部分，及强化学习试卷

注：本卷为内部用卷，供大家检验学习成果用，如需商业化请私聊我，谢谢!

注：本卷可结合博文的考纲使用
一、填空题（60分，定义，区别2分，其他1分）

概率机器人与传统机器人相比的优势在于___________________________________,
________________________________。
概率机器人即近视醉酒倒霉机器人，近视表现为____________________________,
醉酒表现为________________________，倒霉表现为____________________________。
多维高斯分布表达式为___________________，其协方差表示___________________。
满足马尔可夫假设即________________________________________________________。
高斯参数滤波方法有______________, __________, __________。非参数滤波方法有
____________, ____________。
IF算法相比KF算法的优点是________________________________________________。
密度树的定义是_____________________________________________________________，
选择更新的方法是___________________________________________________________。
静态二值贝叶斯滤波的表达式是______________________________，公式中各部分的意义是____________________________________________________________________，
它在建图中的应用思想是____________________________________________________。
三角形分布的表达式是______________________________。
估计一致性的定义是________________________________________________________。
对称环境测试是指___________________________________________________________。
AMCL实质是__________和____________原理的叠加加上对粒子流分布的限制。
可以用于行为克隆的是____________模型,正演模型用MAP的原因是_________，
_________________________________________。
Gmapping的G指的是____________, 其定位用的是_______滤波。
Qlearning与sarsa的区别是__________________________________________________。
强化学习根据需要亲身经历分为__________与__________。根据更新方法分为__________与___________。根据策略是否相同分为_____________与_____________。根据时间是否同步分为_________与_________。
sarsa的收敛条件是________________，sarsa(langda)与之的区别是__________________。
交叉熵的定义式是__________________，
POMDP的定义是___________________________________________________________。

二、应用题（170分）
21. 解释下图各个部分的意义（14分）

23.高斯滤波系的KF系在机器人定位中有着重要应用，请回答下列问题。（25分）
（1）解释2-7的意义（6分）

（2）解释2-14的意义（13分）

（3）KF,EKF,UKF的区别是什么，影响EKF,UKF的性能的主要因素分别是什么?（6分）

粒子滤波是目前比较流行滤波方法，请回答下列问题。（44分）
（1）解释2-20的意义（19分）

（2）解释2-20的意义（19分）

（3）上述两者有什么区别？（6分）
在机器人感知中，我们常常用到波速模型表示测量的置信分布，试回答下列问题。（16分）

（1）画出波束模型的四大组成部分及最后的综合模型并写出这5个图形的数学表达式。（10分）

（2）如下图，圆是激光雷达，方块是障碍物，根据波束模型大致画出障碍物的似然域分布。（6分）

25. 强化学习目前结合深度学习产生了许多结合的变种，如DDPG（深度+确定+policy gradients），DQN（深度网络+Qlearning），A3C,DDPO等，请回答下列问题。（41分）
（1）简述DQN的基本思想，其相比QLearing有哪些改进？（8分）

（2） DQN有哪些变种，其变种的改进部分及优势是？（9分）

（3） DQN估计网络与真实网络的参数如何更新？与DDPG有哪些不同？（6分）

（4）简述PG的基本思想，其与Qlearning有哪些不同？（8分）

（5）在AC算法中，actor指的是？critic指的是?其基本思想是?（10分）

6.Gmapping的框图如图所示，请简述gmapping的原理。（15分）

7.已知路径规划分为局部路径规划及全局路径规划，请叙述任意两种局部路径规划的方法，并说明在全局路径规划中A*相比于迪杰斯特拉算法有何改进。（15分）

三、计算题（70分）

已知一片栅格的直方图概率分布如下，其表示置信度的预测，若P(Zt|Xt)服从均值为(0,0),方差为（1,1），ρ为0.5的二维高斯分布，求其经过直方图滤波后的置信度直方图概率分布。并简述分辨率是什么，对直方图滤波有何影响（需归一化）（12分）
已知R矩阵如下图，Q矩阵默认为0，试迭代计算10次Q矩阵。衰减系数0.2，学习率0.1（10分）
试利用迪杰斯特拉算法计算下列图1到6的最短路径（15分）
已知，
(1)试将其推导成下列形式（18分）

（2）试考虑激光雷达地图的影响，将其推导成下列形式（要用到近似）。（15分）

无人驾驶之概率机器人，附加部分，及强化学习试卷相关推荐

SAPIEN：铰接、计算机视觉、机器人操作、机器人规划、强化学习、模仿学习的仿真环境
1.官网 2.特点 SAPIEN模拟器:为机器人.刚体和关节对象提供物理模拟.纯Python接口,支持强化学习和机器人技术,支持深度图.法线图.光流.有源光和射线跟踪. 运动规划:建议在SAPIEN中 ...
NVIDIA 自主机器人与深度强化学习PPT截图
花最少的钱，训超6的机器人：谷歌大脑推出机器人强化学习平台，硬件代码全开源...
鱼羊发自凹非寺量子位报道 | 公众号 QbitAI 想要在现实世界的机器人身上探索强化学习(RL),并非易事. 首先,你得拥有类似这样的机器人平台: 而像这样的一只PR2,售价高达40万美元( ...
谷歌大脑推出机器人强化学习平台，硬件代码全开源，花最少的钱，训超6的机器人...
点击我爱计算机视觉标星,更快获取CVML新技术鱼羊发自凹非寺量子位报道 | 公众号 QbitAI 想要在现实世界的机器人身上探索强化学习(RL),并非易事. 首先,你得拥有类似这样的机器人平 ...
深度强化学习在机器人领域的研究与应用
前言机器学习方法主要可以分为四类,监督学习.半监督学习.无监督学习.以及强化学习.其中,强化学习不同于连接主义的监督学习方法,是智能体通过与环境的交互,观测交互结果以及获得相应的回报.这种学习的方式 ...
干货 | 浅谈机器人强化学习--从仿真到真机迁移
" 对于机器人的运动控制,强化学习是广受关注的方法.本期技术干货,我们邀请到了小米工程师--刘天林,为大家介绍机器人(以足式机器人为主)强化学习中的sim-to-real问题及一些主流方法. ...
机器学习分支之一：强化学习
强化学习的发展历史强化学习的理论知识强化学习的应用案例强化学习的特点与未来凡是过往,皆为序章. --莎士比亚<暴风雨> "知往鉴今",为了更好地学习强化学习,需 ...
机器学习笔记(十六)强化学习
16.强化学习 16.1任务与奖赏强化学习(reinforcementlearning)的过程就是机器通过一系列的动作和环境交互,从而得到最佳的动作序列.图示: 强化学习任务用马尔可夫决策(Mark ...
《强化学习周刊》第55期：LB-SGD、MSP-DRL对抗鲁棒强化学习
No.55 智源社区强化学习组强化学习研究观点资源活动周刊订阅告诉大家一个好消息,<强化学习周刊>已经开启"订阅功能",以后我们会向您自动推送最 ...

无人驾驶之概率机器人，附加部分，及强化学习试卷

无人驾驶之概率机器人，附加部分，及强化学习试卷相关推荐

最新文章

热门文章