如何解决使用 Drake 的麦克纳姆轮模型的 MPC
我是 MIT Drake
的新手,我使用 CasADi (ipopt)
作为 MPC
的麦克纳姆轮模型。
在CasADi
中,我可以为优化参数(即初始状态和目标状态)创建一个符号变量。
然后用它来计算状态中的错误,我怎样才能在 Drake
中获得等效的功能?
解决方法
我肯定见过机械轮在 drake 中工作,但是为它们做轨迹优化需要一些思考。对于大多数轮式机器人轨迹优化,您希望使用最小坐标模型。我在与 http://underactuated.csail.mit.edu/acrobot.html
相关的笔记本中的 ballbot 示例中简要讨论了这一点为了制定您的 MPC,我会推荐 http://underactuated.csail.mit.edu/trajopt.html
中的注释版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。