Lec8-1: Mujoco Tutorial- 仿真原理，核心模块，与机器人仿真器
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
Lec0：课程简介、为什么和如何学基于screw theory的机器人运动与动力学
...
Mujoco安装指南
...
强推！这绝对是B站最全的（python＋机器学习＋深度学习）系列教程，草履虫都能学会，学不会你来锤爆我！人工智能/机器学习/深度学习/python/神经网络
...
Lecture 2 状态空间模型 State Space Model【南科大ME424 现代控制与最优估计 课程系列视频】
...
【基于深度强化学习的冠军级别无人机竞速】强化学习和模型预测控制MPC中英字幕18讲！
...
Lec10-1：机器人控制的优化理论基础（为什么要学好优化，优化理论与优化算法区别，正定矩阵基础）
...
【机器人科学III】让机器人拥有类人触觉感知，哥伦比亚大学机器人实验室最新进展
...
Lec7 卡尔曼滤波原理（Kalman & Extended Kalman Filter)【南科大ME424 现代控制与最优估计 系列视频】
...
Lec8: 最优控制与线性二次调节器 (DynamicProgramming and LQR)【南科大ME424 现代控制与最优估计课程系列视频】
...
Lec6：基于旋量的机器人正向运动学与指数积
...
基于点式双足机器人的强化学习测试
...
在isaaclab中开发viplanner端到端导航
...
Lec8-1：单刚体动力学( Spatial Acceleration, Spatial cross product (Lie Bracket))
...
【超多模型MPC算法】开源Mujoco-MPC演示
...
【SLAM-2024】第五届全国SLAM技术论坛-上海交通大学-卢策吾-具身智能的PIE模式研究
...
强推！北京大学王树森半天就教会了我深度强化学习，原理详解+项目实战，学不会来打我！
...
Lec1: 矩阵指数与线性系统解析解
...
Lec1-1 矩阵指数与线性微分方程组（状态空间、微分方程解的存在性、唯一性、线性控制系统模型）
...
Lec9-2：多刚体动力学(动力学方程推导、性质分析、正向动力学算法）
...
Lec4：旋转与齐次变换矩阵的指数坐标
...
Lec3：Operator View of Rigid-Body Transformation
...
Lec8-2：单刚体动力学 (Spatial force(Wrench), momentum, Inertia, Newton-Euler方程推导）
...
Lec12-2：机器人运动控制（以速度/加速度作为输入的运动控制、以扭矩为输入的运动控制和Task Space Inverse Dynamics）
...
Lec5：运动坐标系的瞬时速度
...
Lec7：基于旋量的多刚体速度运动学-(Geometric & Analytic Jacobian)
...
Lec 5：状态反馈/输出反馈控制器分析与设计【南科大ME424 现代控制与最优估计 课程系列视频】
...
不愧是李宏毅老师讲的【强化学习】简直太详细了！全程干货，通俗易懂，看完就跑通！（人工智能|机器学习|深度学习|强化学习）
...
Drake example：Drake机器人建模与运动学FK计算与仿真
...
Lec8-2: Mujoco Tutorial-Mujoco建模原理，从零构建机器人仿真的Python案例
...
Lec2-1 刚体的构形和速度旋量（coordinate-free概念, 矢量/点/叉乘/旋转矩阵的意义和使用）
...
Lec11：微分逆运动学（Differential Inverse Kinematics）
...
Lec12-1：机器人运动控制（基本线性控制设计、运动控制问题）
...
Lec9 现代控制要点总结与课程花絮【南科大ME424 现代控制与最优估计 课程系列视频】
...
Lec2-2：刚体的构形和速度旋量（刚体速度(旋量) ）
...
Lec10-3：机器人控制的优化基础 （优化问题分类、Weak/Strong Duality证明、KKT )
...
Lec 6: 基于Drake和Python的系统仿真与控制器设计【南科大ME424 现代控制与最优估计 课程系列视频】
...
Lec 3 最小二乘与系统辨识 Least Squares & System ID【南科大ME424 现代控制与最优估计 课程系列视频】
...
Lec2-1：刚体的构形和速度旋量(旋转矩阵、齐次坐标、齐次变化矩阵)
...
Lec2-3：刚体的构形和速度旋量（Twist的几何表达-Screw Motion）
...
Diffusion Policy 结合 PPO 模仿+强化 （下）