Ta上传的资源 (0)

打开simple_liner_platform.slx文件，运行num19_1.m脚本以进行惯导指北初步对准，不要关闭simulink模型，并依据界面提示加载相关数据。此方法可在matlab2018b以上版本中执行。
C 4

本文介绍如何使用深度强化学习算法实现端到端的无人车避障，并提供基于ROS和gazebo环境的仿真python脚本编写方法，详细讲解了动态避障的实现原理和步骤。同时也探讨了ROS在无人车中的应用前景和优势。

一种使用横向无人机仿真模型，采用PID控制和matlab gui界面调节控制器参数的侧向偏离控制系统，来实现无人机侧向轨迹的精准控制。通过倾斜转弯或协调转弯的方式对无人机偏航轨迹进行控制，提高了侧向飞行的稳定性和精度。matlab版本为2018b。
C 5

这篇文章主要介绍在ROS环境下运行的控制轮式无人小车的Python脚本，包括返回点控制、巡线控制、追踪点控制、直行控制、停止控制、随机目标定点控制、仿真编队等。通过修改和优化代码，可以实现更高效的控制和应用。华南理工大学机器人研究所的专家提供技术支持，并且详细介绍了ROS的常见应用场景。

本文介绍一种基于在线学习的方法，帮助开源多智能体编队控制系统避开障碍物和移动的攻击者。该系统采用机器学习和强化学习技术，能够实现智能的自主控制和自组织协调，提高编队控制系统的性能和稳定性。

该项目利用Python脚本编写的可以在ROS系统中运行的程序，通过视觉检测技术实现对无人小车前进方向的障碍物的识别和避障，提高了无人小车的行走安全性。本文详细介绍了识别算法的使用及代码实现细节。

基于ROS的无人机通信控制算法，包括编队控制与主从跟随等功能。通过仿真实验和实际应用，证明了该算法的稳定性和有效性，适用于无人机编队控制，自主导航等领域。针对初学者，详细介绍了算法实现过程和相关知识点。

本文详细介绍ROS机器人主从编队跟随程序的实现方法，并结合Gazebo仿真环境进行分析，为使用ROS开发机器人编队控制提供指导。其中，针对程序中的关键功能模块进行深入讲解，包括主从跟随算法、通信协议、路径规划等。通过实验验证，证明了程序的有效性和可靠性。

关于联合分层多智能体之间协调的框架,使用深度强化学习来实现,2019文章。git-hub开源项目,有对应的文章+代码。

复现的一篇古老的多智能体编队一致性控制的文章,对于入门控制口的多智能体初学者帮助很大。编队控制基于人工势场和一致性算法的定律为一组小车提供任意的队形。