目前正在学习franka机械臂已经做完理论验证了马上就要进入实验阶段了。开学第一天决定总结一些东西以及未来想要学习的方向。以后会按照下面的规划进行学习学习到的相关的知识也会整理在CSDN上面。为了毕设冲冲冲机械臂的相关基础知识比如机械臂的工作空间正运动学逆运动学几何雅克比矩阵Geometrical Jacobian分析雅克比矩阵Analytical Jacobian,轨迹规划动力学规划等。Franka代码的实现读懂官网给出的FCI手册Franka的github仓库及libfranka官网给出的代码示例。学会ros相关的知识可以参考b站赵虚左老师【Autolabor初级教程】ROS机器人入门和ROS2理论与实践讲解的很详细可以给小白从零开始学习ros在看视频的同时可以参考与之相关的课程文档。入门之后就可以看ros的官方手册会更加全面。自己先简单跑一些demo尝试一下然后在官方给出的代码上面逐渐修改最后形成自己的franka控制代码。深度强化学习因为franka是七自由度的机械臂未来更多的是面向服务行业。而服务业的工作环境多变且复杂这就需要机械臂更加智能。智能主要体现在动态避障人机协同以及复杂多任务的执行等方面。深度强化学习Deep Reinforcement LearningDRL结合了深度学习强大的感知能力和强化学习强大的决策能力让DRL表现突出。学习DRL可以从最基本的多臂赌博机开始然后到DQNDDPGSACTD3PPO等结合代码进行学习。控制理论因为我所在的学科是控制学科。我们导师说对于我们学控制出身的人一定不能忘了控制如果一味的去搞深度强化学习就会跟计算机的差不多就体现不出我们的学科优势了。所以一些相关的控制理论也不能丢掉。从PID到自适应控制鲁棒控制模糊控制滑模控制等。考虑到DRL算法中的神经网络模型是一个黑箱子控制原理未知训练不可测很大程度上依赖于随机种子不适用于需要追求稳定的场景。可以把控制理论和深度学习结合起来。如PID作为主要的控制器这样使控制器的行为是相对稳定且可预测的。然后使用DRL作为辅助弥补PID粗调的不足去减小一些不可建模的参数产生的误差。图像处理作为一款智能的机器人与环境的交互必不可少这就需要机器人有足够的感知能力。机器视觉就是最重要的一个方面需要相关的图像处理知识作为支撑。机器人要通过摄像头捕捉图像分割场景识别物体提取特征等。数学最最最重要的就是数学知识了。如果研究偏向基础研究理论做的比较深入那就需要强大扎实的数学功底作为支撑。冗余机械臂的自运动流形机构学中的旋量奇异点的研究李代数等可能以后都会遇到。如果有能力可以去看陈省身的《微分几何讲义》。
