Spring 四足蜘蛛实验

让我开始说，我是神经网络、机器学习等方面的新手，到目前为止，我只做了一些非常简单的实验来学习，所以如果我问一些非常幼稚或冗长的问题，请耐心等待。 我最喜欢的编码语言是java，我正在考虑使用Weka。来使用我觉得很像的API 这一次，由于非常清楚和完整，为了获得比一组理想数据更多的数据来培训和检查成功率，我不仅从软件开始，而且从我为自己创建的一个现实世界问题开始。 我创造的问题，我想用神经网络来解决，是一个四足蜘蛛形状的机器人，由一个树莓PI控制，带有一些ADC和伺服帽。这种奇怪的机器人有四条腿，每条腿都是由机器人制造的 在3个部件中，每个部件由伺服电机移动。我总共有4个支腿*3个支腿部分=12个伺服电机。在每个伺服电机上，我都连接了一个3轴模拟加速度计（总共12个），我可以从Raspberry PI读取数据。 从每个加速度计中，我读取2轴以确定每个伺服的位置，即每个腿的每个腿段的位置。此外，4条腿中每一条腿的“脚底”都有一个按钮 确定支腿是否已到达地板并支撑着十字轴。spider construction博客位于此处，供感兴趣的人使用： 本实验的目的是使蜘蛛能够使自己处于平衡状态，并从任何条件开始将自己水平放置。 蜘蛛应该能够在几句话，水平水平地水平它的身体，不管事实上，我已经把蜘蛛放在一个水平或倾斜的表面上。硬件平台已经准备好了，我遗漏了一些细节，但让我们假设 我可以使用PI4J API从java Spring启动应用程序读取所有需要的信号，以接口硬件（12个伺服的24个ADC值和4个数字输入（真/假）的按钮） 蜘蛛脚掌）。其目的是解决使用Weka构建的神经网络移动腿伺服电机的问题，读取各种输入信号，直到系统达到目标 成功条件（静态平衡和身体处于水平位置）。主要的问题是如何使用我所有的数据以最好的方式建立一个数据集，使用什么样的神经网络来建立数据集 自适应校正反馈，直到蜘蛛达到身体最终水平并处于静态平衡的成功状态

更深入地探讨这个话题，让我提供我的分析

各支腿应执行以下步骤：

每次可从任意位置独立移动一个伺服（在腿部允许的角度范围内）

每次移动后重新读取，所有腿段的位置，等待下一个静态条件

确定最后一步对整个系统是有利还是不利

如果由于上次移动而未发生任何更改，请保留最新的更改/移动并继续

如果已达到任何最大角度，请在下一步更改该角度的方向

检查系统成功现在是否比上一步更接近，并确定下一个操作类型

我面临的问题是一系列开放性问题，其中一个问题是如何从数据角度表示该系统：

来自加速度计的数据都来自同一腿上的伺服系统，这些数据是数据集群或机器人子系统的候选数据吗

每个伺服及其位置测量是否可以改为主系统的子系统

这些问题真的是多个而不是一个吗

---

你如何从神经网络的角度来处理这个问题？

在研究了Weka分类和回归后，我最终得出结论，处理应该是一个回归问题。这也导致了一个过于复杂的问题，需要使用多标签输出进行回归，而除了Weka之外，还需要另一个名为Meka的框架

最后，我得出一个结论，现在我将尝试使用first Weka对数据进行分类，并首先检测倾斜度的长度，最终用不同的Weka模型每次仅对一条腿起作用来解决作用于该腿的单一特定问题

因此，解决问题将有以下步骤：

首先使用legs-Weka分类模型来检测四条腿中哪一条具有更高的倾斜度

使用特定于腿部的Weka分类来纠正上述第一步中检测到的腿部，即三个腿部分段为纠正问题而采取的措施

---

Stefano

请尽量提高您文章的可读性。这将使其他人更容易帮助你。回答我自己的问题：在机器人和电子设备上花费了大量时间后，它似乎终于起作用了：