ICRA

该存储库包含 ICRA 2016 的 ``从演示中学习'' 教程的计算机练习代码和信息。这些练习主要涵盖弹道级的表示和学习，不应被视为有关 LfD 广阔领域的全面练习。这些练习使用具有[1]的动力学的简单的双链接机器人。为了确保一切顺利进行，我们建议您为这些练习禁用常规的 Matlab 路径。您只需运行 setup_lfd_tutorial.m 脚本即可自动设置所有内容。练习 1 的目标是减少对机器人进行编程的任务，以简单地展示它应该做什么。达到这种目标的最简单方法也许就是简单地记录一条轨迹，然后让机器人尝试准确地“播放”它。我们建议您调整找到的所有参数，然后重新运行该功能以了解对机器人行为的

社团发现代码Matlab微小障碍物发现冯雪创作的官方Matlab实现，ICRA 2019介绍该存储库包含微小障碍物发现新框架的官方Matlab实现。这篇论文已被IEEE机器人与自动化国际会议(ICRA) 2019接受。Python/ROS的官方实现即将推出。注：此版本在原作的基础上略有改进，训练代码略有改动，ROC性能有所提升。为了提高效率，基本边缘检测算法使用结构化边缘检测[1]。系统中的模块在很大程度上得到了加速，尽管仍有很大的改进空间。在实例级评估中，IoU被定义为预测提议和真实边界框之间的交集，可以在./evaluation/Func_evaluation_DR.m找到引文。如果你觉得

该存储库包含了C. Sommer，Y.Sun，E.Bylow和D.Cremers在2020年机器人与自动化国际会议（ICRA）上发表的论文《PrimiTect》附带的Matlab数据输入代码。详细的构建、编译和运行指南可以在代码所在的文件夹中找到。数据文件夹中提供了用于生成论文数据的脚本和信息。Matlab可视化文件可用于复制中的结果图形。此外，我们还提供了示例数据和结果，方便测试可视化功能。在使用代码时，请遵守GPL（v3 +）许可证，并注意thirdparty模块的不同许可证。请引用我们的论文，BibTex条目为：@inproceedings{sommer2020, title = {Pr