upright 的安装和配置教程
2025-05-27 22:27:51作者:贡沫苏Truman
1. 项目基础介绍与主要编程语言
upright 是一个开源项目,专注于移动机械臂上非抓握物体运输的模型预测控制与轨迹优化。该项目旨在解决所谓的"服务员问题",即在保持物体平衡的同时进行移动,类似于服务员在餐厅中托盘上保持物体平衡的场景。upright 项目涉及的核心编程语言包括 Python 和 C++,其中 Python 用来进行设置和控制脚本的编写,C++ 则用于实现模型预测控制器和核心算法。
2. 项目使用的关键技术和框架
该项目使用的关键技术是模型预测控制(MPC),这是一种控制理论中的方法,能够在实时情况下优化系统的行为以达到预期的目标。upright 项目中使用的框架包括:
- OCS2(Optimal Control Simulation and Estimation Framework):一个用于优化控制和估计的C++库,可以处理复杂动态系统的控制问题。
- ROS(Robot Operating System):机器人操作系统,提供了一些库和工具,用于构建机器人应用程序。
- PyBullet:一个用于物理模拟的Python库,用于创建模拟环境和进行仿真实验。
3. 项目安装和配置的准备工作与详细安装步骤
准备工作
在开始安装之前,请确保您的系统满足以下要求:
- 操作系统:Ubuntu 20.04
- ROS版本:Noetic
- 编译器:CMake
安装步骤
-
设置ROS环境
首先,确保已经安装了Ubuntu 20.04和ROS Noetic。如果没有安装ROS,请按照ROS的官方文档进行安装。
-
安装依赖项
在终端中运行以下命令来安装必要的依赖项:
sudo apt-get update sudo apt-get install -y ros-noetic-<package_name>其中
<package_name>是项目所需的具体ROS软件包名称。 -
克隆OCS2库
克隆项目自定义的OCS2库分支:
git clone -b upright https://github.com/utiasDSL/ocs2.git -
安装Python依赖
使用pip安装项目所需的Python依赖项:
python3 -m pip install -r catkin_ws/src/upright/requirements.txt -
克隆upright项目
将
upright项目克隆到catkin工作空间中:git clone https://github.com/utiasDSL/upright catkin_ws/src/upright -
设置catkin工作空间
在
catkin_ws/.catkin_tools/profiles/default/目录下创建一个config.yaml文件,可以在此文件中设置需要编译的OCS2包。 -
编译工作空间
在终端中进入catkin工作空间,并构建项目:
cd catkin_ws catkin build -
运行仿真
进入
upright_cmd/scripts/simulations目录,并运行仿真脚本:cd upright_cmd/scripts/simulations ./mpc_sim --config <path to yaml file>其中
<path to yaml file>是设置文件的路径。
按照上述步骤,您可以顺利地完成upright项目的安装和设置。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
330
暂无简介
Dart
685
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869