关于机器人状态估计(4)-成长路径与能力提升

今天突然想起应该补充一下正确的成长路径和需要掌握的技能

机器人状态估计是一门学习曲线陡峭的学科,总体来说需要大量的数学知识,以及较强的代码能力。很多工程师总是会在这个领域开始时就容易放弃,这里我总体描述一下应该如何有效地提升能力,无论是未来考研,还是从事机器人行业(如自动驾驶),还是从事XR或元宇宙行业,相信都会有较大的作用。

1.首先第一步,机器人状态估计数论入门整体是由50%的线性代数,20%高等数学,10%概率导论,20%李群与李代数构成的。

2. 线性代数部分需要深入学习矩阵的本质,相关的所有矩阵运算,熟悉向量的使用。

需要充分了解矩阵正定,可逆所代表的性质,熟悉特征值与特征向量,熟悉行列式

需要认真学习矩阵常用分解,分解是缓释求逆开销的核心方式:如chole sky/QR//SVD分解

熟悉舒尔补操作,以及由舒尔补代出的SMW恒等式

常用的针对矩阵与向量的最小二乘法

3. 概率导论需要充分了解贝叶斯法则,贝叶斯推断与最大后验估计(系列的贝叶斯部分有描述)

4. 高等数学主要涉及求导,积分,以及偏导数与链式法则,在机器人状态估计中相关运算需要经常和矩阵与向量进行结合,常用一阶泰勒展开

5. 需要熟悉掌握C++,掌握OpenCV用法,基于64位Ubutun的搭建与使用。需要完全掌握Eigen(矩阵),Sophus(李群李代数)这2个库的使用,以及2种关键的非线性优化工具的使用(掌握其一即可):CERES或G2O

以上5项就是机器人状态估计的入门条件了,其实也不是很难?对不

正常在本科阶段一定可以掌握入门基础

接下来讲一下成长路径:

1. 多参加机器人相关比赛,如RC/RM,基本如果进入其中一个队或组,就有了基本条件

2. 机器人状态估计本质是旋转与平移的艺术,充分地建立空间感,了解6DOF

3.大量地实验,千万不要一个人搞,找多几个志同道合的小伙伴一起做,不然非常痛苦

4.无论机械,电控,感知(视觉),在哪个组只要专心突破,都能慢慢掌握这个学科

5.切勿发散,注意收敛。入门时期打好基础,开源代码永远只是用于验证的东西,实际自己能够建立和掌握的工程才是自己的东西

你可能感兴趣的:(VIO与多传感器融合融态,线性代数,人工智能,机器学习,矩阵,计算机视觉)