优美的曲线-turtlesim
2022年所公开博客案例所有项目，都在2020年之前完成，并且全部经过3轮以上测试。
当完美实现闭环之后，画曲线那就可以随心所欲啦。
想画什么，就能画什么。
核心代码：
float curve_k = 5.0/8.0;
float curve_t = 1;
goal_x=5.5+2.0*cos(curve_k*curve_t/200.0)*cos(curve_t/200.0);
goal_y=5.5+2.0*cos(curve_k*curve_t/200.0)*sin(curve_t/200.0);如上这段代码，需要插入到：
#include "ros/ros.h"
#include "turtlesim/Pose.h"
#include "geometry_msgs/Twist.h"
#include "math.h"
#include <sstream>
ros::Subscriber sub;
ros::Publisher pub;
float goal_x = 2;
float goal_y = 2;
void sendVel(const turtlesim::Pose::ConstPtr& data){
ros::NodeHandle n;
pub = n.advertise<geometry_msgs::Twist>("/turtle1/cmd_vel",100);
float curr_x = data->x;
float curr_y = data->y;
float curr_ang = data->theta;
float dist = sqrt(pow(goal_x-curr_x,2) + pow(goal_y-curr_y,2));
std::cout << "Distance = " << dist << std::endl;
if(dist > 0.01){
double ang = atan2((float)(goal_y-curr_y),(float)(goal_x-curr_x));
std::cout << "Curr_ang = " << curr_ang << " | ang = " << ang << std::endl;
geometry_msgs::Twist t_msg;
t_msg.linear.x = 1.0*(dist);
t_msg.angular.z = 4.0*(ang-curr_ang);
pub.publish(t_msg);
}
else
{
std::cout << "Mission Completed" << std::endl;
std::cout << "Please enter new coordinates" << std::endl;
std::cout << "Please enter goal_x:" << std::endl;
std::cin >> goal_x;
std::cout << "Please enter goal_y:" << std::endl;
std::cin >> goal_y;
}
}
int main(int argc, char **argv){
ros::init(argc,argv,"goToGoal");
ros::NodeHandle n;
sub = n.subscribe("/turtle1/pose",100,sendVel);
ros::spin();
return 0;
}如上代码有bug，需要修正，bug具体效果参考：
https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/ck_htmledit_views-6e43165c0a.css
cocube稳定到振荡
为何这么做？
主要是对比开环和闭环曲线绘制的差异。如上全部都是闭环绘制。
需要turtle的位置信息反馈。
2021-09-17 22:11:46 发布：
2021-09-26 16:11:57 发布：
玫瑰线轨迹如何规划？（desmos+ROS2+turtlesim+……）
收到一些反馈，大部分解答都集中在开环绘制，绘制精度不高，主要问题在于绘制路径出现重影模糊现象。
闭环绘制可以使得绘制品质极大提升，但题目发布1年多时间，没有收到此类交流。
一部分机器人工程专业学生，学习自动控制原理，只会背公式用其做题或完成考试，没有能够将其应用于各类真实场景中，难以做到灵活应用，大部分以机械记忆类学习为主。
轨迹跟踪控制是机器人路径规划最为基础的内容。
创新非常重要，尤其是在机器人和人工智能时代。
当机器人和人工智能时代发展越快越好，我所工作学校毕业生的处境就愈发艰难。
如何将鲜活的知识与严密的思维紧密结合？首先，要回答一个问题：
为什么这么做？我考虑了如下三个问题。
22->第一个问题，人才培养与人才梯度的问题（人工智能与机器人人才缺口大）。分为三个方面考虑（教育资源分配不均加剧断层）：
1 人才断层
成本高、资源浪费并存，重点大学相关人才起薪高，普通高校找工作难。
人才断层导致分工困难，由上而下，无法顺利完成，主管能力的“地平线”，是下属能力的“天花板”。
2 培养周期
没有良好思维训练等，没有树立终身学习等（铁饭碗等陈旧观念），断层后直接遇到天花板，无法成长，不能形成良性循环。
3 智慧型机器人对工作机会的取代，导致对人才要求的不断提高
标准化的工作迟早会被人工智能和机器人取代，标准化的教育也无法培养个性化的人才。明明学习的知识越来越多，为何越来越无用呢？
其实多年前就关注OpenAI，最近火热的ChatGPT。
ChatGPT:优化
语言模型
用于对话
我们训练了一个叫做ChatGPT的模型，它以对话方式进行交互。对话格式使ChatGPT能够回答后续问题、承认错误、质疑不正确的前提和拒绝不适当的请求。ChatGPT是InstructGPT的兄弟模型，它被训练为在提示中遵循指令并提供详细的响应。
博客关于OpenAI部分案例学习：
2019年：
ROS、OpenAI和Gazebo机器人与人工智能仿真与实践教研杂记（三）深度学习
物联网IoT Arduino 机器人ROS 人工智能OpenAI融合课程（幼儿园到大学）
-Fin-