Orchid Blog

「离开世界之前 一切都是过程」

【现代控制理论】- State Space Model

Basic Concepts 现代控制理论相对于自动控制原理,在对于系统的描述中,引入了状态量(state variables),来进一步细节的描述系统。 系统量(System variables):任何对于系统输入和初始状态有响应的变量 状态量(State variables):线性独立的系统量的最小集合,系统输入和初始状态可以通过这些变量完全确定系统输出 对于一个系统,...

Kalman Filter

Introduction 卡尔曼滤波,用直白的话来讲,就是利用观测值修正预测值,以得到最优的估计值。 先举个具象的例子,估计直流电机的转速。 预测值:我们对直流电机会建立一个模型,通过上一时刻的转速和输入电压,可以预测这一时刻的转速。显然,人为建立的模型和物理世界中实际电机的模型会有误差的,因此预测值不可全信。 观测值:我们可以通过外在的传感器...

【网络系统与控制】3-传输层-拥塞控制

一、流量控制 1.1 为什么需要流量控制? 网络层与应用层速率不匹配:如果网络层数据到达接收端的速度比应用层从套接字接收缓存中提取数据的速度快,会导致接收缓冲区溢出,进而引发数据丢失。 避免接收端缓冲区溢出:接收端的缓存容量有限,若发送端发送的数据量超过接收端的处理能力,将导致接收端无法及时处理,最终造成数据丢失或系统崩溃。 1....

【论文精读】- 《Translational and Scaling Formation Maneuver Control via a Bearing-Based Approach》

方法:bearing-based approach 基于方位的编队控制,利用智能体之间相对方位信息来实现目标编队形状的维持和控制(方位即方向) 编队形状定义:inter-neighbor bearings 实现效果:Translational and Scaling 过去的一些方法 The problem of for...

【GNN】- 2.实战 QM7b 数据集

数据集介绍 QM7b是一个常用的分子图数据集,包含7211个分子图。可以通过 from torch_geometric.datasets import QM7b 直接获取。 图结构:每个分子图的节点代表原子,边代表原子之间的化学键。 节点特征:在 torch_geometric.datasets 提供的 QM7b 中,Node feature 为 None。 边特征:在 t...

【GNN】- 1.初识GNN

Introduction 什么是图神经网络(GNN)?简单来说,它是一种能够处理图结构数据的神经网络。类似之前所学习的,卷积神经网络(CNN)是处理图像数据(二维数据)的神经网络、循环神经网络(RNN)是处理序列数据的神经网络,图神经网络因为其所处理的数据类型而得以命名。 一句话简单概括一下图神经网络能够完成什么,实现怎样的效果:GNN 通过学习图中节点、边和全局特征的表示,能够有效地解...

【网络系统与控制】3-传输层

一、传输层的作用 逻辑通信:为运行在不同主机上的应用进程之间提供逻辑通信。它在端系统中实现,将应用进程的报文封装成传输层报文段后传递给网络层;在接收端,重组网络层上交的报文段并传递给接收应用进程。 多路复用与多路分解:发送端通过多路复用从不同套接字收集数据块,增加首部信息后生成报文段;接收端通过多路分解将报文段中的数据交付到正确的套接字。 提供可靠或不可靠的服务:根据不同的协...

【动手学Langchain】进阶篇1-模型I/O

什么是模型I/O 在”【动手学Langchain】初级篇1-初识Langchain与环境安装”的“Langchain的六大核心模块”章节中,我们曾提到,模型I/O是Langchain的六大核心模块之一,也是最基本的模块。那么究竟什么是模型I/O呢? 自2023年起,各种不同的大语言模型相继如雨后春笋般涌现,如 OpenAI 的 ChatGPT、Meta 的 LLaMa、百度的文心一言、阿...

【运动控制系统】2-Motion Controllers

Introduction to Controller 控制器是 closed-loop system 中处理信息、做出决策的大脑 控制器的输入:Error Signal e(t) = Setpoint – Feedback Signal 控制器输出控制信号,驱动执行器(actuator)改变被控变量(controlled variable),以调整系统输出,来消除误差 控...

【论文精读】-《GCBF+: A Neural Graph Control Barrier Function Framework for Distributed Safe Multi-Agent Control》

问题 P4:每个 agent 都会发出 $n_{rays}$ 条雷达扫描,获得 $n_{rays}$ 个 hitting points 的 state(position) $y_{n_{rays}}^{(i)}$,这里会不会有 hitting points 是打在其他 agents 上的? P7:training architecture,$h_{\theta}$ 和 $\pi_...