PPO-MPC 自适应轨迹跟踪
基于 PPO 在线调整 MPC 代价函数权重,让无人车在复杂路径上获得更好的轨迹保持能力和姿态稳定性。
Lateral RMSE
-48.44%Switchback 轨迹 0.5299 m -> 0.2732 mYaw RMSE
-56.56%Switchback 轨迹 0.3082 rad -> 0.1339 radPythonGymnasiumStable-Baselines3PythonRoboticsPPOMPCOSQP
李永旗的机器人项目档案,覆盖运动控制、ROS2 / MoveIt2、视觉抓取、VLA / 具身智能与导航建图。
基于 PPO 在线调整 MPC 代价函数权重,让无人车在复杂路径上获得更好的轨迹保持能力和姿态稳定性。
Lateral RMSE
-48.44%Switchback 轨迹 0.5299 m -> 0.2732 mYaw RMSE
-56.56%Switchback 轨迹 0.3082 rad -> 0.1339 rad基于单台 RealSense D435,实现 YOLO11-seg 自动识别抓取与 VLM 自然语言交互抓取;两条感知路线共用 RGB-D 三维定位、PCA 抓取方向估计及 MoveIt2/Pilz 运动执行链路,完成 OpenArmX 右臂桌面抓取。
面向 OpenFlex 全身移动操作,完成 ROS2—LeRobot 观测与动作桥接、VR 示教采集、策略训练适配及 RTX 3090 本地部署,实现包含底盘移动的桌面抓取与放箱任务。
示教规模
约 100 条/任务按任务采集的示教数据本地部署
RTX 3090真机策略推理与部署基于 URDF、Gazebo、slam_toolbox 和 Nav2 搭建移动机器人自主建图、定位、单点/路点导航与避障仿真。