Q & A for the Humanoid Robotics course (RO5300)

Guideline: Please post your questions here if you cannot find any adequate answers below.

 

5 thoughts on “Q & A for the Humanoid Robotics course (RO5300)

  1. Hallo liebe Studierenden,

    das rege Interesse an dem angeboteten Kurs Humanoide Robotics (RO5300) freut mich sehr. Auf dieser Seite können sie Fragen stellen und Antworten diskutieren. Gemeinsam mit M.Sc. Nils Rottmann werden wir die Diskussionen moderieren und dazu beitragen.

    Sie können ihre Fragen wie im Kurs auf Deutsch oder auf Englisch stellen. Wir werden unsere Antworten dementsprechend anpassen. Die Felder Name, Email und URL können leer gelassen werden.

    Schöne Grüße,
    Prof. Dr. Elmar Rueckert

  2. Hier einige Fragen die uns gestellt wurden:

    1) Wie groß soll Tau gewählt werden beim berechnen der “forcing function”
    anhand der Messdaten?
    Können Sie bitte die Formeln des “trajectory generator” mit den Tau’s
    einheitlich machen!

    Das Tau kann zum erlernen der “Forcing Function” auf einen beliebigen, sinnvollen Wert (z.B. 1) gesetzt werden. Es spielt erst später bei der Auswertung der Trajektorie eine größere Rolle.

    Wir haben die Formeln für den “Trajectory Generator” jetzt einheitlich beschrieben. Dafür wurden folgenden Dateien geändert:
    https://rob.ai-lab.science/hr_02_solution/
    https://docs.google.com/presentation/d/1AsUirzAb49IqONKsGR7OwVevCSpRvjmIGJkkilzbYmM/edit#slide=id.g37a3559826_0_363

    Unsere Notation beruht auf:
    https://infoscience.epfl.ch/record/185437/files/neco_a_00393.pdf

    2) Muss die Anzahl der Diskretisierungspunkte der Radialen Basis Funktionen (von 0 bis
    1) der Anzahl der Diskretisierungspunkte in den normalisierten Messdaten sein?
    Denn die forcing function ist ja auch ein Vektor der länge der Messdaten.
    Somit funktioniert dann die Gleichung f = psi * w
    Wenn ich die RBF genauer (mehr Inkremente) berechnen will, dann
    funktioniert doch die Gleichung mit den Dimensionen nicht?

    Ja, die Anzahl der Diskretisierungspunkte der Radialen Basis Funktionen muss zum anlernen der Parameter der Anzahl der aufgenommen Messpunkte entsprechen. Das ist ja gerade der Sinn dieses Ansatzes. Es liegen diskretisierte (ggf. sogar sehr grob diskretisierte) Daten vor und durch geschicktes Anlernen der Gewichte der Radialen Basis Funktionen wird dann eine kontinuierliche, glatte Funktion generiert, die an beliebigen Stellen im Definitionsbereich ausgewertet werden kann.

    3) Was sagt die Differenz (g – y_0) aus?
    Wenn das g = 0 ist, und y_0 die Anfangsposition des Unendlichzeichens
    ist, also auch 0 dann sind doch alle psi = 0 denn (g – y_0) = 0?

    Der Term (g – y) ist ein Rückführungsterm auf eine gewünschte Endposition ähnlich wie ein P-Regler. Daher y ist immer unsere aktuelle Position und die Beschleunigung wird von y wird dementsprechend davon beeinflusst, wie weit ich mich von meiner Zielposition g entfernt habe. Am einfachsten lässt sich das illustrieren für den Fall das f(z) = 0. Wir würden dann einfach folgenden Term bekommen:
    ddy = alpha * ( beta * (g-y) – dy)
    Für eine etwas detaillierte Darstellung verweise ich auf die Lösung zum Aufgabenblatt 2:
    https://rob.ai-lab.science/hr_02_solution/

    4) Bei der Methode der kleinsten quadratischen Fehler der Gewichtungen w,
    soll das sigma der kleinste Eigenwert der Matrix transponiert(psi)*psi
    sein, oder noch etwas anderes? Oder einfach ohne sigma die inverse
    berechnen, und wenn das dann nicht klappt, dann sigma*I draufaddieren?

    Ich würde es erstmal so probieren. Wenn du dann eine Warnung bekommst, kannst du sigma = 10^-6 wählen. Ansonsten ist es auch möglich sigma zu berechnen, siehe folgendes Paper:
    https://sites.math.washington.edu/~reu/papers/2009/mark/reupaper.pdf

    5) Wie berechne ich am gelernten f die Position?
    Muss ich da die Diffgleichung (trajectorie generator) nach q auflösen?

    Du musst hier die vorliegende gewöhnliche DGL lösen. Das kannst du zum einem mit den Matkab “ode-solvern” versuchen, oder aber du nimmst eine sehr kleine Schrittweite und verwendest das explizite Euler-Verfahren:
    https://de.wikipedia.org/wiki/Explizites_Euler-Verfahren

  3. Viel zu viele Grundlagen vorrausgesetzt, die viele nicht haben. Roter Faden nicht mehr sichtbar. Lieber weniger, dafür ausführlicher. Vorlesung und Übung sollten besser zusammenarbeiten. Die Übung finde ich gut, da sehr praktisch, allerdings werden auch hier zu viele Sachen vorrausgesetzt. Lieber einen groben Plan zur Verfügung stellen, der abgearbeitet werden kann.

    • Hallo, erst einmal vielen Dank für das Feedback. Ich möchte im folgenden kurz dazu Stellung beziehen und Sie bitten, ihr Feedback noch etwas genauer zu spezifizieren.

      Bzgl. der Grundlagen:
      Da sowohl Professor Rückert und ich neu an dieser Hochschule sind und der Kurs zudem als Wahlpflicht für unterschiedlichste Studierendengruppen belegbar ist, ist es recht schwer das Grundlagenwissen der Studenten abzuschätzen. Daher möchte ich Sie bitten hier etwas genauer zu spezifizieren welche Grundlagen genau Ihnen fehlen.

      Bzgl. des roten Fadens:
      Hier sind sowohl Professor Rückert und ich der Meinung das die Vorlesung einen stringenten “Faden” folgt. Angefangen bei der Kinematik von Robotern, über der Representation und Regelung von Bewegungen bis hin zur Pfadplannung und Reinforcement Learning versuchen wir Ihnen einen Einblick zu geben auf welche Probleme Sie im Bereich der Robotik stoßen können. Wir hoffen dadurch Ihnen eine Idee zu vermitteln in welchen Bereichen Sie sich evtl. noch vertieftes Wissen aneignen möchten. Aber hier sind wir natürlich auch jederzeit für weiteres Feedback offen, daher möchte ich Sie bitten auch hier zu spezifizieren wo genau wir aus Ihrer Sicht den roten Faden entlang der Vorlesung verloren haben.

      Bzgl. der Verbindung zwischen Vorlesung und Übung:
      Hier ist uns leider nicht ganz klar inwiefern wir die Vorlesung und Übung noch näher aneinander heranführen sollten ihrer Meinung nach. Wir versuchen es zur Zeit so zu halten, dass die Übung die Vorlesung ergänzt, aber nicht 1:1 die Vorlesung wiederholt.

      Bzgl. des großen Plans zum Abarbeiten:
      Die Vorlesung wird dieses Semester zum ersten Mal angeboten und wir versuchen sie durchgängig weiter zu entwickeln. Wenn sie sich entlang der Aufgabenblätter und Zusammenfassungen am Ende jeder Vorlesung entlang hangeln sollten Sie quasi Ihren gewünschten Plan erhalten. Aber auch hier nehmen wir gerne weiteres Feedback entgegen.

      Mit besten Grüßen,
      Nils Rottmann

    • Vielen Dank für das Feedback.

      Wir sind stets bemüht möglichst so wenig Vorwissen wie möglich vorauszusetzen. Gerade in den ersten Einheiten haben wir deshalb einfache Herleitungen von z.B. einer linearen Regression in Matrizenschreibweise oder einer Pseudo Inversen selbst Schritt für Schritt vorgerechnet. In späterer Folge werden diese Herleitungen dann vorausgesetzt, um sich mit den wesentlichen Inhalten zu befassen. Sollten hier Unklarheiten bestehen können wir das während der Vorlesung klären. Einfach melden.

      Man muss sich allerdings auch bewusst sein, dass eine universitäre Lehre sehr viel an Eigenverantwortung und Selbststudium beinhaltet. Eine Wiederholung und Vertiefung der Lehrinhalte in Eigenregie führt erst zu dem “Aha-Effekt”. Unser Ziel ist es dieses Verständnis gemeinsam mit Ihnen zu entwickeln.

      Schöne Grüße, Prof. Dr. Elmar Rueckert

Leave a Reply

Your email address will not be published.