Submit Search
Upload
GRでシリアルサーボ
•
2 likes
•
1,540 views
Bizan Nishimura
Follow
がじぇるねで近藤科学のシリアルサーボを動かしてみた。
Read less
Read more
Engineering
Report
Share
Report
Share
1 of 19
Download now
Download to read offline
Recommended
AlphaGo Zero 解説
AlphaGo Zero 解説
suckgeun lee
2017年10月19日に発表されたGoogle DeepMindのAlphaGo Zero ( アルファ碁, アルファご ) の論文解説。 AlphaGo Zeroの仕組みを分かりやすく説明します。
【DL輪読会】GPT-4Technical Report
【DL輪読会】GPT-4Technical Report
Deep Learning JP
2023/4/28 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Scaling laws for single-agent reinforcement learning
【DL輪読会】Scaling laws for single-agent reinforcement learning
Deep Learning JP
2023/2/10 Deep Learning JP http://deeplearning.jp/seminar-2/
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
強化学習若手の会チュートリアル、部分観測マルコフ決定過程 (POMDP) 下での強化学習の基礎と応用の資料です。
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
第6回 3D勉強会@関東 発表スライド https://3dvision.connpass.com/event/156241/
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
yukihiro domae
スペクトルアプローチのGraphConvolution について解説
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
Deep Learning JP
2022/11/25 Deep Learning JP http://deeplearning.jp/seminar-2/
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
MIRU2013のチュートリアル「画像局所特徴量SIFTとそれ以降のアプローチ」 第16回画像の認識・理解シンポジウム MIRU2013 2013年7月29日 http://cvim.ipsj.or.jp/miru2013/tutorial.php#ts4
Recommended
AlphaGo Zero 解説
AlphaGo Zero 解説
suckgeun lee
2017年10月19日に発表されたGoogle DeepMindのAlphaGo Zero ( アルファ碁, アルファご ) の論文解説。 AlphaGo Zeroの仕組みを分かりやすく説明します。
【DL輪読会】GPT-4Technical Report
【DL輪読会】GPT-4Technical Report
Deep Learning JP
2023/4/28 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Scaling laws for single-agent reinforcement learning
【DL輪読会】Scaling laws for single-agent reinforcement learning
Deep Learning JP
2023/2/10 Deep Learning JP http://deeplearning.jp/seminar-2/
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
強化学習若手の会チュートリアル、部分観測マルコフ決定過程 (POMDP) 下での強化学習の基礎と応用の資料です。
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
第6回 3D勉強会@関東 発表スライド https://3dvision.connpass.com/event/156241/
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
yukihiro domae
スペクトルアプローチのGraphConvolution について解説
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
Deep Learning JP
2022/11/25 Deep Learning JP http://deeplearning.jp/seminar-2/
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
MIRU2013のチュートリアル「画像局所特徴量SIFTとそれ以降のアプローチ」 第16回画像の認識・理解シンポジウム MIRU2013 2013年7月29日 http://cvim.ipsj.or.jp/miru2013/tutorial.php#ts4
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
Masashi Shibata
PyData.Tokyo Meetup #23 MLOps〜AIを社会に届ける技術での発表資料 https://pydatatokyo.connpass.com/event/210654/
深層学習による非滑らかな関数の推定
深層学習による非滑らかな関数の推定
Masaaki Imaizumi
M.Imaizumi, K.Fukumizu, “Deep Neural Networks Learn Non-Smooth Functions Effectively”, http://arxiv.org/abs/1802.04474 の説明スライドです。
強化学習 と ゲーム理論 (MARL)
強化学習 と ゲーム理論 (MARL)
HarukaKiyohara
deeplab seminarでの発表資料です. 強化学習とゲーム理論の概略をまとめた後に,マルチエージェント強化学習について簡単にまとめています. なお,本資料には誤りが含まれる可能性もございますが,ご了承ください.
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
https://math-coding.connpass.com/event/147508/ Math&coding#6 の発表資料
SSII2019TS: Shall We GANs? ~GANの基礎から最近の研究まで~
SSII2019TS: Shall We GANs? ~GANの基礎から最近の研究まで~
SSII
SSII2019 チュートリアル講演 TS1 6月12日(水) 9:45~11:05 (メインホール) Generative Adversarial Nets (GAN) は、提案されて以降、画像生成を中心に応用がなされ、また同時に理論的面も研究がなされてきた。本チュートリアルにおいては、まずGANの基本的な事項について述べる。GAN は「二つの分布を一致させる」ものであるが、提案手法を用いることでそれが達成できることを確認し、簡単な場合の数値計算結果を例示する。その後、時間の限り、GAN の応用例や、GAN の問題点とそれに対する最近の研究を紹介する。
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
SSII2020 技術動向解説セッション SS1 6/11 (木) 14:00~14:30 メイン会場 (vimeo + sli.do) グラフ構造をもつデータに対する DNN、すなわち Graph Neural Networks (GNNs) の研究はこの2、3年で参加する研究者が急増している。現状、様々なアーキテクチャの GNN が様々なドメインや様々なタスクで個別に提案され、概観を捉えるのも簡単ではない状態になっている。本チュートリアルは、広範に散らばった GNN 研究の現状についての概観と基盤技術を紹介するとともに、時間が許す範囲でコンピュータビジョン領域における応用例の紹介にも取り組みたい。
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
Sho Takase
第28回言語処理学会年次大会での発表スライド
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
学術研究に役立った場合は、以下の論文を参考文献として引用して頂ければ幸いです。 原 祥尭: "ROSを用いた自律走行", 日本ロボット学会誌, vol. 35, no. 4, pp. 286--290, 2017. https://www.jstage.jst.go.jp/article/jrsj/35/4/35_35_286/_article/-char/ja 日本ロボット学会 第99回/第131回ロボット工学セミナー「ロボットの作り方 ~移動ロボットの基本と ROS によるナビゲーション実習~」講演資料
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
nlab_utokyo
Deep Learningと画像認識 ~歴史・理論・実践~
【DL輪読会】Language Conditioned Imitation Learning over Unstructured Data
【DL輪読会】Language Conditioned Imitation Learning over Unstructured Data
Deep Learning JP
2022/7/29 Deep Learning JP http://deeplearning.jp/seminar-2/
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
Hideo Terada
2020-06-18 JAISA画像処理PJでの講演資料
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
db analytics showcase Sapporo 2017 発表資料 http://www.db-tech-showcase.com/dbts/analytics
Graph LSTM解説
Graph LSTM解説
yukihiro domae
Semantic Segmentation 以下2枚のGraph LSTMについて解説 Interpretable Structure-Evolving LSTM Semantic object Parsing with Graph LSTM
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識
佑 甲野
Shibuya Synapse #3 〜現在の強化学習に何が足りないのか?〜 の発表スライドです. 同イベントのレポート https://dena.ai/news/201812-shibuyasynapse3rd-report/
強化学習における好奇心
強化学習における好奇心
Shota Imai
強化学習のアルゴリズムの中で,複雑な環境の探索のために内発的報酬を用いているアルゴリズムを紹介した資料です.未知の状態への探索を促していることから「好奇心」を用いた探索とも呼ばれます.元々は別の場所で公開していた資料でしたが,いくつかの修正を加えて,こちらに改めてアップしました.
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
第20回ステアラボ人工知能セミナー https://stair.connpass.com/event/109983/ 【講演動画】 https://youtu.be/Fgza_C6KphU 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演の前半ではまず近年の代表的な研究について紹介する。後半では、発表者の最近の研究として「ランダムフォレストの簡略化」と「モデル列挙」について紹介する。
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
Deep Learning JP
2019/10/04 Deep Learning JP: http://deeplearning.jp/seminar-2/
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
福岡市内のイベントで発表した資料です。
光る縄文土器を作る
光る縄文土器を作る
Bizan Nishimura
メイカーフェア京都2023前夜祭 Powered by The DECKでの発表資料です。
IoT渾天儀で太陽の運行を知る
IoT渾天儀で太陽の運行を知る
Bizan Nishimura
GR-ROSE IoTシステム開発コンテスト(2021年)での発表資料です。
More Related Content
What's hot
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
Masashi Shibata
PyData.Tokyo Meetup #23 MLOps〜AIを社会に届ける技術での発表資料 https://pydatatokyo.connpass.com/event/210654/
深層学習による非滑らかな関数の推定
深層学習による非滑らかな関数の推定
Masaaki Imaizumi
M.Imaizumi, K.Fukumizu, “Deep Neural Networks Learn Non-Smooth Functions Effectively”, http://arxiv.org/abs/1802.04474 の説明スライドです。
強化学習 と ゲーム理論 (MARL)
強化学習 と ゲーム理論 (MARL)
HarukaKiyohara
deeplab seminarでの発表資料です. 強化学習とゲーム理論の概略をまとめた後に,マルチエージェント強化学習について簡単にまとめています. なお,本資料には誤りが含まれる可能性もございますが,ご了承ください.
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
https://math-coding.connpass.com/event/147508/ Math&coding#6 の発表資料
SSII2019TS: Shall We GANs? ~GANの基礎から最近の研究まで~
SSII2019TS: Shall We GANs? ~GANの基礎から最近の研究まで~
SSII
SSII2019 チュートリアル講演 TS1 6月12日(水) 9:45~11:05 (メインホール) Generative Adversarial Nets (GAN) は、提案されて以降、画像生成を中心に応用がなされ、また同時に理論的面も研究がなされてきた。本チュートリアルにおいては、まずGANの基本的な事項について述べる。GAN は「二つの分布を一致させる」ものであるが、提案手法を用いることでそれが達成できることを確認し、簡単な場合の数値計算結果を例示する。その後、時間の限り、GAN の応用例や、GAN の問題点とそれに対する最近の研究を紹介する。
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
SSII2020 技術動向解説セッション SS1 6/11 (木) 14:00~14:30 メイン会場 (vimeo + sli.do) グラフ構造をもつデータに対する DNN、すなわち Graph Neural Networks (GNNs) の研究はこの2、3年で参加する研究者が急増している。現状、様々なアーキテクチャの GNN が様々なドメインや様々なタスクで個別に提案され、概観を捉えるのも簡単ではない状態になっている。本チュートリアルは、広範に散らばった GNN 研究の現状についての概観と基盤技術を紹介するとともに、時間が許す範囲でコンピュータビジョン領域における応用例の紹介にも取り組みたい。
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
Sho Takase
第28回言語処理学会年次大会での発表スライド
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
学術研究に役立った場合は、以下の論文を参考文献として引用して頂ければ幸いです。 原 祥尭: "ROSを用いた自律走行", 日本ロボット学会誌, vol. 35, no. 4, pp. 286--290, 2017. https://www.jstage.jst.go.jp/article/jrsj/35/4/35_35_286/_article/-char/ja 日本ロボット学会 第99回/第131回ロボット工学セミナー「ロボットの作り方 ~移動ロボットの基本と ROS によるナビゲーション実習~」講演資料
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
nlab_utokyo
Deep Learningと画像認識 ~歴史・理論・実践~
【DL輪読会】Language Conditioned Imitation Learning over Unstructured Data
【DL輪読会】Language Conditioned Imitation Learning over Unstructured Data
Deep Learning JP
2022/7/29 Deep Learning JP http://deeplearning.jp/seminar-2/
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
Hideo Terada
2020-06-18 JAISA画像処理PJでの講演資料
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
db analytics showcase Sapporo 2017 発表資料 http://www.db-tech-showcase.com/dbts/analytics
Graph LSTM解説
Graph LSTM解説
yukihiro domae
Semantic Segmentation 以下2枚のGraph LSTMについて解説 Interpretable Structure-Evolving LSTM Semantic object Parsing with Graph LSTM
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識
佑 甲野
Shibuya Synapse #3 〜現在の強化学習に何が足りないのか?〜 の発表スライドです. 同イベントのレポート https://dena.ai/news/201812-shibuyasynapse3rd-report/
強化学習における好奇心
強化学習における好奇心
Shota Imai
強化学習のアルゴリズムの中で,複雑な環境の探索のために内発的報酬を用いているアルゴリズムを紹介した資料です.未知の状態への探索を促していることから「好奇心」を用いた探索とも呼ばれます.元々は別の場所で公開していた資料でしたが,いくつかの修正を加えて,こちらに改めてアップしました.
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
第20回ステアラボ人工知能セミナー https://stair.connpass.com/event/109983/ 【講演動画】 https://youtu.be/Fgza_C6KphU 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演の前半ではまず近年の代表的な研究について紹介する。後半では、発表者の最近の研究として「ランダムフォレストの簡略化」と「モデル列挙」について紹介する。
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
Deep Learning JP
2019/10/04 Deep Learning JP: http://deeplearning.jp/seminar-2/
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
福岡市内のイベントで発表した資料です。
What's hot
(20)
グラフィカルモデル入門
グラフィカルモデル入門
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
深層学習による非滑らかな関数の推定
深層学習による非滑らかな関数の推定
強化学習 と ゲーム理論 (MARL)
強化学習 と ゲーム理論 (MARL)
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
SSII2019TS: Shall We GANs? ~GANの基礎から最近の研究まで~
SSII2019TS: Shall We GANs? ~GANの基礎から最近の研究まで~
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
【DL輪読会】Language Conditioned Imitation Learning over Unstructured Data
【DL輪読会】Language Conditioned Imitation Learning over Unstructured Data
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
Graph LSTM解説
Graph LSTM解説
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識
強化学習における好奇心
強化学習における好奇心
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
More from Bizan Nishimura
光る縄文土器を作る
光る縄文土器を作る
Bizan Nishimura
メイカーフェア京都2023前夜祭 Powered by The DECKでの発表資料です。
IoT渾天儀で太陽の運行を知る
IoT渾天儀で太陽の運行を知る
Bizan Nishimura
GR-ROSE IoTシステム開発コンテスト(2021年)での発表資料です。
ALGYAN 6th IoT基板で倒立振子
ALGYAN 6th IoT基板で倒立振子
Bizan Nishimura
ALGYAN6周年IoT基板で倒立振子を作ってみました。 ALGYAN6周年IoT基板・手作りIoT作品自慢LT会の発表資料。
GR-MANGOでEtherCAT
GR-MANGOでEtherCAT
Bizan Nishimura
GR-MANGO作品発表会での発表資料です。
TeXで多言語文書作成! (2011年ごろの資料)
TeXで多言語文書作成! (2011年ごろの資料)
Bizan Nishimura
むかし作成した資料です。 TeXで多言語な文書を作成しようという内容です。
GR-SAKURAでEtherCAT
GR-SAKURAでEtherCAT
Bizan Nishimura
ルネサスナイト15での発表資料です。
だんグラ用お玉コントローラ
だんグラ用お玉コントローラ
Bizan Nishimura
ホログラムデベロッパーカンファレンス 2019での発表資料です。
可視光を利用したIoTエッジデバイスとの通信
可視光を利用したIoTエッジデバイスとの通信
Bizan Nishimura
IoTLT Osaka Vol.12 での発表資料です。
IoTマニ車でクラウドに功徳を積む
IoTマニ車でクラウドに功徳を積む
Bizan Nishimura
IoTLT Osaka Vol.11 での発表資料です。
Arduino系IDE設定切替ツール inoSwitch
Arduino系IDE設定切替ツール inoSwitch
Bizan Nishimura
Arduino系IDEの設定を切り替えるツールです。
二足歩行ロボットKXR-L2をGR-ROSEで動かす
二足歩行ロボットKXR-L2をGR-ROSEで動かす
Bizan Nishimura
近藤科学の二足歩行ロボットKXR-L2をRXマイコン搭載のGR-ROSEボード(ベータ版)で動かしてみました。
ラジコンで演奏する楽器
ラジコンで演奏する楽器
Bizan Nishimura
ラジコンのプロポで演奏する楽器を作ってみた
CANとCANopen
CANとCANopen
Bizan Nishimura
CANとCANopenに関する概要
Esp8266でラジコン基板
Esp8266でラジコン基板
Bizan Nishimura
大阪版IoT縛りの勉強会Vol.3 でのLT
BLEラジコン基板でIoTしてみた
BLEラジコン基板でIoTしてみた
Bizan Nishimura
大阪版IoT縛りの勉強会Vol.2 でのLT
ミニ四足 ~歩くミニ四駆~
ミニ四足 ~歩くミニ四駆~
Bizan Nishimura
四足歩行するミニ四駆を作ってみました。
SerialScreen
SerialScreen
Bizan Nishimura
マイコンのための仮想ディスプレイ
mrubyでC使う? Cでmruby使う?
mrubyでC使う? Cでmruby使う?
Bizan Nishimura
Kansai.mrb 2014 Dec でのLT
GR-KURUMIでミニ四駆をラジコン化
GR-KURUMIでミニ四駆をラジコン化
Bizan Nishimura
ミニ四駆をAndroidスマホで操縦できるBluetoothラジコンに改造してみました。
GR-KURUMIで倒立振子
GR-KURUMIで倒立振子
Bizan Nishimura
ルネサスナイト5 (2014.07.27) GR-KURUMIで倒立振子を制御する基板を作ってみました。
More from Bizan Nishimura
(20)
光る縄文土器を作る
光る縄文土器を作る
IoT渾天儀で太陽の運行を知る
IoT渾天儀で太陽の運行を知る
ALGYAN 6th IoT基板で倒立振子
ALGYAN 6th IoT基板で倒立振子
GR-MANGOでEtherCAT
GR-MANGOでEtherCAT
TeXで多言語文書作成! (2011年ごろの資料)
TeXで多言語文書作成! (2011年ごろの資料)
GR-SAKURAでEtherCAT
GR-SAKURAでEtherCAT
だんグラ用お玉コントローラ
だんグラ用お玉コントローラ
可視光を利用したIoTエッジデバイスとの通信
可視光を利用したIoTエッジデバイスとの通信
IoTマニ車でクラウドに功徳を積む
IoTマニ車でクラウドに功徳を積む
Arduino系IDE設定切替ツール inoSwitch
Arduino系IDE設定切替ツール inoSwitch
二足歩行ロボットKXR-L2をGR-ROSEで動かす
二足歩行ロボットKXR-L2をGR-ROSEで動かす
ラジコンで演奏する楽器
ラジコンで演奏する楽器
CANとCANopen
CANとCANopen
Esp8266でラジコン基板
Esp8266でラジコン基板
BLEラジコン基板でIoTしてみた
BLEラジコン基板でIoTしてみた
ミニ四足 ~歩くミニ四駆~
ミニ四足 ~歩くミニ四駆~
SerialScreen
SerialScreen
mrubyでC使う? Cでmruby使う?
mrubyでC使う? Cでmruby使う?
GR-KURUMIでミニ四駆をラジコン化
GR-KURUMIでミニ四駆をラジコン化
GR-KURUMIで倒立振子
GR-KURUMIで倒立振子
GRでシリアルサーボ
1.
2017.6.24 ルネサスナイト11 西村備山 (@lipoyang) GRでシリアルサーボ
2.
自己紹介 西村備山 (@lipoyang) ■奈良県在住&勤務 ■組込み系技術者 ■魔改造ミニ四駆
3.
過去のがじぇるね作品 茶運び人形 ミニ四駆ラジコン 倒立振子 FM音源
4.
シリアルサーボとは?
5.
PWMサーボとの違い 電子工作でよく使われる ラジコンサーボ = PWMサーボ
6.
PWMサーボとの違い PWMサーボ シリアルサーボ PWMパルス シリアル通信 ー + 信号 ー + 信号
7.
シリアルサーボのメリット(1) PWMサーボ シリアルサーボ デイジーチェーンできる マ イ コ ン サーボ サーボ サーボ マ イ コ ン サーボ サーボ サーボ サーボの数だけ PWMポートが要る 1つのシリアルポート に数珠つなぎできる
8.
シリアルサーボのメリット(2) PWMサーボ シリアルサーボ フィードバックが得られる マイコン サーボ
マイコン サーボ ・目標角度を指令するだけ ・現在角度を取得できる ・脱力もできる
9.
シリアルサーボのデメリット(1) PWMサーボ シリアルサーボ ¥400~ ¥4,000~ 値段が高い
10.
シリアルサーボのデメリット(2) PWMサーボ シリアルサーボ メーカー間の互換性がない 互換性あり 互換性なし
11.
主要なメーカー メーカー 通信仕様 近藤科学 ICS ROBOTIS RS485/TTL (Dynamixel
Protocol) Futaba RS485 (Futabaコマンド方式) VStone LVSerial (全二重) Hitec HMI (すでに廃番?)
12.
ICS(ハードウェア) UARTのTxD/RxDを一線で半二重
13.
ICS(ソフトウェア) ※誰だよコマンド仕様考えた奴… コマンド + サーボID 目標角度 上位7bit 下位7bit 1Byte 2Byte コマンド + サーボID 応答角度 上位7bit
下位7bit 1Byte 2Byte 指令 応答 コマンド方式(角度指令コマンドの例)
14.
動いた
15.
*duino用ライブラリ ICSlib for Arduino https://github.com/lipoyang/ICSlib ・GR-CITRUS
と Arduino UNO で動作確認ずみ ・115200bpsのシリアル通信が可能な Arduino互換ボードなら使えるはず で公開中
16.
公式ライブラリが公開されてた orz
17.
ICSlibの特長 非同期API // 位置設定/取得の要求 servo1.requestPosition(position); servo2.requestPosition(position); // 通信完了まで while
(!ICS.isReady()) { ICS.loop(); // 通信処理 hoge(); // 通信中に他の処理をする }
18.
今後の展開 ※特に関係ない画像です GR-CITRUSで二足歩行ロボット (構想中)
19.
またこんど Twitter: @lipoyang GitHub: lipoyang SlideShare:
lipoyang http://lipoyang.net http://github.com/lipoyang/ICSlib ICSlib for Arduino
Download now