免费技术笔记

用可运行代码和动态图解理解机器人与机器学习

不只看公式,而是逐步运行算法,把画面变化和代码对应起来。这里的实现刻意保持最小化,用于学习,不等同于生产系统。

01

机器人 · 路径规划

在障碍网格上逐步看懂 A* 路径规划

加入“离目标还有多远”的估计后,搜索范围能缩小多少?编辑障碍、切换A*与Dijkstra,同时比较路径长度和扩展节点数。

运行动态图解 →

02

机器学习 · 聚类

从质心移动开始理解 k-means

把每个点分给最近的质心,再把质心移动到组内平均位置。通过这两个动作,观察散点如何形成聚类。

运行动态图解 →

从你想观察的变化开始

  1. 放置障碍,比较A*与Dijkstra的搜索范围
  2. 添加数据点,观察k-means的质心和边界如何变化
  3. 复制简短Python示例,只改一个输入再运行
← 返回首页