
공유기에서 MAC 주소 기반 IP 고정하기
IP 고정의 장점 공유기는 기본적으로 DHCP(Dynamic Host Configuration Protocol)로 기기에 IP를 자동 할당합니다. 이 방식에서는 기기를 재연결하거나 공유기를 재부팅할 때마다 IP가 바뀔 수 있습니다. 특히 하나의 WiFi에 여러 사람이 자주 접속하는 환경에서는, 접속 순서나 시점에 따라 같은 기기라도 기존과 다른 I...

IP 고정의 장점 공유기는 기본적으로 DHCP(Dynamic Host Configuration Protocol)로 기기에 IP를 자동 할당합니다. 이 방식에서는 기기를 재연결하거나 공유기를 재부팅할 때마다 IP가 바뀔 수 있습니다. 특히 하나의 WiFi에 여러 사람이 자주 접속하는 환경에서는, 접속 순서나 시점에 따라 같은 기기라도 기존과 다른 I...

Why Fix the IP Routers assign IPs to devices automatically via DHCP (Dynamic Host Configuration Protocol) by default. Under this scheme, a device’s IP can change every time it reconnects or the ro...

IQP와 SP는 곡률이나 이동 거리 같은 기하학적 기준으로 빠른 라인을 근사하는 방식입니다. 두 방식 모두 차량의 dynamics를 활용하지 않고 랩타임 자체도 직접 계산하지 않기 때문에, 차량이 실제로 낼 수 있는 성능의 한계까지 라인을 밀어붙이지는 못한다는 단점이 있습니다. mintime(opt_mintime)은 여기서 한 걸음 더 나아가, 차량...

IQP and SP approximate a fast line using geometric criteria like curvature and distance. Neither uses the vehicle’s dynamics nor computes the lap time itself, so they cannot push the line all the w...

레이싱에서 성능을 가르는 핵심 지표는 랩타임이며, 같은 트랙이라도 어떤 라인으로 주행하느냐에 따라 랩타임은 크게 달라집니다. 맵 정보에서 추출한 Centerline은 트랙의 한가운데를 지나는 선일 뿐, 어떻게 하면 빠르게 통과할 수 있는지에 대한 정보는 담고 있지 않습니다. 랩타임을 줄이려면 코너의 회전 반경을 키워 곡률을 낮추거나 이동 거리를 줄여야...

The key performance metric in racing is lap time, and even on the same track the lap time changes dramatically depending on which line you drive. The Centerline extracted from the map is merely the...

SLAM으로 얻은 점유격자 맵(/map)에서 트랙의 Centerline과 Wall boundary를 추출합니다. gb_optimizer 패키지 global_planner_node의 앞부분이며, Global Planning 파이프라인의 첫 단추이자 Global Trajectory Optimization: IQP/SP의 입력을 만드는 단계입니다. ...

This stage extracts the track’s Centerline and Wall boundary from the occupancy grid map (/map) obtained with SLAM. It is the front part of global_planner_node in the gb_optimizer package — the fir...

지난 모션 모델에서는 오도메트리의 불확실성만큼 파티클을 맵 위에 퍼뜨려 보았습니다. 이제는 흩어진 수많은 파티클 중 ‘누가 진짜 내 위치에 있는지’ 를 가려낼 차례입니다. 이때 쓰는 것이 측정 모델(Measurement Model), 또는 센서 모델(Sensor Model) 입니다. 모션 모델이 ‘내가 어디쯤 와 있을까?’ 를 추측하는 과정이라면, ...

In the previous motion model, we spread particles over the map by as much as the odometry uncertainty. Now it’s time to pick out, among the many scattered particles, which one is actually at my pos...