精准农业,更具体地说是精准耕作,涉及使用现代信息和通信技术,旨在提高作物产量和盈利能力。同时,精准农业导致种植作物所需的投资和资源(耕地、水、肥料、除草剂、杀虫剂等)总体减少。精准农业领域使用的一些技术包括在线天气预报、传感器系统和网络、卫星系统、NDVI 和摄影系统、杂草检测系统等。这些解决方案提供的信息需要进行分析,然后才能产生农艺建议或说明,但通过这种方式,精准农业可以为农民提供有关所需资源的知识,以及应在何时和多少时间使用这些资源的信息。及时提供农艺建议是提高产量和质量的关键因素。但是,这些建议通常涉及或要求采取特定行动。当然,农民不必亲自或手动执行这些活动 - 他们可以使用机器人和移动自主系统(Krastev 和 Georgiev,2015 年)。使用机器人进行精准农业并不是一个新趋势。几十年来,精准农业机器人一直在发展和升级,其现代版本更加智能,可以使用不同的输入参数自行做出决策(Amer 等人,2015 年)。
Lumen 秉持着这样的信念:当技术推动我们的生活和工作方式进步时,人类才能发挥出最佳水平。我们拥有约 45 万英里的光纤线路,为 60 多个国家的客户提供服务,为应用程序和数据提供最快、最安全的平台,帮助企业、政府和社区提供出色的体验。
自主机器人飞机无损检测 (ARNDIA):飞机部件无损检测 (NDI) 平台 Adam Brant 博士、Jonathan Brown、Reeg Allen RE2 Robotics,宾夕法尼亚州匹兹堡,15201 RE2 Robotics 开发了一个新颖的平台,用于对飞机涂层和部件进行自主和遥控无损检测 (NDI),以提高生产率、减少人为错误并改善操作时间和飞机准备情况。该平台名为“自主机器人飞机无损检测 (ARNDIA)”,将计算机视觉和机器学习算法与轻便的 7 自由度 (DOF) 自主机械手系统融合,可轻松安装到飞机表面。来自第三方供应商的各种传感器和末端执行器,如超声波设备和时域太赫兹传感器,可通过其接口控制文档 (ICD) 轻松与 ARNDIA 集成。传感器集成完成后,ARNDIA 可以自主扫描飞机部件以检测关注区域。此外,由于其 7 DOF 功能,ARNDIA 可以轻松访问难以接触的组件并对其进行 NDI,而如果由人工检查,则需要花费数小时的劳动来移除其他组件才能访问感兴趣的组件。ARNDIA 利用路径规划算法来绘制对相应飞机组件执行 NDI 所需的轨迹。通过使用计算
摘要 — 移动机器人团队将在未来探索地外天体表面的任务中发挥关键作用。在遥远、具有挑战性和未知的环境中操作时,设置基础设施和采集科学样本是一项昂贵的任务。与当前的单机器人太空任务相比,未来的异构机器人团队将通过增强的自主性和并行性来提高效率,通过功能冗余来提高稳健性,并从各个机器人的互补能力中受益。在本文中,我们介绍了我们的异构机器人团队,该团队由飞行和驾驶机器人组成,我们计划在 2021 年作为 ARCHES 项目的一部分在意大利西西里岛埃特纳火山的月球模拟地点部署科学采样演示任务。我们描述了机器人的个体能力及其在两个任务场景中的作用。然后,我们介绍其中重要任务的组件和实验:自动任务规划、高级任务控制、光谱岩石分析、基于无线电的定位、类似月球和火星场景中的协作多机器人 6D SLAM,以及自主样本返回的演示。
1 基本逻辑存储概念 ................................................................................................................ 21 2 基本 SRDF 配置 ................................................................................................................ 53 3 虚拟 SCSI 配置示例 ........................................................................................................ 88 4 虚拟光纤通道体系结构示例 ................................................................................................ 92 5 AIX LPAR 初始设置示例 ...................................................................................................... 119 6 虚拟 I/O 服务器设置示例 ...................................................................................................... 120 7 最终设置示例 ...................................................................................................................... 121 8 双 VIOS 示例 ................................................................................................................ 141 9 MPIO 解决方案 ................................................................................................................ 219 10 Symmetrix 上的虚拟资源调配 ................................................................................................ 240 11 精简设备和包含数据设备的精简存储池 ................................................................................ 243 12 延伸群集示例 ................................................................................................................ 314 13 链接群集示例 ................................................................................................................ 315 14 使用物理 I/O 服务器示例 ................................................................................................ 321 15 使用虚拟 I/O 服务器的节点示例 .......................................................................................... 322 16 添加通知方法对话框示例 ................................................................................................ 333 17 四节点 GPFS 群集示例 ................................................................................................ 341 18 VPLEX 资源调配和导出存储过程 ...................................................................................... 363 19 创建存储视图 ................................................................................................................ 371 20 注册启动器 ............................................................................................................................. 372 21 向存储视图添加端口 ............................................................................................................. 373 22 向存储视图添加虚拟卷 ............................................................................................................. 373
设计具有推理和学习能力的机器人系统逐渐成为机器人研究领域的研究重点。最近,技能迁移学习(STL),即将人类技能迁移到机器人的能力,已成为自主机器人和人机合作的研究重点。它具有以下好处:(i)具有独立决策和学习能力的技能迁移学习系统使机器人能够在复杂动态的环境中学习和掌握操作技能,这可以克服传统编程等常规方法的不足,并大大提高机器人对复杂环境的适应性;(ii)人类生理信号使我们能够从生理水平提取运动控制特征,从而产生丰富的感官信号。在本次调查中,我们通过分析和分类自主机器人和人机合作领域的现有工作,概述了 STL 最重要的应用。我们通过讨论未来尚待解决的挑战和有希望的研究主题来结束本次调查。© 2020 Elsevier BV 保留所有权利。
摘要 — 人们越来越有兴趣超越太空探索,追求在太空生活和工作的梦想。迈向太空生活和工作的下一个关键步骤需要启动太空经济。太空经济的一个重要挑战是确保原材料的供应充足和低成本。地球的逃逸速度为 11.2 公里/秒,这使得从地球运输材料的成本非常高。从月球运输材料需要 2.4 公里/秒,从火星运输材料需要 5.0 公里/秒。基于这些因素,月球和火星可以成为殖民地,向太空经济出口材料。一个关键问题是维持太空经济需要哪些资源?水已被确定为维持人类生命以及用于推进、姿态控制、动力、热存储和辐射防护系统的关键资源。在人类或机器人太空探索过程中,可以通过原地资源利用 (ISRU) 在外星获得水。月球还富含铁、钛和硅。基于这些重要发现,我们计划开发一个能源模型,以确定在月球上开发采矿基地的可行性。该采矿基地主要开采并出口水、钛和钢。之所以选择月球,是因为已知永久阴影陨石坑区域存在大量水储量,并且整个月球表面都存在大量钛和铁资源。
由于额外的组件和与另一个连接点相关的潜在性能问题,我们对在区域分布区域整合电缆持怀疑态度。西蒙的低损耗预端接光纤解决方案解决了性能问题,一旦我们意识到从电缆托盘架部署短链路以使新租户上线是多么快速和容易,我们就被说服了。我们现在在整个主机托管设施中使用此解决方案,战略性地放置电缆托盘架以服务于租户空间组。将新租户上线所需的时间几乎减少了一半!
许多行业将 5G 视为数字化转型战略的重要推动因素——但前提是网络能够满足其特定需求;例如,医疗管理的极端安全性。如果实现这一点,他们将能够利用 5G 实现 MBB 以外的更多用途,并帮助改变他们的工作方式和支持客户的方式。这反过来将对英国的生产力和竞争力产生深远影响,并带来重大的社会和经济效益。
B.1 第 3 章和第 4 章的 C# 框架 . . . . . . . . . . . . . . . . . . . . . . . . 125 B.1.1 第 3 章中介绍的规划器 . . . . . . . . . . . . . . . . . . . . . . 125