XiaoMi-AI文件搜索系统
World File Search System人形
基于脑机接口的人形控制
摘要：脑机接口 (BCI) 是一种通信机制，利用脑信号控制外部设备。此类信号的产生有时与神经系统无关，例如被动 BCI。这对患有严重运动障碍的人非常有益。传统的 BCI 系统仅依赖于使用脑电图 (EEG) 记录的脑信号，并使用基于规则的翻译算法来生成控制命令。然而，最近使用多传感器数据融合和基于机器学习的翻译算法提高了此类系统的准确性。本文讨论了各种 BCI 应用，例如远程呈现、物体抓取、导航等，这些应用使用多传感器融合和机器学习来控制人形机器人执行所需的任务。本文还回顾了所讨论应用中使用的方法和系统设计。
用于飞机制造的人形机器人——Irisa
摘要 — 我们报告了一项合作项目的结果，该项目研究了在飞机制造中部署人形机器人解决方案，用于轮式或轨道式机器人平台无法进入的一些装配操作。多接触规划和控制、双足行走、嵌入式 SLAM、全身多感官任务空间优化控制以及接触检测和安全方面的最新发展表明，考虑到这种大规模制造现场的特定要求，人形机器人可能是自动化的可行解决方案。主要挑战是将这些科学和技术进步集成到两个现有的人形平台中：位置控制的 HRP-4 和扭矩控制的 TORO。在空客圣纳泽尔工厂的 1:1 比例的 A350 机身前部模型内的支架组装操作中展示了这种集成工作。我们介绍并讨论了该项目取得的主要成果，并为未来的工作提供了建议。
利用可变自然环境脑机接口刺激实现人形机器人实时导航
摘要 — 本文通过脑机接口 (BCI) 解决了在室内自然环境中人形机器人远程操作的挑战。我们利用基于深度卷积神经网络 (CNN) 的图像和信号理解来促进实时物体检测和基于干脑电图 (EEG) 的人类皮层大脑生物信号解码。我们利用干脑电图技术的最新进展来传输和收集受试者的皮层波形，同时他们注视机器人正在导航的环境直接产生的可变稳态视觉诱发电位 (SSVEP) 刺激。为此，我们建议使用新的可变 BCI 刺激，利用通过机载机器人摄像头传输的实时视频作为 SSVEP 的视觉输入，其中 CNN 检测到的自然场景物体会以不同的频率 (10Hz、12Hz 和 15Hz) 发生改变和闪烁。这些刺激与传统刺激不同，因为闪烁区域的尺寸及其在屏幕上的位置都会根据检测到的场景物体而变化。通过这种基于干脑电图的 SSVEP 方法进行屏幕上的物体选择，有助于通过专门的二级 CNN 将人类皮层大脑信号直接在线解码为遥控机器人命令（接近物体，朝特定方向移动：向右、向左或向后）。该 SSVEP 解码模型是通过先验离线实验数据进行训练的，其中所有受试者的视觉输入都非常相似。在跨多个测试对象的实时机器人导航实验中，最终的分类表现出高性能，平均准确率为 85%。
人形机器人的未来——研究与...
人形机器人的未来 - 研究与应用 Riadh Zaier 编辑 InTech 出版 Janeza Trdine 9, 51000 Rijeka, Croatia 版权所有 © 2011 InTech 所有章节均根据 Creative Commons Attribution 3.0 许可证开放获取，该许可证允许用户下载、复制和基于已发布的文章进行创作，甚至用于商业目的，只要作者和出版商得到适当的认可，这可确保我们的出版物得到最大程度的传播和更广泛的影响。在 InTech 出版本作品后，作者有权在其作为作者的任何出版物中全部或部分重新出版本作品，并有权对作品进行其他个人使用。对作品的任何重新发布、引用或个人使用都必须明确标明原始来源。对于读者，此许可允许用户下载、复制和基于已发布的章节进行创作，即使用于商业目的，只要作者和出版商得到适当的认可，这可确保我们的出版物得到最大程度的传播和更广泛的影响。注意 章节中表达的声明和意见均为个人贡献者的意见，不一定代表编辑或出版商的意见。我们不承担已发布章节中所含信息的准确性的责任。出版商对因使用本书中包含的任何材料、说明、方法或想法而造成的人身或财产损害或伤害不承担任何责任。出版流程经理 Vedran Greblo 技术编辑 Teodora Smiljanic 封面设计师 InTech 设计团队 首次出版 2012 年 1 月 克罗地亚印刷 本书的免费在线版本可在 www.intechopen.com 上获取 可以从 orders@intechweb.org 获取其他硬拷贝 人形机器人的未来 - 研究与应用，由 Riadh Zaier p. cm 编辑。ISBN 978-953-307-951-6
使用大语言模型不断发展的机器人形态
摘要 - 我们介绍了Robomorph，这是一种使用大语言模型（LLM）和进化算法生成和优化模块化机器人设计的自动化方法。在此框架中，我们将每个机器人设计表示为语法，并利用LLM的功能来浏览广泛的机器人设计空间，该空间传统上是耗时的，并且在计算上要求。通过集成自动及时设计和基于增强学习的控制算法，Robomorph迭代通过反馈循环来改善机器人设计。我们的实验结果表明，Robomorph可以成功生成非平凡的机器人，这些机器人对单个地形进行了优化，同时展示了与连续演变的形态改善。我们的方法证明了将LLMS用于数据驱动和模块化机器人设计的功能，提供了一种有希望的方法，可以将其扩展到具有类似设计框架的其他域。
认知发展机器人技术作为人形机器人设计的新范式
研究 CDR 进一步了解人类和机器的潜力。我们希望这能激发许多研究人员——不仅仅是机器人领域的研究人员，还有其他学科的研究人员——来讨论和解决这个有争议的新范式。CDR 的关键方面是它的设计原理。现有的方法通常明确地在机器人的“大脑”中实现一个控制结构，该结构源自设计师对机器人物理的理解。根据 CDR，该结构应该反映机器人通过与环境交互而进行的自我理解过程。由于 CDR 和传统方法都可能导致类似的结果，如果我们仅从任务性能的角度来评估 CDR，CDR 似乎是不必要的。然而，我们相信 CDR 在长期内是有希望的，因为它既能产生类似人类的行为，又能作为认知理论的试验台。此外，人工智能和工程学中更传统的方法往往会在自然环境中失效，因为在自然环境中，机器人的身体