XiaoMi-AI文件搜索系统
World File Search System人形
机器人认知架构的记忆系统及其在 ArmarX 中的实现
图 1：人形机器人 ARMAR-III [ 2 ] 感知来自不同传感器的多模态数据，如触觉、视觉和听觉信息。这些数据必须在适当的记忆系统中存储和处理。为了最佳地支持各种认知过程和动作，记忆系统必须满足几个特征，如主动设计、多模态、固有情景结构、联想性和自省性。
Modular Foot-End - 逐际动力LimX Dynamics
TRON 1 拥有丰富的实用接口，可连接各种扩展配件，以最大限度地发挥其在各个研究领域的应用。其目标是为学术研究、新技术开发、工业探索、教育培训等创新者赋能。在通用机器人的 AI 时代，TRON 1 是人形机器人运动控制的最佳入门平台，也是具身智能研究的必备试验台。
智能机器人系统和行业4.0
“机器人系统及其应用的一般视野；机器人类型（工业操纵者；工业机器人；人形机器人；陆生机器人；水生机器人；飞行机器人）；末端器官（机械，气动，气动，磁性，磁性，人造肌肉）；机器人和传感器体系的传感器（传感器的传感器）（传感器的传感器（传感器）（传感器）（传感器）（传感器）传感器，基于视觉系统）；
可制造：以内存为中心和基于负担的任务执行框架可转让移动操纵技能
摘要 - 在以人为本的环境中执行多功能移动操作任务，可以有效地将学习的任务和经验从一个机器人转移到另一个机器人或跨不同环境的能力是关键。在本文中，我们提出了一个多功能的单项和多手册移动操作框架，可促进能力和知识在不同的任务，环境和机器人之间的传递。我们的框架将基于负担的任务描述为以记忆为中心的ARMAR人形机器人机器人家族的认知结构，该架构支持分享经验和演示以进行转移学习。通过代表可承受的移动操作动作，即。例如，机器人与其环境的交互可能性，我们为在各种环境中对已知和未知对象的自动单和多手动操纵提供了一个统一的框架。我们演示了该框架在实际实验中对于多个机器人，任务和环境的适用性。这包括抓住已知和未知的对象，放置对象，双人对象抓握，启用记忆的技能转移在抽屉开放方案中，跨两个不同的人形机器人开放场景，以及从人类演示中学到的倾泻任务。接受后，代码将通过我们的项目第1页发布。
高级表达类人动物全身控制
类人机器人具有与Humans相似的形态，具有执行人类在日常生活中可以完成的各种任务和动作的潜力。，由于高维状态空间和控制性的综合性，发展具有人类类似人类的行为，从而限制了其现实世界的应用仍然具有挑战性。随着大规模Human运动数据集的可用性不断增长[4，45]，一种解决这一挑战的实用方法是通过跟踪和模仿人类动作来复制多功能运动[8，20，23，24]。但是，在考虑硬件时，人形机器人和人类仍然完全不同，这阻碍了机器人完全复制人类运动的能力。这提出了一个令人信服的研究问题：鉴于它们的身体局限性，我们如何在保持其稳定性和稳健性的同时，追求人形机器人的表现力，类人类的能力？在本文中，我们引入了先进的表达全身控制（Exbody 2），这是一个有效的框架，可最大程度地揭示人形机器人对可行的全身运动的表现力。该框架属于SIM2REAL管道，该政策将采用参考运动运动作为输入，并输出控制真实类人动物以在现实世界中进行运动的动作。我们培训一项单一的政策，该政策跨越了不同的输入信息。我们确定了四种技术设计以实现这一目标：（i）构建可行且多样化的培训数据集。一些作品通过完善数据集解决了这一点。我们系统地分析数据集人类运动数据集（如Amass [45]）通常包含超出机器人物理帽的复杂运动，从而使跟踪过于挑战和降低表现。前[8]，例如，通过模棱两可的描述（例如“舞蹈”）仍然可以包含不合适的动作，从而滤除了使用语言标签的不可行动作。其他AP-PARACHES，例如H2O [24]和OmniH2O [24]，采用SMPL模型来模拟虚拟类人动物并滤除复杂运动。但是，SMPL化身可以执行真正的机器人无法执行的操作，从而在模拟和现实世界可行性之间造成差距，从而仍会影响训练有效性。
EML：工程：机械课程
在本课程中，学生将深入了解机器人技术领域特定领域的基础和基本成果。例如，人类代理/机器人团队合作、多变量线性控制系统、人形机器人、可穿戴机器人、人类辅助设备、导航和路径规划、故障检测和隔离、自主导航和避障、人性化工业机器人和自动化、社交机器人、现场机器人、教育和培训机器人以及康复机器人。
类人机器人运动计划方法：调查
抽象的人形机器人是复杂的动态系统。任何类型机器人应用都始于确定在已知或未知环境中执行给定任务的一系列最佳路径序列。本文批判性地审查了有关人形机器人多级运动和任务计划的三个关键领域的可用文献。首先是在为人类设计的环境中导航和操纵对象时的效率。在这里，该研究已被总结为行为克隆方法。第二是在动态和不可预测的环境中操作引起的扰动和碰撞的鲁棒性。在这里，整合到运动计划算法中的建模方法一直是许多研究类人运动平衡和动态稳定性方面的研究人员的重点。最后是实时性能，其中，机器人必须根据最新的感官数据调整其运动，以实现所需的相互作用和响应性。在这里，重点是机器人的机械结构和关节运动施加的运动学约束。解决限制优化问题的迭代性质，向前和运动学的计算复杂性以及适应快速变化的环境的要求，所有对实时性能构成了挑战。这项研究已经确定了当前趋势，更重要的是，在指出需要进一步研究的领域，研究差距。
人工智能科学家大挑战
该组织的灵感来源及其未来成功的有力证据来自于非常成功的 RoboCup 联合会 [10]。研讨会联合主席 H. Kitano [11] 是 RoboCup 的最初主要组织者之一，他将把 RoboCup 的组织、科学和实践知识直接转移到这个新组织。RoboCup 成立于 1993 年，旨在利用足球运动推动人工智能和机器人研究。RoboCup 最初的目标是“到 21 世纪中叶，一支完全自主的人形机器人足球队将在遵守国际足联官方规则的足球比赛中战胜最近一届世界杯的冠军”。针对所涉及研究的不同方面，已经组织了几个联赛，例如模拟联赛和小型机器人联赛，后来又组织了人形机器人联赛。目前，除了 RoboCupSoccer，该联盟还运营着 RoboCupRescue、RoboCup@Home 和 RoboCup Industrial 等其他联赛。RoboCup 主席和理事负责总体协调和监督。每个联赛的比赛规则由该联赛参与者中选出的委员会制定。每项比赛的规则旨在推动研究朝着参与联赛的研究人员提出的方向发展，这些研究人员基于他们对有前途的方向和资助研究项目的预期主题的最佳直觉。每项比赛的规则都会更新
博士Andrea Weihrauch 2024年6月
对一个更美好的世界的技术（营销）我研究了随着人类和机器之间的界限变得模糊，消费者的行为如何变化，消费者会暴露于（人形）机器人，技术人类增强产品，人工智能以及虚拟/增强现实等技术。我专门研究了如何使用（破坏性）创新来用于消费者福祉和积极的社会变革。因此，技术伦理，基于技术的不平等和与隐私相关的消费者研究是我兴趣的一部分，我将很多工作集中在脆弱/边缘化的消费者群体上。