XiaoMi-AI文件搜索系统
World File Search System四倍的
RL2AC：基于增强学习的快速在线自适应控制机器人强大的运动
摘要 - 动态快速适应是使动物及时，正确调整其运动的基本帽质体之一，从而对不可预测的变化做出了反应。在不预测的环境中工作时，这种功能对于四倍的机器人也是必不可少的。虽然增强学习（RL）在运动控制方面取得了重大进展，但对模型不确定性的快速适应仍然是一个挑战。在本文中，我们试图确定运动RL政策背后的控制机制，我们从中提出了一种新的基于RL的快速在线自适应控制（RL2AC）算法，以互补地将RL策略和自适应控制结合在一起。RL2AC以1000Hz的频率运行，而无需使用RL同时训练。它具有针对外部干扰或SIM真实间隙的强大能力，从而实现了强大的运动，这是通过从新颖的自适应控制器中得出的适当扭矩补偿来实现的。各种模拟和实验证明了提出的RL2AC针对重载重的有效性，干扰作用在一条腿上，侧向扭矩，SIM卡到真实的间隙和各种地形。
抽水蓄能配置的短期评估：上升、下降还是关闭？
我们研究了各种类型的双水库抽水蓄能设施的能量产生和存储问题：由自然流入供给上水库或下水库的开环设施和闭环设施。我们将这个问题表述为一个在流量和电价不确定下的随机动态规划。我们将流量和电价作为外生状态变量纳入我们的公式中。我们比较了在电价可能为负的市场环境中运行不同抽水蓄能配置所获得短期总现金流。我们首先推导出从一种配置切换到另一种配置所带来的收入收益和损失的理论界限。然后，我们采用时间序列模型进行数值实验，以表述我们的外生状态变量的演变。我们考虑了三个不同的季节，它们有不同的流量、不同的负价格发生频率和不同的水库容量。我们的结果表明：（1）具有上游流量的开环设施可以产生比闭环设施高达四倍的现金流； （2）运行大型闭环设施的现金流可以通过运行小型 10 倍水库的开环设施来实现；（3）如果负电价发生的时间超过 30%，则下游流量的开环设施比上游流量的开环设施更具优势（现金流可提高 10% 以上）。
我们准备好准备行星勘探机器人吗？尾巴 - ...
摘要 - 到目前为止，行星表面探索取决于各种移动机器人平台。这些移动机器人在复杂地形中的自主导航和决策在很大程度上依赖于他们的地形感知，本地化和映射功能。在本文中，我们释放了尾巴数据集，这是行星勘探机器人可变形的颗粒环境中的新挑战性数据集，这是我们先前工作的扩展，即尾部（Terrain-Terrain-Terrain-Iake Modi-Modal）数据集。我们在海滩上进行了实地实验，这些海滩被认为是多种沙质地形的行星表面模拟环境。在尾部加数据集中，我们提供了更多带有多个循环的序列，并从白天到晚上扩展场景。从模块化设计中受益于我们的传感器套件，我们使用轮子和四倍的机器人进行数据收集。传感器包括一个3D激光雷达，三个向下的RGB-D摄像头，一对全球式彩色摄像机，可用作前瞻性立体声摄像头，RTK-GPS设备和额外的IMU。我们的数据集旨在帮助研究人员在非结构化的，可变形的颗粒状地形中开发多传感器的同时定位和映射（SLAM）算法。我们的数据集和补充材料将在https://tailrobot.github.io/上找到。
umi腿上：以以操纵为中心的全身控制器使操纵策略移动
摘要：我们介绍了Umi-On-Legs，这是一个新框架，结合了四倍的操纵系统的真实世界和仿真数据。我们使用手持抓手（UMI）在现实世界中以任务为中心的数据收集，这提供了一种廉价的方式来展示与任务相关的操纵技巧，而无需机器人。同时，我们通过训练与任务仿真设置的任务跟踪训练全身控制器在模拟中缩放以机器人为中心的数据。这两个策略之间的接口是任务框架中的最终效应器传播，由操作策略推断，并传递给整体控制器进行跟踪。我们评估了对智力，非划算和动态操纵任务的UMI-ON-LEGS，并在所有任务上报告超过70％的成功率。最后，我们证明了先前工作中预先训练的操作策略检查站的零射击横界部署，该检查点最初是针对我们的四足动物系统在我们的四足动物系统上的。我们认为，该框架为学习动态机器人实施方案学习表达性操纵技能提供了可扩展的途径。请查看我们的网站，以获取机器人视频，代码和数据：https：//umi-on-legs.github.io/
![arxiv：2302.10729v3 [CS.HC] 16 Sep 2024](/simg/g:\will\search\icon\source\f\fd7153cb14212588030137ed1d5bbdee90257e51.webp)
arxiv：2302.10729v3 [CS.HC] 16 Sep 2024
摘要 - 将人形和动物形机器人整合到专门的领域，例如医疗保健，多地形操作和心理疗法，需要对亲近的深刻了解，这是对控制有效的人类机器人相互作用的空间行为的研究。与制造或物流中的传统机器人不同，这些机器人必须在保持适当的身体和心理距离的复杂人类环境中浏览对于无缝互动至关重要。本研究探讨了近亲学在人类机器人相互作用中的应用，专门针对四倍的机器人，由于其栩栩如生的运动和形式，它们引起了独特的挑战和机遇。利用运动捕获系统，我们研究了犬类机器人的不同相互作用姿势如何影响人类参与者在动态场景中的邻近行为。通过捕获和分析位置和取向数据，本研究旨在确定影响邻近距离的关键因素，并为社会可接受的机器人设计提供信息。这些发现强调了在机器人设计中遵守人类心理和身体距离规范的重要性，从而确保自主系统可以与人类和谐共存。
评估英国商业化潮汐能的成本
摘要：需要增加可再生能源以实现零净目标并脱碳。利用潮汐涡轮机利用潮汐的可预测能力可以为此做出贡献。潮汐能是目前成本较高的新生技术。但是，已经观察到降低成本，而在获得财政支持的其他可再生能源技术中的部署增加了，并且据推测，潮汐能量会发生类似的事情。通过差异合同（CFD）计划，第一个潮汐流项目已在英国获得市场支持，预计将在2028年委托近100兆瓦。这项工作使用学习率来调查可能需要进行多少投资，以通过研究和创新以及通过补贴的部署以及研究和创新来降低成本。使用一系列知情的“如果？”方案，它显示对关键输入的敏感性。结果表明，所需的支持对学习率最敏感，将其从15％降低到12.5％或10％或10％或超过四倍的投资所需的投资。支持也高度依赖于学习的起始成本，这是2025年的CFD打击价格。在156至220英镑/MWH之间的变化分别导致6.7英镑和22.3亿英镑的总投资。最重要的是，补贴部署以通过学习和资助创新来降低成本以维持高学习率之间需要平衡。
在使用机器学习模型的植物分类中优化的特征集
摘要：拯救地球成为任何个人的最大优先和责任。环境和生态系统健康评估研究需要精确耕作，使疾病的早期鉴定并优化作物管理。自动植物叶检测将是对生物多样性研究的关键贡献之一。建议的工作提供了在分类植物叶子中的优化功能。这项工作使用了十四个二植物植物叶，即苹果，蓝莓，樱桃，玉米，棉花，葡萄，花生，桃子，胡椒，土豆，覆盆子，大豆，草莓，草莓和番茄。拍摄20，357张图像大约是用于培训和测试目的。功能包括形状，纹理，HSI和小波。使用特征优化技术（例如XG增强，Pearson相关，卡方和ANOVA）降低功能。寻找最佳分类器，五个分类器，即随机森林，k-neart邻居，支持向量机，na'贝叶斯和决策树的超参数变化。SVM分类器给出了最佳结果，并通过四倍的交叉验证获得了99.59％的精度。这项工作的新颖性在于使用农民获得的知识来部署特征。关键字：生态系统：生物多样性：分类：HSI：小波：
grem：具有四足机器人的专家的通才机器人模型
摘要 - 多任务机器人学习在应对多样化和复杂方案方面具有重要的重要性。但是，在收集培训数据集的性能问题和困难中，当前的方法受到了阻碍。在本文中，我们提出了细菌（通才机器人模型）。我们利用离线加强学习来优化数据利用策略，以从演示和亚最佳数据中学习，从而超过了人类示范的局限性。此后，我们采用基于变压器的VLA网络来处理多模态输入和输出操作。通过引入Experts结构的混合物，细菌允许使用更高的整个模型容量的推理速度更快，从而解决了有限的RL参数的问题，从而在控制计算成本的同时增强了多任务学习中的模型性能。通过一系列实验，我们证明了细菌在所有任务中都优于其他方法，同时还验证了其在培训和推理过程中的效率。此外，我们发现了其获得新兴技能的潜力。此外，我们贡献了Quard-Auto数据集，该数据集自动收集以支持我们的培训方法并促进多任务四倍的机器人学习中的进步。这项工作提出了一种新的范式，用于降低收集机器人数据和推动多任务学习社区进度的成本。您可以通过链接：https：//songwxuan.github.io/germ/到达我们的项目和视频。
活性诱导的MECP2磷酸化调节视网膜生成突触细化
MECP2中的突变引起了RETT综合征（RTT），这是一种X链接的神经发育障碍，导致女性的认知障碍广泛。虽然RTT症状的确切病因尚不清楚，但其临床表现的一种可能解释是，由于大脑对神经元活动和感觉体验的变化的反应，MECP2的丧失导致神经回路的误差。在这里，我们表明MECP2在小鼠大脑中的四个残基（S86，S274，T308和S421）响应于神经元活性，并且我们会产生四倍的敲击 - 在（QKI）中 - 在（QKI）中，这四个活性 - 依赖性部位 - 依赖性的站点可预防丙烷磷酸化。QKI小鼠在两个大脑区域中不显示明显的RTT表型或可检测的基因表达变化。然而，来自QKI小鼠的视网膜生成突触的电生理记录表明，虽然消除突触消除最初在P14处是正常的，但在P20时会受到显着损害。值得注意的是，这种表型与先前报道的MECP2 NULL小鼠的突触细化缺陷不同，其中突触最初是完善的，但在产后第三周后退缩。因此，我们提出了一个模型，其中活性 - 诱导的MECP2磷酸化对于在产后早期的视网膜生成突触成熟的适当时间至关重要。
Wildlma：野生中的长范围内部操作
摘要 - “野外”移动操作旨在在不同的现实世界环境中部署机器人，这要求机器人具有（1）具有跨对象配置的技能； （2）能够在各种环境中进行长马任务执行； （3）在接地之外执行复杂的操作。用操纵器的四倍的机器人有望扩展工作空间并实现强大的运动，但是现有的结果并未调查这种能力。本文提出了Wildlma具有三个组成部分来解决以下问题的三个组合：（1）为支持VR的全身远程操作和遍历性，对学识渊博的低级控制器的适应； （2）Wildlma-Skill - 通过模仿学习或启发式方法获得的可推广的视觉运动技能的库以及（3）Wildlma-Planner，这是一种学习技能的界面，允许LLM Planners协调长途任务的技能。，我们通过仅使用数十种示范来实现与现有RL基准相比，实现高质量培训数据的重要性。Wildlma利用剪辑进行语言条件模仿学习，从经验上概括到在培训演示中看不见的对象。除了进行广泛的定量评估外，我们定性地展示了实用的机器人应用，例如清理大学走廊或室外地形的垃圾，操作清晰的物体以及在书架上重新安排物品。