XiaoMi-AI文件搜索系统
World File Search System机器人
操纵机器人臂的几何建模
1.2 Defiligessitions: ............................................................................................................................................1.2 Defiligessitions: ............................................................................................................................................
机器人技术，自动化和计算机数值控制
Historical Overview ............................................................4 The Advent of Modern Robotics .........................................6 Evolution of Automation .....................................................7 Emergence of CNC Technology ........................................10 Technical Progress of CNC (Computer Numerical Control) .........................................................................10 Integration and Advancements ...................................................................................................................................................................................................................................................................................................................................................................................................................................
糖：机器人技术的预训练3D视觉表示
从网络数据中学习可概括的视觉表示已为机器人技术带来了令人鼓舞的结果。然而，预循环方法着眼于预训练2D表示，是应对闭塞的优势，并在复杂的3D场景中准确地将对象定位。同时，3D代表学习仅限于单对象。为了解决这些局限性，我们引入了一个名为Sugar的机器人技术的新型3D预训练框架，该框架通过3D点云捕获对象的语义，几何和负担性能。我们强调了3D表示学习中混乱场景的重要性，并自动构建一个受益于模拟中无需成本监督的多对象数据集。Sugar采用一种多功能变压器的模型来共同解决五个预训练任务，即用于语义学习的跨模式知识蒸馏，以掩盖点建模，以取消几何结构，掌握姿势合成以进行对象负担，3D实例分割和引用表达地面以分析杂乱无章的场景。我们对三个与机器人相关的任务进行了学习的代表，即零射击3D对象识别，引用凸起的接地和语言驱动的机器人操作。实验结果表明，糖的3D表示优于最先进的2D和3D表示。
球机器人平台的机械设计
在本论文中，研究了一个新的Ballbot Rezero的球结构，其负载能力高达100 kg。此外，需要低重量和良好的形式稳定性，以实现轻松的球。还应在地面上提供足够的摩擦，以避免滑动和阻尼特性，以使像地毯边缘这样的小凹凸被吸收。在功能分析的帮助下，发现了一个新的球版本，该版本由内部形式稳定的空心球和外部摩擦提供涂层组成。通过使用聚酰胺-12（PA-12）对内部和聚氨酯（PU）进行外部部分，得出上述规格来实现此结构。这种具有高负载能力的新球结构为使用REZERO用于运输目的的基础奠定了基础。
MCD：机器人感知的多种大型多校区数据集
感知在各种机器人应用中起着至关重要的作用。但是，现有的良好的数据集偏向自动驾驶场景，而未标记的SLAM数据集则很快过于拟合，并且通常缺乏环境和域变化。为了扩大这些领域的边界，我们介绍了一个名为MCD（Multi-campus数据集）的全面数据集，其中包含各种感应方式，高准确的地面真相以及在三个欧亚大学的欧亚大学校园内的挑战性环境。MCD包括CCS（经典的圆柱旋转）和NRE（非重复性环球）LIDAR，高质量的IMU（惯性测量单元），相机和UWB（URWB（Ultra-Wideband））传感器。更重要的是，在开创性的努力中，我们引入了29堂课的语义注释，超过59k稀疏的nre lidar扫描
对建筑行业的市售自主绘画机器人的审查
在建筑业中的绘画是一种危险活动，为工人带来了许多建筑风险，例如从高处掉下来，笨拙的位置肌肉骨骼疾病以及暴露于有毒物质，尤其是在狭窄的空间中。大多数建筑项目都包括绘画活动和绘画活动的重复性质，导致了几个绘画机器人的提议，目前很少有商业上可用。这些机器人在目前的状态下有一定的局限性，影响了机器人的最终生产力及其在建筑工作地点的实施。本文解决的问题是缺乏对自主绘画机器人（APR）必要要素的研究，以有效，安全地执行施工绘画活动。这表明需要评估可用绘画机器人的当前局限性，以生成可以作为提高APR效率的方法进一步研究的基础的信息。因此，这项研究的目的是确定有效的APR的特性，并将其与市售APR的特性进行比较。对Scopus数据库和Google Scholar库的相关文献进行了全面研究，介绍了定义APR性能的主要参数。该研究强调了评估APR性能以及可用机器人的当前局限性的主要特性。这项研究的结果有望为对提高APR生产率提高的研究人员提供进一步的研究领域。关键词：绘画机器人，自动移动机器人，建筑自动化，建筑安全
基于空间表征语义层次的机器人探索与绘图策略
许多科学家 [Lynch，1960；Piaget 和 Inhelder，1967；Siegel 和 White，1975] 已经观察到认知地图被组织成连续的层，并提出对大规模环境的有用且有力的描述的核心要素是拓扑描述。分层模型包括从局部感官信息中识别和辨认地标和地点；路线控制知识（从一个地方到另一个地方的过程）；连通性、顺序和包含的拓扑模型；以及形状、距离、方向、方位以及局部和全局坐标系的度量描述。看来，认知地图的分层结构是人类在大规模空间中稳健表现的原因。我们的方法试图将这些方法应用于机器人探索和地图学习问题。我们定性方法中对环境的核心描述是拓扑模型，如 TOUR 模型 [Kuipers，1978]。该模型由一组节点和弧组成，其中节点代表环境中可识别的位置，弧代表连接它们的行进路径。节点和弧是根据机器人的感觉运动控制能力程序性定义的。度量信息添加到拓扑模型之上。