摘要 - 恰好在具有最小碰撞的无构建环境中引导软机器人仍然是软机器人的开放挑战。当环境未知时,可能无法用于模拟和操作的导航的事先运动计划。本文提出了一种新颖的SIM到真实方法,可在模拟开放框架体系结构(SOFA)下的静态环境中指导电缆驱动的软机器人。SCE-NARIO的目的是在简化的横向气管插管过程中类似于其中一个步骤,在该过程中,机器人气管管由灵活的视频辅助内窥镜/stylet引导到上层气管larynx位置。在沙发中,我们采用二次编程逆求器来获得基于机器人模型的内窥镜/Stylet操纵的无碰撞运动策略,并编码与眼睛的视觉。然后,我们使用闭环非线性自动回收前模型(NARX)网络将虚拟视觉和关节空间运动识别的解剖学特征与关节空间相关联。之后,我们将学习的知识转移到机器人原型中,期望它仅根据其眼睛的视觉自动自动地在新的幻影环境中导航到所需的位置。实验结果表明,我们的软机器人可以根据从虚拟环境中学到的知识,在最小的碰撞运动中有效地通过非结构化的幻影训练到所需的位置。结果表明,闭环NARX预测和由SOFA引用的机器人电缆和棱镜关节空间运动之间的平均R平均系数为0.963和0.997。眼神的视线还表现出机器人尖端和震颤之间的良好对齐方式。
Starkov一直是基于BIM的数字双胞胎开发的先驱,与领先的设施所有者和建筑商合作,确保新建筑提供了适当质量的BIM,并将BIM与其他设施信息系统集成在一起以创建数字双胞胎。因此,斯塔尔科夫在成功部署数字双胞胎的方式上实现了两个重大障碍:现有设施的BIM可用性以及与现有人类驱动的工作流部署数字双胞胎的能力。
莫斯科理工大学莫斯科,俄罗斯联邦serzh.makovey@inbox.ru摘要。教育中的革命对现代社会的发展范式有很大的影响。引导矢量进一步改进的是技术层的快速发展。研究目标是在进一步的数字化和会计和方法论业务流程的进一步数字化和强化的背景下确定管理教育组织的有效方法和手段。我们的结果源自文档分析和定性案例研究,表明实施乌龟机器人化身系统可以简化大学招生活动,提高效率和用户体验。这项研究强调了将技术融合与传统的精神和文化价值观平衡的重要性,以确保智力技术的部署不会破坏社会凝聚力。我们提出了一个战略框架,用于将智能虚拟化身纳入教育过程中,旨在促进可持续增长,而不会在大规模数字化转型的时代加剧社会湍流。关键字:游戏化;智能系统;申请人;人机相互作用;信息安全。
摘要 - 基于此地图的环境和计划途径中的遍历成本对于自主航很重要。我们提出了一种神经动物导航系统,该系统利用尖峰神经网络(SNN)波前策划者和电子企业学习同时绘制和计划路径在大而复杂的环境中。,我们结合了一种新颖的映射方法,当与尖峰波前计划器(SWP)结合使用时,通过选择性地考虑任何成本组合,可以进行自适应计划。该系统在室外环境中具有障碍物和不同地形的室外环境中进行测试。结果表明,该系统能够使用三种成本量度,(1)轮子的能量消耗,(2)在存在障碍物的情况下花费的时间以及(3)地形斜率。在仅十二个小时的在线培训中,电子prop通过更新SWP中的延迟来学习并将遍历成本纳入路径计划地图。在模拟路径上,SWP计划比A*和RRT*明显短,成本较低。SWP与神经形态硬件兼容,可用于需要低尺寸,重量和功率的应用。
摘要 - 在许多机器人应用中重建三维(3D)场景至关重要。机器人需要识别哪些对象及其位置和形状,以通过给定的任务精确地操纵它们。移动机器人,尤其是通常使用轻质网络在RGB图像上细分对象,然后通过深度图进行定位;但是,他们经常会遇到掩盖物体过度掩盖的分布场景。在本文中,我们通过使用非参数统计方法来完善分割错误来解决3D场景重建中的跨分割质量的问题。为了提高掩模的精度,我们将预测的遮罩映射到深度框架中,以通过内核密度估算它们的分布。然后,对异常值进行深度感知的拒绝,而无需以自适应方式进行额外的pa-rameters,以使其分布外情景,然后使用投影签名的距离函数(SDFS)进行3D重建。我们在合成数据集上验证了我们的方法,该方法显示了全景映射的定量和定性结果的改进。通过现实世界测试,结果还显示了我们方法在实体机器人系统上部署的能力。我们的源代码可在以下网址提供:https://github.com/mkhangg/refined Panoptic映射。
自主移动机器人(AMR)在各个部门中变得越来越重要。他们协助人类完成复杂,危险或重复的任务。最初是为了提高工业环境中的生产率和安全性,其范围已大大扩大。最初关注工业操纵器的路径计划[1],AMRS现在使用高级算法在没有碰撞的情况下导航。这种扩展使他们能够在工业环境以外的多样化和动态环境中运作[2],[3]。尽管有很大的进步,但现有的自动移动机器人(AMR)的导航策略通常仍集中在特定领域:陆地,空中和水生。这些策略通常采用从感知到控制的分层方法,每种方法都针对不同的操作环境,例如工业环境[4],不均匀的地形[5],[6]和水下探索[7],[8]。所有这些应用都表明缺乏可以在所有域中无缝集成的统一框架,本文旨在解决问题。通过采用模块化包,提出的分类可以增强组件的可重复性和互操作性,从而促进自主导航所有域的更轻松地集成[9],[10]。本文介绍了一种新的全面分类系统,旨在简化澳大利亚导航的各个方面。该系统充当基本框架,组织了阶段,模块和层之间的复杂关系。它提高了自主导航策略的理解和执行,提供了清晰的
信托标记在移动机器人中是必不可少的,包括其姿势校准,上下文感知和导航。然而,现有的基准标记仅依赖于基于视觉的感知,而这种看法遭受了遮挡,能量开销和隐私泄漏等限制。我们提出了北极星,这是第一个基于新颖的,全堆栈的磁性传感的无视力标记系统。北极星即使在NLOS方案中也可以实现可靠,准确的姿势估计和上下文感知。其核心设计包括:(1)一种新型的数字调制方案,磁取向迁移键合(MOSK),可以编码关键信息,例如航路点和使用Passive Magnets的坐标; (2)一个强大而轻巧的磁传感框架,用于解码和定位磁性标签。我们的设计还为北极星提供了三个关键特征:足够的编码容量,可靠的检测准确性和低能消耗。我们已经建立了一个北极星的端到端系统,并在现实世界中进行了广泛的测试。测试结果表明北极星以达到高达0.58 mm和1°的姿势估计,功率消耗仅为25.08 mW。
摘要自动移动机器人(AMR)之间的合作,包括无人驾驶汽车(UAV),无人接地车辆(UGV)和/或无人的地表车辆(USV),可以显着增强其功能,使它们能够解决超出个人机器人的更复杂的任务。但是,为了充分利用这种合作,对所交换信息的综合理解(以语义互操作性为止)至关重要。实现这些机器人之间的语义互操作性需要深入了解相关信息及其基本结构。为了应对这一挑战,本文介绍了专门为AMR开发的平台和与技术无关的信息模型。该模型旨在通过确保语义互操作能力的方式构建信息来促进协作。本文概述了模型的开发过程,从相关科学文献的信息结构化结构化开始,从而产生了代表AMR域内知识和语义的基础框架。通过涉及多个AMR的用例证明了信息模型的实际应用。此外,本文还提供了有关所采用方法论的见解,强调了系统文献评论的重要性,并与从业人员合作以完善和验证模型。它还讨论了理论和实际含义,解决了研究过程中遇到的潜在局限性。