XiaoMi-AI文件搜索系统
World File Search SystemCrazyflie
Crazyflie 2.1 无刷电机数据表 - Rev 2
Crazyflie 2.1 无刷套件是一款多功能开源飞行开发平台，重量仅为 32 克，可握在手掌中。无刷电机可提高灵活性并增强有效载荷能力。它配备了低延迟无线电和蓝牙 LE，允许使用各种控制方法，包括脚本和手动选项。定制设计的低转速螺旋桨可提供令人愉悦的噪音和高效率。
AI-deck 数据表 - Rev 3
AI-deck 通过 GAP8 扩展了计算能力，并将使基于人工智能的复杂工作负载能够在机上运行，并有可能实现完全自主导航功能。ESP32 增加了 wifi 连接，可以传输图像以及处理控制。我们相信，这种轻量级和低功耗的组合为微型 Crazyflie 2.X 无人机开辟了许多研发领域。
数据表 AI-deck 1.1 - Rev 1
AI-deck 1.1 通过 GAP8 扩展了计算能力，并将使基于人工智能的复杂工作负载能够在机上运行，并有可能实现完全自主的导航能力。ESP32 增加了 wifi 连接，可以传输图像以及处理控制。我们相信这种轻量级和低功耗的组合为微型 Crazyflie 2.X 无人机开辟了许多研发领域。
使用输入加权阈值适应的神经形态控制
神经形态处理有望高能效率和快速响应率，使其成为实现自动驾驶资源受限机器人的理想候选者。对于高水平的视觉感知而言，它可能对复杂的神经网络有益。但是，完全神经形态的解决方案还需要解决低级控制任务。值得注意的是，目前仍然具有挑战性，即使是基本的低级控制器，例如比例综合衍生（PID）控制器。具体来说，很难合并整体和衍生部分。为了解决这个问题，我们提出了一个神经形态控制器，该神经形态控制器在学习过程中结合了比例，积分和衍生途径。我们的方法包括整体途径的新型输入阈值适应机制。此输入加权阈值适应（IWTA）引入了每个突触连接的额外重量，用于适应后突触后神经元的阈值。我们通过使用不同时间常数使用神经元来解决衍生术语。我们首先分析了提出的机制的性能和限制，然后通过将其在连接到开源的小型Crazyflie四极管上的微控制器上实现，将其控制在测试中，以取代内部的速率控制器。我们证明了在存在干扰的情况下飞行的生物启发算法的稳定性。当前的工作代表了用神经形态算法控制高度动态系统的实质性一步，从而推进了神经形态处理和机器人技术。此外，整体是任何时间任务的重要组成部分，因此提出的输入加权阈值适应（IWTA）机制可能具有超出控制任务的影响。
2021 年自动控制项目
隆德大学自动控制系每年都会开设自动控制 (FRTN40) 项目课程。该课程为高级课程（7.5 ECTS 学分），学生以小团队形式工作以实现共同目标。这些项目通常涉及与工业或其他应用相关的实际估计或控制问题。在本课程中，学生有机会探索他们在以前的控制系统课程中学到的概念的实施方面。在一名教员或博士生的指导下，小组独立制定目标和相关时间计划。后续活动通常涉及建模、控制器设计、实施、文档和验证。学生通过两次反馈研讨会、一次口头陈述、一次演示会议和一份书面报告展示他们的工作。2021 年版课程的报告在此手册中介绍。今年，该群体由 23 名学生组成，以 2-5 人为团队工作。该课程包括 6 个项目；熊猫机器人、Crazyflie 四旋翼飞行器、Slimdog 小车、Bluelining 机器人、脑计算接口和球平衡机器人。每个小组都成功地进行了实时实验，并生成了最终的实验结果，以便赶在 1 月份的演示之前完成。博士生 Martin Gemborn-Nilsson、Julian Salt 和 Zheng Jia 担任该课程的项目顾问，客座教授 Tihomir Zilic 和 Anders Robertsson 也为该课程提供了支持。我们还要感谢我们的研究工程师 Leif Andersson、Anders Blomdell 和 Anders Nilsson，他们在整个项目中一直为各个小组提供支持。最后，我们要感谢 Mika Nishimura 在学生注册和相关事宜上提供的帮助。要了解有关该课程的更多信息，请访问 http://www.control.lth.se/course/FRTN40。