XiaoMi-AI文件搜索系统
World File Search SystemErdem
Ali Erdemir 简历简介.docx
在过去的三十年中，Erdemir 博士已成为材料科学与工程、摩擦学、机械工程、能源、环境和相关学科领域的先驱和杰出科学家。他专注而多学科的研究活动取得了多项重要发现，并因此获得了许多奖项、荣誉和专利。他作为先驱摩擦学家享有国际声誉，于 2017 年当选国际摩擦学理事会 (ITC) 主席，并于 2016 年当选美国摩擦学家和润滑工程师学会主席。他当选为美国国家发明家科学院院士（2022 年）、美国国家工程院院士（2019 年）、欧洲科学与艺术学院院士（2022 年）、世界陶瓷学院院士（2021 年）和土耳其科学院院士（2021 年）。他的研究活动主要针对纳米级设计和大规模制造新材料、涂料和润滑剂，以广泛应用于制造、运输（包括电动汽车）和其他能源转换和利用系统，进一步提高效率、可靠性和环境兼容性是实现可持续未来的主要目标。
引用了原始发表的论文（记录的版本）：Tekden，A.，Erdem，A.，Erdem，E。等（2024）。对象和关系中心代表
推动是一项必不可少的非划算操作技能，用于任务，从预抓操作到场景重新排列，关于场景中的对象关系的推理，因此在机器人技术中广泛研究了推动动作。有效使用推动动作通常需要了解受操纵对象的动态并适应预测与现实之间的差异。出于这个原因，在文献中对推动作用进行了效果预测和参数估计。但是，当前方法受到限制，因为它们要么建模具有固定数量对象的系统，要么使用基于图像的表示，其输出不是很容易解释并迅速累积错误。在本文中，我们提出了一个基于图神经网络的框架，以根据触点或关节对对象关系进行建模，以效应预测和参数估计推动操作。我们的框架在真实和模拟环境中都得到了验证，这些环境包含不同形状的多部分对象，这些对象通过不同类型的关节和具有不同质量的对象连接，并且在物理预测上的表现优于基于图像的表示。我们的方法使机器人能够预测并适应其观察场景时推动动作的效果。它也可用于使用从未看过的工具进行工具操作。此外，我们在基于机器人的硬盘拆卸的背景下证明了杠杆起作的6D效应预测。