XiaoMi-AI文件搜索系统
World File Search SystemLegge
电池组设计和高功率腿机器人的瞬态性能建模
legged Robotics最近已转向基于高级优化的控制方法，例如模型预测控制（MPC），以产生敏捷和节能的运动。通过将控制问题作为优化任务，机器人系统可以解释复杂的机器人动态和操作约束，包括关节限制和执行器功能。但是，高性能操作也需要严格考虑板载电池限制。这项工作提出了一种经验得出的锂离子电池模型，该模型捕获了瞬态电压下垂和时间依赖的内部电池状态，从而更准确地预测了可行的动力传递。此外，定制的高功率电池组旨在满足MIT类人动物的功率需求，强调功率密度，安全性和可维护性。尽管本文中介绍的工作并未将电池模型整合到轨迹优化框架中，但它为未来的研究建立了基础，旨在将电池和机器人动力学在机器人控制中逐渐发展。最终，这种方法将通过确保计划的轨迹尊重物理和电化学约束来促进更安全，更有能力的腿部机器人。
在线确定腿部运动学
摘要 - 腿部机器人正在出现，并且非常需要腿部的机车，这需要精确的腿部运动动力学来执行控制命令或计划运动轨迹。本文提出了在线状态估计，以确定具有任意腿部数量的机器人的腿部运动学，其中包括腿部变换，时间偏移和腿链路长度的运动学参数。尤其是我们主张一个地面舞蹈步态，以进行运动学的决心，脚趾在地面上保持静态并充当大满贯中的静态地标。作为视觉惯性传感器通常在机器人机器人上可用，并且位于浮动基础上，我们利用有效的基于MSCKF的视觉惯性导航来估计腿部运动学。为此，我们通过分析得出了腿部运动测量的分析，并将它们与视觉惯性测量紧密融合，以更新腿的运动学和身体运动。在模拟和实验中，该方法已通过不同的四倍体进行了广泛的验证，显示出其稳健性和准确性。
单腿康复外骨骼的基于无线PID的控制
摘要：对远程康复的需求正在增加，为病人和老年人开放了方便有效的家庭疗法。在这项研究中，我们使用任何人模拟来分析肌肉活动并确定设计康复外骨骼的关键参数，并选择合适的运动扭矩以在康复过程中帮助患者。外骨骼的设计具有PID控制机制，用于精确管理运动位置和关节扭矩，并且以自动化和远程操作模式运行。髋关节和膝盖运动，从而实现实时反馈。蓝牙通信可确保在各种培训场景中无缝控制。我们的研究表明，可以有效地实施远程控制的康复系统，不仅在全球健康危机（例如大流行）等全球卫生危机期间，还提供了重要的支持，还可以改善遥远或服务不足的地区的康复服务的可及性。这种方法有可能改变物理治疗的方式，从而使其更容易获得，并适应较大的患者人群的需求。
有用的Doggybot：使用腿部机器人和视觉模型
摘要 - 基于学习的方法已经实现了四足动力的强大性能。然而，一些挑战阻止了四足动物学习需要与环境和人类互动的有用室内技能：缺乏操纵的最终效果，仅使用模拟数据使用有限的语义介绍，以及在室内环境中的较低的遍历性和可及性。我们提出了一个在室内环境中进行四足动物移动操作的系统。它使用前式握把进行对象操纵，这是一种低级控制器，在模拟中培训了以egile的深度进行训练，以攀登和全身倾斜等敏捷技能，以及预先训练的视觉语言模型（VLMS），并具有第三人称Fisheye和Egentric RGB摄像头，以探索fishereye和Egincentric RGB摄像头，以进行儿子理解和指挥生成。我们在两个看不见的环境中评估了我们的系统，而没有任何现实数据收集或培训。我们的系统可以零射对这些环境并完成任务，例如遵循用户的命令在攀登女王大小的床上，成功率为60％。
ASFM：腿部机器人社会导航的增强社会力量模型
摘要 - 机器人技术中的社会导航主要涉及通过人口掩护的区域指导移动机器人，并且行人舒适度与有效的途径进行平衡。al-尽管在该领域已经看到了进步，但解决机器人无缝集成到行人环境中的解决方案仍然难以捉摸。在本文中，开发了一种用于腿部机器人的社会力量模型，利用视觉感知来进行人类本地化。特别是引入了增强的社会力量模型，并结合了基于行人行动的排斥力量和回避行为的精致解释，以及目标以下机制。通过各种情况，包括与即将到来的行人，人群和阻塞路径的相互作用，对四足机器人进行实验评估，这表明，所提出的增强模型在先前的基线方法上以选择的路径长度，平均速度以及有效和有效的社交导航的时间来显着改善基线方法。代码是开源的，而视频演示可以在项目的网页上找到：https：//rpl-cs-ucl.github.io/asfm/
在机器人技术感知中的DIV> legged的位置...
从感官数据中开发一种学习环境的物理参数表示的解决方案，适用于涉及腿部机器人运动的任务。将交互式感知范式应用于腿部机器人。要使用场景中对象的物理参数为腿部机器人提供控制算法。该人将负责指导年轻的研究人员的工作。这将涉及计划和执行实验，设定研究目标并参与纸质写作。科学组成部分将涵盖与身体感知有关的任务。候选人必须拥有博士学位。机器人技术或相关学科的学位，例如计算机科学。经验应与感知和机器学习有关，重点是腿部机器人。研究项目中的主要角色将是一个优势。要求： - 机器人技术或相关学科的博士学位，例如计算机科学，最高博士学位后7年， - 感知和机器学习方面的研究记录， - 领先的会议或期刊的出版物：ICRA，ICRA，IROS，IROS，T -RO，RAS，RA -L ..--与腿部机器人技术相关的经验，ROS和机器学习框架的经验 - 在研究项目中的领先作用 - 研究项目中的领先作用将是一种受益的团队 - 优秀的团队 - 杰出的英语和英语能力，融合了融合技能，融合了技能，精力，技能，技能，融合。理想的： - 德国和驾驶执照的基本知识。我们提供： - 加利福尼亚州的全职工作。8600 PLN（总）/月 - 全职工作最初为1年，最多可能会延长2年； - 预计从2024年11月1日开始就业。申请截止日期为：2024年10月11日下午12点（CET）有关该项目的更多信息，请访问以下网址：https：//intention.put.poznan.pl/将e-mail em-mail送达我的简历以及项目列表和出版物列表。您以前的雇主的支持信。随时与我联系任何非正式查询Krzysztof.walas@put.poznan，PL，Krzysztof Walas，博士学位助理教授Poznan技术大学，机器人和电气工程学院机器人和机器Intelligence的控制学院，机器人和机器Intelligence，Robotics UL。Piotrowo 3A，60-965 Poznan，波兰
基于扩散的2D路径计划器应用于腿机器人
摘要 - 在这项工作中，我们提出了北斗七星，这是一个新颖而快速的2D路径计划框架，用于四足动物，利用扩散驱动的技术。我们的贡献包括用于MAP图像和相关轨迹的可扩展数据集生成器，用于移动机器人的图像调节扩散计划器以及采用CNN的训练/推理管道。我们在多个迷宫以及波士顿Dynamic的现场和Unitree的GO1机器人的现实部署方案中验证了我们的方法。北斗七星的轨迹生成平均比基于搜索和数据驱动的路径计划算法的速度快23倍，在产生可变长度的可行路径和障碍物结构中，平均一致性为87％。网站：https：//rpl-cs-ucl.github.io/dipper/
dirac半学中的leggett模式
实验表明，多种材料，包括MGB 2，基于铁的超导体和单层NBSE 2，是多型超导体。在多个频段中的超导配对可能会导致单个频段（包括Leggett模式）中没有的现象。leggett模式是在不同带中形成的超导冷凝物相之间的相对相的集体周期性振荡。对Leggett模式的实验观察很具有挑战性，因为多播超导体很少见，并且因为这些模式描述了频段之间的电荷波动，因此很难直接探测。此外，Leggett模式的激发能量通常比超导间隙大，因此它们通过放松过程中的降低过程大大阻尼到Quasiparticle Continuum中。在这里，我们表明可以在A.C中检测到Leggett模式及其频率。驱动的超导量子干扰装置。然后，我们使用结果来分析这种量子设备的测量值，该量子设备基于Dirac Semimimetal CD 3为2，其中通过与超导AL的接近度诱导了超导性。这些结果表明了Leggett模式的理论上预测的签名，因此我们得出结论，CD 3的两个波段超导状态中存在leggett模式为2。
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。
基于扩散的2D路径计划器应用于腿机器人
摘要 - 在这项工作中，我们提出了北斗七星，这是一个新颖而快速的2D路径计划框架，用于四足动物，利用扩散驱动的技术。我们的贡献包括用于MAP图像和相关轨迹的可扩展数据集生成器，用于移动机器人的图像调节扩散计划器以及采用CNN的训练/推理管道。我们在多个迷宫以及波士顿Dynamic的现场和Unitree的GO1机器人的现实部署方案中验证了我们的方法。北斗七星的轨迹生成平均比基于搜索和数据驱动的路径计划算法的速度快23倍，在产生可变长度的可行路径和障碍物结构中，平均一致性为87％。网站：https：//rpl-cs-ucl.github.io/dipper/