XiaoMi-AI文件搜索系统
World File Search SystemLocomotion
学习适用的自主导航和轮廓机器人的运动
图1：城市部署。我们用于轮式机器人的控制系统在各种室内和室外位置都经过了广泛的验证。实验在瑞士苏黎世和西班牙塞维利亚进行。（第1行）运动挑战。（第2行）导航挑战；动态和静态障碍物，复杂的地形和狭窄的空间。（第3行）苏黎世的位置。（第4行）塞维利亚的位置。
动物运动的神经力学：从生物学到机器人技术和背部
机器人技术和神经科学是姊妹学科，旨在了解自主药物中如何实现敏捷，高效和强大的运动。机器人技术已经从研究动物发现的神经力学原理中受益。这些包括使用高级命令来控制低级中央模式生成器 - 例如控制器，进而通过感觉反馈告知。相互，神经科学受益于机器人技术的工具和直觉，以揭示实施例，与环境的物理相互作用以及感觉反馈有助于雕刻动物行为。我们说明并讨论了机器人技术与神经科学之间对话的主体研究。我们还揭示了模拟和机器人日益增长的生物现实主义如何将这两个学科融合在一起，从而在许多令人兴奋的未来机会的情况下锻造了自主行为控制的综合科学。
人形运动的运动计划：对家乡环境的应用
摘要 - “您的人形机器人可以做什么？”我们作为机器人主义者在与公众互动时必须回答的最常见问题可能是最常见的问题。通常，这个问题是在熟悉的家庭或办公室环境中构成的，暗示着对不平坦和混乱的地形的强大运动的期望，以及与人，物体和环境的合规互动。的问题暗示了人类机器人在运动计划者实施的一组体现的机车操作技巧的存在，这些技能是在给定相应命令时可检索的。在本文中，我们以有效，模块化和可扩展的运动计划者的形式为该问题提出答案。我们在三种具有挑战性的情况下演示了它的用途，旨在突出机器人的安全操作及其在非结构化环境中的精确运动。此外，我们讨论了从我们在扭矩控制的人形机器人实际实施方面的经验中得出的关键技术。
分析用于仿真的最新四足球控制器
1。论文的目的是比较在模拟中实施的几个最新的四倍的运动控制器，制定指南，表明哪种控制器在哪种情况下更好，最后，实施一个示例决策策略，该示例可以根据当前上下文进行切换。2。最初，学生应审查四倍运动控制器的可用文献和实施。3。接下来，学生应创建必要的应用程序，以便在同一模拟器中运行所有控制器以进行公平比较。学生应设计适当的模拟场景，该场景将用于比较控制器。4。学生应提出和评估合适的指标，以便为给定任务选择最佳控制器。应从比较结果中提取一个简单的面向用户指南。5。最后，学生应实施一种上下文感知的策略，该策略将能够在多个运动控制器之间切换，以在某些设计的方案中实现设计指标的卓越性能。
用于粘膜粘附运动的磁性软机器人的生物相容性薄膜涂层
软机器人技术应用于临床的关键要求之一是机器人在人体内能够得到稳健的控制。这就要求机器人能够克服自身的重力、浮力和摩擦力，在内脏器官表面（可能是倾斜的、垂直的或密闭空间内的倒置表面）可靠地移动。针对上述要求，已经研究了几种提高粘附力的方法。受自然界生物的启发，人们研究并证实特殊结构和材料能够提高在干燥或潮湿条件下表面的粘附力。[20–22] 例如，受壁虎趾启发而设计的定向蘑菇尖微纤维已被证实在光滑干燥的表面上具有很强的粘附力和摩擦力。 [23] 据报道，受蜘蛛丝启发的复合材料在 4 至 −196°C 的湿冷基底上具有可靠的粘附力。 [24] 为了实现软机器人的可控粘附和分离，有人提出了一种受章鱼启发的水凝胶粘合剂，以增强机器人在体外生物组织上操作的稳定性。 [25] 此外，磁场梯度产生的力已被用来产生束缚力，以粘附软机器人。 [26]
肌电图作为运动过程中代谢能量消耗的替代评估方法
最大限度地减少代谢能量消耗 (MEE) 对提高运动障碍人士的活动能力至关重要，因为需要高能量的运动会导致活动减少。康复计划和设备使用 MEE 来确定其有效性，但由于时间延迟和非真实条件，使用间接量热法会受到限制。肌电图 (EMG) 可以深入了解肌肉如何激活；因此，本研究的目的是通过利用 EMG 信号开发实时 MEE 反馈系统。参与者以不同的步频（首选、+/- 15%、+/- 30%）完成了五种步行条件，同时收集了呼吸气体交换、地面反作用力和 EMG 信号。实时 EMG 信号被数字积分并分成步幅，然后按力成本 (COF) 系数缩放。MEE 具有先前文献中看到的预期二次关系 (R 2 = 0.967)，以及 COF 数据 (R 2 = 0.701)。 EMG 方法稳定在 75.1% - 133.1% 之间，不在 MEE 的近距离范围 (90% - 110%) 内；因此，未来的研究必须研究其他数学方法。我们的结果表明 MEE 和 EMG 活动之间存在定性关联，可用于提高残疾人士的行动能力和生活质量。
层次强化学习和价值优化，用于挑战四倍的运动
摘要 - 我们提出了一个新颖的层次结构增强学习框架，用于在具有挑战性的地形上进行四足运动。我们的方法结合了两层层次结构，高级计划者（HLP）选择低级政策（LLP）的最佳目标。LLP是使用派演员批评的RL算法训练的，并将脚步放置为目标。HLP不需要任何额外的培训或环境样本，因为它是通过在线优化过程对LLP的价值函数进行的。我们通过将其与端到端的强化学习（RL）方法进行比较来证明该框架的好处，从而突出了其在各种不同地形阵列中碰撞较少的碰撞较少的能力的提高。索引术语 - 动物学，强化学习，优化
快速制造具有环境自适应运动的可重构螺旋微型游泳器
具有变形能力和自适应运动能力的人造螺旋微游泳器在精准医疗和无创手术中具有巨大潜力。然而，目前可重构螺旋微游泳器受到低通量制造和有限的自适应运动能力的阻碍。本文提出了一种旋转全息处理策略（螺旋飞秒激光束），可快速（<1 秒）生产刺激响应螺旋微游泳器（<100 μm）。该方法允许一步轻松制造具有可控尺寸和多种仿生形态的各种微游泳器，包括螺旋藻、大肠杆菌、精子和锥虫形状。由于其变形能力，螺旋微游泳器在恒定旋转磁场下经历翻滚和螺旋运动之间的动态过渡。通过利用自适应运动，螺旋微游泳器可以导航复杂地形并实现有针对性的药物输送。因此，这些微型游泳器对于各种精准治疗和生物医学应用具有十分重要的意义。
用于多功能，动态和鲁棒的双体运动控制
摘要 - 本文介绍了一项有关使用深钢筋学习（RL）为双皮亚机器人创建动态运动控制器的综合研究。超越了关注单个运动技能的关注，我们开发了一种通用控制解决方案，该解决方案可用于一系列动态的两足动物技能，从定期步行和跑步到Aperiodic的跳跃和站立。我们的基于RL的控制器结合了一种新颖的双历史结构，利用了机器人的长期和短期输入/输出（I/O）历史记录。通过拟议的端到端RL方法进行培训时，这种控制架构始终优于模拟和现实世界中各种技能的其他方法。该研究还深入研究了拟议的RL系统在开发运动控制器时引入的适应性和鲁棒性。我们证明，提出的体系结构可以通过有效使用机器人的I/O历史记录来适应时间不变的动态变化和时间变化的变化，例如接触事件。此外，我们将任务随机化确定为鲁棒性的另一个关键来源，促进了更好的任务概括和对干扰的依从性。可以成功部署所得控制的控制策略，这是一种扭矩控制的人尺寸的两头机器人。这项工作通过广泛的现实世界实验推动了双皮亚机器人的敏捷性限制。我们展示了各种各样的运动技能，包括：坚固的站立，多功能步行，快速跑步，展示了400米仪表板，以及各种各样的跳跃技能，例如站立的跳远和跳高。
一种行为体系结构，用于对果蝇幼虫运动和觅食的逼真模拟
摘要果蝇幼虫被广泛用作模型生物体7研究，其中精确的行为跟踪能够对个体和8个种群级行为指标进行统计分析，这些指标可以为幼虫行为的数学模型提供信息。9在这里，我们提出了一个分层模型架构，其中包括三层，以促进模块化10模型构建，闭环模拟以及经验和11个模拟数据之间的直接比较。在基本层，自主运动模型能够执行12个探索。基于新颖的运动学分析，我们的模型特征是间歇性向前爬行13，该爬行13与横向弯曲相结合。在第二层中，通过在模拟环境中进行主动14传感和自上而下的运动调制来实现导航。在顶层，15个行为适应需要关联学习。我们评估了16个基于代理的自主探索，趋化性和气味偏好17测试的虚拟幼虫行为。我们的行为体系结构非常适合18个神经力学，神经或单纯的统计模型组件的模块化组合，从而促进其评估，19比较，扩展和集成到多功能控制体系结构中。20