XiaoMi-AI文件搜索系统
World File Search SystemTactile
脊髓损伤后触觉事件相关电位 p300 成分的变化
对照组 目标 328.1 319.7 338.4 (47.8) (57.3) (55.1) 非目标组 321.8 317.0 323.9 (52.5) (53.7) (51.5) 截瘫组 目标 309.4 313.5 327.4 (46.8) (38.8) (34.6) 非目标组 282.4 284.5 303.9 (44.0) (44.0) (49.2) 四肢瘫痪组 目标 341.2 323.2 321.8 (61.9) (47.4) (57.4) 非目标组 334.3 322.5 326.7 (61.6) (52.3) (51.1)
1呼吸系，北京儿童医院，首都医科大学，中国国家临床研究中心，NA
人形机器人手机中的触觉感知系统不足 - lators限制了可用机器人应用的广度。在这里，我们为机器人填充剂设计了一种多功能式触觉传感器，该传感器提供了类似于人类皮肤传感方式的功能。该传感器utizes是一种新型的pi-mxene/srtio 3混合气凝胶作为感应单元而开发的，具有电磁透射和热融合的其他能力，可适应某些复杂的环境。此外，聚酰亚胺（PI）提供了高强度的骨骼，MXENE实现了压力感应功能，并且MXENE/SRTIO 3达到了热电和红外辐射反应行为。此外，通过压力响应机制和不稳定状态的传热，这些气凝胶衍生的透气传感器以最小的交叉耦合实现了多模式感应和识别能力。使用决策树算法，它们可以区分13种类型的硬度和四种类型的材料与精度为94％和85％的物体。此外，基于红外介导函数，组装了感官阵列，并成功识别了对象的不同形状。这些发现的示例，即这种pi-mxene/srtio 3气凝胶提供了一个新的概念，可以扩展可振动传感器的多功能性，从而使操纵器可以更接近人类手的触觉水平。这一进步减少了整合人形机器人的困难，并为它们的可能性提供了新的应用程序场景。
挂一件T恤：迈向具有多模式触觉反馈
摘要 - 由于其在国内和工业领域中的广泛应用，因此在机器人技术中，孔洞操纵一直是一个长期存在的问题。由于感知和建模的进步，可变形的对象操纵吸引了越来越多的关注。本文重点介绍了这些问题的交集，其中必须将一个孔变形以允许钉入口。此任务的常见国内应用是将衣架穿过T恤的领口将其悬挂。我们证明，通过使用来自Gelsight传感器的多模式触觉反馈可以降低问题的复杂性。高分辨率接触检测有助于将掌握到T恤上合适的位置。使用触觉反馈跟踪力轨迹，我们的算法可以操纵大小和刚度的T恤，以使它们的领口封闭衣架。我们的实验结果表明与理论分析保持一致。我们预计我们提出的方法将更广泛地适用于需要同时估算和执行弹性对象的力轨迹的其他问题。
基于分布式触觉传感器的人形机器人的全身多接触运动控制
摘要 - 为了使人形机器人能够在共有的环境中稳健地工作，多接触运动不仅在四肢（例如手脚），而且在四肢的中间区域（例如膝盖和肘部）的中间区域进行接触。我们开发了一种实现这种全身多接触运动的方法，该运动涉及人形机器人在中间区域的接触。可变形的板状分布式触觉传感器安装在机器人四肢的表面上，以测量接触力，而无需显着改变机器人体形。较早开发的多接触运动控制器（专门用于肢体接触）扩展以处理中间区域的接触，并且机器人运动通过反馈控制稳定，不仅使用力/扭矩传感器，还可以使用分布式的触觉传感器来稳定。通过对Dynamics模拟的验证，我们表明，开发的触觉反馈提高了全身多接触运动的稳定性，以防止干扰和环境错误。此外，寿命大小的人形RHP kaleido展示了全身多接触运动，例如向前走，同时通过前臂接触支撑身体，并在坐着的姿势和大腿接触中平衡姿势。
使用具有触觉传感的灵巧手指的可变形线性对象
摘要 - 关于可变形线性对象（DLO）操纵的大多数研究都假定刚性抓握。然而，除了刚性的抓握和重新抓紧之外，在掌握的范围之外，人类也是人类使用敏捷操纵DLOS的重要技能，它需要通过握住DLO来防止其掉落的同时通过手动滑动来连续更改抓握点。在没有使用专门设计但不是多功能的最终效果的情况下，实现这种技能对于机器人来说非常具有挑战性。以前的作品尝试使用通用的平行抓地力，但是由于关注和持有之间的冲突，它们的稳健性并不令人满意，这很难与一级自由的抓手保持平衡。在这项工作中，受到人类如何使用手指跟随DLOS的启发，我们探索了具有触觉感知的通用灵巧的手的用法，以模仿人类的技能并获得强大的DLO跟随。为了使硬件系统能够在现实世界中运行，我们开发了一个框架，其中包括笛卡尔空间手臂控制，基于触觉的In-Hand-hand 3-D DLO姿势估计以及特定于任务的运动设计。实验结果证明了我们方法比使用平行抓手的显着优势，以及它的稳健性，可推广性和效率。
触觉学习：通过基于触摸的界面访问计算机视觉课程
Hammond博士是德克萨斯州A＆M大学工程教育与创新研究所的主任，也是工程教育学院的主席。 她还是素描识别实验室的主任，也是计算机科学与工程系的教授。 她是人口与老化中心，远程健康技术与系统中心以及数据科学研究所的成员。 Hammond是NSF，DARPA，Google，Microsoft等人的资助研究超过1300万的PI。 Hammond拥有博士学位。来自马萨诸塞州理工学院的计算机科学与FTO（金融技术选择），以及哥伦比亚大学的四个学位：人类学硕士学位，硕士 计算机科学，学士学位 数学和学士学位 在应用数学和物理学中。 Hammond建议17个UG论文，29毫秒和10博士学位。论文。 Hammond是2020年TEES教职员工奖的获得者，也是2011年Charles H. Barclay，Jr。'45教职员工奖的获得者。 Hammond已在Discovery频道和其他新闻来源出现。 Hammond致力于多样性和公平，这反映在她的出版物，研究，教学，服务和指导中。 更多，请访问http://srl.tamu.edu和http://ieei.tamu.edu。Hammond博士是德克萨斯州A＆M大学工程教育与创新研究所的主任，也是工程教育学院的主席。她还是素描识别实验室的主任，也是计算机科学与工程系的教授。她是人口与老化中心，远程健康技术与系统中心以及数据科学研究所的成员。Hammond是NSF，DARPA，Google，Microsoft等人的资助研究超过1300万的PI。Hammond拥有博士学位。来自马萨诸塞州理工学院的计算机科学与FTO（金融技术选择），以及哥伦比亚大学的四个学位：人类学硕士学位，硕士计算机科学，学士学位 数学和学士学位 在应用数学和物理学中。 Hammond建议17个UG论文，29毫秒和10博士学位。论文。 Hammond是2020年TEES教职员工奖的获得者，也是2011年Charles H. Barclay，Jr。'45教职员工奖的获得者。 Hammond已在Discovery频道和其他新闻来源出现。 Hammond致力于多样性和公平，这反映在她的出版物，研究，教学，服务和指导中。 更多，请访问http://srl.tamu.edu和http://ieei.tamu.edu。计算机科学，学士学位数学和学士学位在应用数学和物理学中。Hammond建议17个UG论文，29毫秒和10博士学位。论文。Hammond是2020年TEES教职员工奖的获得者，也是2011年Charles H. Barclay，Jr。'45教职员工奖的获得者。Hammond已在Discovery频道和其他新闻来源出现。Hammond致力于多样性和公平，这反映在她的出版物，研究，教学，服务和指导中。更多，请访问http://srl.tamu.edu和http://ieei.tamu.edu。
走向生命机器：触觉感知、抓握和社交机器人的现状和未来趋势
1 技术创新研究所 (TII)，阿布扎比，阿拉伯联合酋长国 2 比萨大学“E. Piaggio”研究中心，意大利比萨 3 利兹大学，计算机学院，利兹 LS2 9JT，英国 4 布里斯托大学工程学院工程数学系和布里斯托机器人实验室，布里斯托，英国 5 巴斯大学工程与设计学院电子电气工程系，巴斯，英国 6 本研究部分由英国工程与物理科学研究委员会根据 EP/V052659/1 号资助。 7 本研究部分由利华休姆研究领导奖“用于机器人触觉的仿生前脑”(RL-2016-39) 资助。 8 作者已确认，本研究中所有可识别的参与者均已同意发表。∗ 任何通讯均应寄给作者。
fots：用于Sim2real学习触觉运动机器人操纵技巧的快速光学触觉模拟器
摘要 - 仿真是机器人技术中广泛使用的工具，可减少硬件消耗并收集大规模数据。尽管为模拟光学触觉传感器做出了预先的努力，但仍在有效合成图像并在不同的接触载荷下复制标记运动方面仍然存在Challenges。在这项工作中，我们提出了一个名为FOTS的快速光学式模拟器，用于模拟光学触觉传感器。我们利用多层感知器映射和平面阴影生成来模拟光学响应，同时采用标记分布近似来模拟由弹性体变形引起的表面标记的运动。实验结果表明，FOT在图像产生质量和渲染速度方面优于其他方法，用于光学仿真的28.6 fps和326.1 fps的单个CPU上的标记运动模拟326.1 fps，而无需GPU加速。此外，我们将FOTS仿真模型与Mujoco等物理引擎集成在一起，而PEG-In-inole任务则证明了我们方法在实现零拍摄的SIM2REAL学习触觉机器人机器人操纵技能方面的有效性。我们的代码可在https://github.com/rancho-zhao/fots上找到。
通过AI增强的Triboelectric多模式传感器启用了对机器人手指的增强触觉感知
机器人技术的最新发展越来越多地强调了传感技术，尤其是触觉感知的重要性，使机器人能够有效地与其环境互动并解释物理相互作用。由于功率效率和低成本，经常研究底层电离机制，用于测量压力和识别材料以增强机器人感知。尽管如此，尽管它们在日常生活中盛行，但仍有使用互动效应来检测弯曲表面的探索有限。在这里，提出了多层结构设计的摩擦多模式触觉传感器（TMTS），以同时识别不同的材料，曲线和压力，从而将不同的方式解耦以启用更准确的检测。通过将传感器连接到机器人的纤维上并利用深度学习分析，定量曲率测量可为对象的详细几何特征提供更精确的见解，而不是仅仅评估其整体形状，因此可以实现具有99.2％精度的12个Grasped对象的自动识别。传感器可以进一步用于准确识别机器人手的不同触摸手势下的物体的柔软度，达到94.1％的精度，证明了其在未来机器人支持的智能社会中的广泛应用。
神经形态计算辅助的互动电容耦合触觉传感器阵列用于无线混合现实互动
摘要：灵活的触觉传感器由于其生物适应性和快速信号感知而显示出对人工智能应用的希望。Triboeelectric传感器可实现主动动态触觉传感，同时整合静态压力传感和实时多通道信号传输是进一步开发的关键。在这里，我们提出了一个集成结构，该结构结合了一个用于静态时空映射的电容传感器和一个用于动态触觉识别的摩擦电传感器。4×4像素的液态金属柔性双模式互动耦合触觉传感器（TCTS）阵列可实现7毫米的空间分辨率，表现为0.8 PA的压力检测极限，快速响应6 ms。此外，使用基于MXENE的突触晶体管使用的神经形态计算在90个时期内通过TCTS阵列收集的动态互动信号在90个时期内实现了100％的识别精度，并实现了来自TCTS阵列的动态互动信号，以及从多键盘触觉数据中的交叉空间信息通信中实现了多型触觉数据的交流。结果阐明了在人界面和高级机器人技术中双模式触觉技术的相当大的应用可能性。关键字：互联网耦合，触觉传感器阵列，神经形态计算，人类 - 机器接口，混合现实