XiaoMi-AI文件搜索系统
World File Search SystemUnitree
GO2 代理播放空气
※上面的参数可能在不同的场景和配置中有所不同，请遵守实际情况。如果产品外观有任何变化，请参考实际产品。[1]表中的最大扭矩是指最大关节电动机的最大扭矩； 12个关节电动机的实际最大扭矩变化。[2]语音函数包括offl语音交互，命令，对讲和音乐播放。[3]有关更多信息，请阅读二级开发手册。
使用 Unitree A1 四足机器人构建基于视觉的 AI 演示器
展示人工智能 (AI) 能力的挑战之一是找到有效的方式来以切实的方式展示其能力。在本文中，我们使用 Unitree A1 四足机器人展示了一个基于视觉的 AI 演示器。该演示器旨在供苏黎世应用科技大学人工智能中心 (CAI) 使用，以在现实环境中展示 AI 的能力，例如展览。为了实现这一点，我们开发了一个应用程序，允许机器人响应四种特定的手势。该软件从机器人的集成摄像头接收实时图像，并利用 MediaPipe 框架进行手部跟踪和界标点生成，这些界标点实时显示在远程 PC 上。我们根据 3768 个手势记录训练的逻辑回归模型随后会检测站在机器人前面的用户做出的手势。该模型与机器人的系统进行通信，允许通过用户界面控制其检测和姿势。在我们的实验室测试中，机器人展示了每个手势的平均准确率为 91%。然而，我们发现在强光或弱光环境中，机器人的性能不太可靠，准确率仅为 70%。为了提高机器人在这些条件下的性能，我们建议实施额外的算法或微调 MediaPipe 管道。总的来说，我们的演示器为 CAI 部门提供了一个展示 AI 的宝贵工具，因为它允许观众使用直观的手势与机器人互动，并通过观察机器人的即时反应来亲身体验 AI。
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/
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/
尽快：对模拟和现实世界进行一致学习敏捷的人形全身技能
训练补偿动力不匹配的三角洲（残留）动作模型。然后用Delta动作模型集成到模拟器中，以ASAP微调进行预训练的策略，以有效地与现实世界动力学对齐。我们在三种转移方案中尽快评估了ISAACGYM到Isaacsim，Isaacgym到Genesis和Isaacgym，以及真实世界的G1人类人体机器人。我们的方法显着提高了各种动态运动的敏捷性和全身协调，与Sysid，DR和Delta动力学学习基准相比，跟踪误差减少了。尽快实现了以前难以实现的高度敏捷运动，这证明了在桥接模拟和现实世界动力学中的三角洲动作学习的潜力。这些结果表明，可以开发出更具表现力和敏捷的人形生物的有希望的SIM到真实方向。