XiaoMi-AI文件搜索系统
World File Search Systemgrasp
引用：Alaaudeen，KM和Selvarajan，S和Manoharan，H和Jhaveri，RH（2024）智能机器人技术收获系统的水果过程，用于抓住P
本文提出并执行了一种基于深度学习的图像处理方法，用于自摘苹果。该系统包括一个轻巧的一步检测网络，用于水果识别。以及计算机视觉，以分析积分类别，并在抓取之前为每个水果提供正确的方法位置。使用高分辨率摄像头的原始输入，在RGB照片上进行了水果识别和实例分割。计算机视觉分类和抓地力系统是集成的，并提供了种植的食物的结果，作为每个苹果和橙色到机器人手臂执行的输入信息和输出方法的姿势。在从实验室和种植园环境中获取RGB图片数据之前，将评估开发的视觉方法。机器人收获实验是在室内和室外进行的，以评估拟议的收获系统的性能。研究结果表明，拟议的视力技术可以有效地控制机器人收获，而确切的情况下，在预测过程后，鉴定成功率的增加高于95％以上，而重新计算的重新计算不到12％。
钠离子电池新材料带来经济实惠、可持续的未来
这种新材料是磷酸钒钠，化学式为 Na x V 2 (PO 4 ) 3 ，它通过将能量密度（每千克储存的能量）提高 15% 以上来改善钠离子电池的性能。与旧款钠离子电池的 396 Wh/kg 相比，这种材料的能量密度更高，为 458 瓦时/千克 (Wh/kg)，使钠技术更接近与锂离子电池竞争。
猕猴在同侧和对侧伸手抓握过程中初级皮质和运动前皮质局部场电位的差异调节
研究文章 | 系统/电路 猕猴在同侧和对侧伸手抓握过程中初级和运动前皮质局部场电位的差异调节 https://doi.org/10.1523/JNEUROSCI.1161-23.2024 收到日期：2023 年 6 月 23 日 修订日期：2024 年 4 月 2 日 接受日期：2024 年 4 月 3 日 版权所有 © 2024 Falaki 等人。这是一篇开放获取的文章，根据知识共享署名 4.0 国际许可条款分发，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当的署名。
启用了脊髓损伤中的自愿性手掌握恢复
宫颈脊髓损伤后的手功能丧失严重损害了功能独立性。我们描述了一种在一个完全宫颈四肢瘫痪（C5美国脊柱损伤关联量表a）中，使用便携式全植入式脑部计算机界面的一个完全宫颈四肢瘫痪量（C5美国脊柱损伤关联量表a）的方法来恢复手动掌握的能力控制。大脑 - 计算机界面由放置在主要手动皮层上的硬膜下表面电极组成，并连接到锁骨下方皮下植入的发射器，从而可以连续读取皮层学活性。运动意愿来触发主要手的功能性电刺激。移动信息信息可以在29周内的阶段性研究中进行一致的解码，平均准确性为89.0％（范围为78–93.3％）。在各种上肢任务的速度和准确性中都观察到了改进，包括提起小物体并将对象传输到特定目标。在开环试验期间，在家解码的准确性达到91.3％（范围80-98.95％），在闭环试验期间的授予率为88.3％（范围77.6-95.5％）。重要的是，本研究未探索功能结果和解码器指标的时间稳定性。完全植入的大脑 - 计算机界面可安全地用于可靠地从运动皮层中移动，从而可以准确地对手掌握。
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。
用于对抓取进行基准测试的性能指标......
美国国家标准与技术研究所正在开发性能测试和相关工件，以对机器人装配领域的研究进行基准测试。使用任务板概念配置与机械组件一致的组件集，包括螺钉、齿轮、电连接器、电线和皮带，用于组装或拆卸。测试协议与任务板一起提供，旨在模拟中小型制造商通常面临的低产量、高混合装配挑战。除了组装产品中常见的刚性组件外，任务板还包括许多非刚性组件操作，例如线束和皮带传动组件，以支持可变形物体抓取和操纵领域的研究，该领域仍被认为是机器人领域的新兴研究问题。一组四个主要任务板以及竞赛任务板作为基准，以及评分指标和将机器人系统装配时间与人类表现进行比较的方法。竞赛用于提高对这些基准的认识。介绍了用于推进和比较研究的工具，并强调了基于系统竞赛的解决方案，以抓取和操纵可变形任务板组件。
执行和想象的抓握动作可以从分布式非运动脑区的低维表示中解码
中尺度区域，不能捕捉到运动系统的全部信息内容。在这项工作中，我们记录了 8 名癫痫患者的颅内脑电图，包括除中央沟内或相邻电极接触外的所有电极接触。我们表明，执行运动和想象运动可以从非运动区域解码；将所有非运动接触组合成一个低维表示形式，为黎曼解码器提供了足够的信息，使其达到 0.83 ± 0.11 的曲线下面积。此外，通过在执行运动上训练我们的解码器并在想象运动上进行测试，我们证明这两种情况之间存在在 beta 频率范围内共享的分布信息。通过将来自所有区域的相关信息组合成一个低维表示形式，解码器能够在没有初级运动皮层信息的情况下实现较高的解码结果。这种表示形式使解码器对扰动、信号非平稳性和神经组织退化更具鲁棒性。我们的结果表明，超越运动皮层可以为更强大、更多功能的脑机接口开辟道路。
在四脑性人>中的皮质grasp电路中解码掌握和语音信号
皮质抓紧网络编码语言的grasps和流程的规划和执行。该网络中的高级皮质区域是用于脑麦克氨酸界面（BMIS）的有吸引力的植入物。 虽然四边形患者执行了掌握运动图像和发声的语音，但从超肉眼回去（SMG），腹侧前的皮层（PMV）和So-超感染性皮质（S1）记录了神经活动。 在SMG和PMV中，五个想象的grasps在视觉提示呈现过程中由神经元种群的结构很好地表示。 在运动图像期间，这些抓取物在所有大脑区域都可以显着解码。 在语音生产过程中，SMG编码了口语掌握类型和五种颜色的名称。 虽然PMV神经元在掌握过程中显着调节其活性，但SMG的神经种群广泛编码运动图像和语音的特征。 一起，这些结果表明，来自人类皮层高级区域的大脑信号可用于抓握和语音BMI应用。该网络中的高级皮质区域是用于脑麦克氨酸界面（BMIS）的有吸引力的植入物。虽然四边形患者执行了掌握运动图像和发声的语音，但从超肉眼回去（SMG），腹侧前的皮层（PMV）和So-超感染性皮质（S1）记录了神经活动。在SMG和PMV中，五个想象的grasps在视觉提示呈现过程中由神经元种群的结构很好地表示。在运动图像期间，这些抓取物在所有大脑区域都可以显着解码。在语音生产过程中，SMG编码了口语掌握类型和五种颜色的名称。虽然PMV神经元在掌握过程中显着调节其活性，但SMG的神经种群广泛编码运动图像和语音的特征。一起，这些结果表明，来自人类皮层高级区域的大脑信号可用于抓握和语音BMI应用。
主动纠缠可实现随机、拓扑抓取
Kaitlyn Becker，1，2 Clark Teeple，1 Nicholas Charles，1 Yeonsu Jung，1 Daniel Baum，3，James C. Weaver，1，4 L. Mahadevan，1，5 ∗ Robert Wood 1 ∗
四肢瘫痪患者运动皮层中不同抓握类型的力量神经表征
1 凯斯西储大学生物医学工程系，俄亥俄州克利夫兰，44106；2 斯坦福大学神经外科系，加利福尼亚州斯坦福，94035；3 斯坦福大学电气工程系，加利福尼亚州斯坦福，94035；4 退伍军人事务部克利夫兰路易斯斯托克斯医学中心，俄亥俄州克利夫兰，44106；5 布朗大学神经科学系，罗德岛州普罗维登斯，02912；6 布朗大学罗伯特 J. 和 Nancy D. 卡尼脑科学研究所，罗德岛州普罗维登斯，02912；7 VA RR&D 神经修复和神经技术中心，罗德岛州普罗维登斯，02912；8 休斯顿大学克利夫兰医学中心神经外科系，俄亥俄州克利夫兰，44106； 9 克里夫兰凯斯西储大学医学院神经外科系，俄亥俄州克利夫兰 44106；10 克里夫兰大学医学中心神经内科系，俄亥俄州克利夫兰 44106；11 布朗大学工程学院，罗德岛州普罗维登斯 02912；12 麻省总医院神经内科神经技术和神经康复中心，马萨诸塞州波士顿 02114；13 哈佛医学院神经内科系，马萨诸塞州波士顿 02114；14 斯坦福大学生物工程系，加利福尼亚州斯坦福 94035；15 斯坦福大学神经生物学系，加利福尼亚州斯坦福 94035；16 斯坦福大学霍华德休斯医学研究所，加利福尼亚州斯坦福 94035；17 斯坦福大学吴仔神经科学研究所，Bio-X 项目，加利福尼亚州斯坦福 94035