XiaoMi-AI文件搜索系统
World File Search Systemmanipulator
TIGR - 可移动、可互操作地面机器人
2020 年 8 月 5 日 — 战术 6 自由度机械手，灵活性高，操作复杂。EOD 任务。主要应用。• CIED、IEOD。• 化学生物放射核 (CBRN)...
具有5度自由度的机器人的设计和位置控制
摘要 - 近几十年来，机器人技术和人工智能对于当前达到顶峰的各种工业过程而变得非常重要。然而，高级机器人并未明确设计用于柠檬供应。本研究旨在开发具有5度自由度的操纵机器人，并控制其用于柠檬供应目的的轨迹。为了实现此目标，对操纵器机器人进行了运动和动态计算，并在MATLAB中开发了编程代码，以确定其轨迹，位置，速度和加速度。另外，比例积分衍生物（PID）调谐器用于获得最佳控制器参数并确保准确的关节轨迹产生。关键字 - 机器人臂，比例积分衍生物（PID）控制器，机器人路径，控制，建模，人类机器人相互作用
机器人操作和捕获在空间中：调查
空间探索和剥削取决于诸如卫星服务，去除轨道碎屑或轨道资产的建设和维护等任务的轨道机器人功能的发展。操纵和捕获对象在轨道上是这些功能的关键推动剂。本调查介绍了操纵和捕获的基本方面，例如空间操纵器系统（SMS）的动态，即配备了操纵器的卫星，操纵器握力/有效载荷和目标之间的接触动态，以及用于识别SMS及其目标属性及其目标的方法。此外，它还介绍了感应姿势和系统状态，捕获目标的运动计划以及在运动或交互任务期间SMS的反馈控制方法的最新工作。最后，本文审查了用于捕获操作的主要地面测试床，以及开发了几项著名的任务和技术，以捕获目标在轨道上。
使用优化的基于通用模板的 CCA 方法控制机械臂，实现基于 SSVEP 的 BCI
最近，基于脑机接口 (BCI) 的机械臂控制系统已被用于帮助残疾人士提高无需身体运动的交互能力。然而，由于脑电图 (EEG) 信号的不稳定性以及自发脑电图活动的干扰，在三维 (3D) 空间中用机械臂执行所需任务是一项主要挑战。此外，机械手在 3D 空间中的自由运动控制是一项复杂的操作，需要更多的输出命令和更高的脑活动识别精度。基于上述内容，设计了一种基于稳态视觉诱发电位 (SSVEP) 的同步 BCI 系统，该系统具有六个刺激目标，以实现七自由度 (7-DOF) 机械臂的运动控制功能。同时，应用了一种基于模板的新型方法，该方法从不同的受试者构建优化的通用模板 (OCT)，并从通用模板和多通道脑电图信号中学习空间滤波器，以提高 SSVEP 识别精度，称为基于 OCT 的典型相关分析 (OCT-CCA)。基于公开基准数据集的离线实验对比结果表明，提出的OCT-CCA方法与CCA和基于单独模板的CCA（IT-CCA）相比，检测精度显著提高，尤其是在使用较短数据长度的情况下。最后，对五名健康受试者进行了在线实验，实现了机械臂实时控制系统。结果表明，五名受试者均能独立完成控制机械臂到达三维空间指定位置的任务。
用单臂3- ...
摘要：这项工作提出了配备了单臂3度的机器人操纵器的无人机的设计和开发，旨在增强无人机（无人机）的多功能性和功能。机器人臂的整合将无人机的功能扩展到传统的空中监视之外，从而使其能够在各个行业和社会领域执行复杂的操纵任务。该项目涵盖了几个关键阶段，包括使用SOLIDWORKS设计机器人臂和与PLA材料的3D打印，使用ROS2 Humble实施控制算法，以及与飞行控制器板集成以进行无缝操作。通过一种全面的方法，该项目旨在通过附加的操纵器实现无人机的最佳设计，精确控制和有效的操作。这项研究的结果与行业，社会和学术机构具有很大的相关性，这有助于机器人和无人系统的技术创新，社会影响以及进步。关键字：无人机；机器人; 3dof;操纵器；臂
pan -
{ Computer Science: Programming (Python, C++, C, Matlab, Verilog, Assembly, Perl, TCL, Julia, GO), Machine Learning (Pytorch, Tensorflow, JAX, Pytorch3d, Pytorch Geometric), Data Structures & Algorithms, Operating System, Natural Language Processing, Computer Vision, Convex Optimization, Meta Learning, Reinforcement Learning, Convex Optimization, Advanced ML Theories & Techniques, Others (Bash, Git, Linux) { Robotics: Dynamics & Simulation, Computer Vision (traditional geometric-based & learning-based), Locomotion, Linear & Nonlinear Control (PID, Feedback Linearization, LTI, Optimal Control, etc), Localization, Mapping, Motion Planning, Navigation, Manipulators, ROS, worked with KUKA, Franka manipulator武器，模拟器（Guazebo，Mujoco，V-Rep，Gym）{数学：微积分，线性代数，ODE，ODE，数值分析，概率和统计，一阶逻辑，拓扑，拓扑，物理和工程：控制系统，控制系统，动态，经典和量子和量子，电力和磁性，结构和材料，机构，型号，差异， drigus＆dift>
基于蚂蚁优化 PID 控制器的效率...
摘要 —本文采用带单位反馈的闭环系统中的 PID 控制器来控制机器人机械手。控制器的使用难点在于参数调整，因为调整参数仍然使用试错法来找到 PID 参数常数，即比例增益 (K p )、积分增益 (K i ) 和微分增益 (K d )。在这种情况下，蚁群优化算法 (ACO) 用于寻找 PID 的最佳增益参数。蚂蚁算法是一种组合优化方法，它利用蚂蚁从巢穴到食物所在位置寻找最短路径的模式，该概念应用于通过最小化目标函数来调整 PID 参数，从而使机器人机械手具有改进的性能特征。本研究采用 Matlab Simulink 环境，首先建立系统模型，然后利用蚁群算法确定适当的系数 𝐾 p 、 𝐾 i 和 K d ，以使机器人机械手两个关节的轨迹误差最小化。然后，将这些参数应用于机器人系统。根据计算机仿真结果，与经典 PID 相比，所提出的方法 (ACO-PID) 给出了一个具有良好性能的系统。
深度学习方法从MRI样本分类帕金森氏病
图2转发器起重机：具有四个自由度的液压操纵器，在此图中指定为避免Q 1，Inner Boom Q 2，外臂Q 3和望远镜Q 4。它具有末端效应器，该效应器在繁荣的尖端上，作为抓取日志的工具。它被称为抓手，具有两个主动度的自由度，指定为旋转的Q 5，开口Q 6。所有传感器在逆时针方向上测量正阳性。