XiaoMi-AI文件搜索系统
World File Search Systemrobot
带胡椒机器人的社交机器人导航
通过电子邮件发送您的申请，并在对象，简历和求职信中使用[实习]主题。Divin提交候选人资格的截止日期：2024年1月31日，对实习的描述（法语）摘要：人机互动是机器人的主要支柱之一，它仍然有很长的路要走，可以将机器人适应我们的日常生活环境。在人类填充的环境中工作的机器人应该能够感知和理解人类的行为，并使其运动在社会上更加合规。这意味着他们不仅应该保证周围的人的安全，而且还应显示可读的动作，以使人类更容易理解。的确，通过生成可读和有效的轨迹，我们可以优化服务效率和客户在动态和共享空间中的经验。作为Eurobin项目的一部分，我们正在社交导航堆栈中开发，以在餐厅类型的情况下向特定的人传递小物体，同时以温柔和可读性行事，以便目标人和其他环境的人可以理解机器人的意图。这需要通过赋予感知环境所需的传感器机器人的机器人，设计和开发一个能够捕获有关环境和在那里的人的必要信息的感知系统，并最终开发能够为机器人生成“可读性”运动的运动计划算法，同时适应环境中的变化。
机器人的机器人行为基于学习的个性化...
在机器人辅助疗法期间，机器人通常需要由治疗师部分或完全控制，例如使用“向导”方案；这使得治疗课程乏味，因为治疗师无法完全专注于与正在接受治疗的人的互动。在这项工作中，我们开发了一种基于学习的行为模型，该模型可用于增加机器人决策过程的自主权。我们将强化学习作为一种模型培训技术进行了研究，并比较考虑用户参与和活动性能的不同奖励功能。我们还分析了各种策略，旨在使学习过程更加易于处理，即i）具有学识渊博的用户模型的行为模型培训，ii）在用户组之间的策略转移； iii）从专家反馈中学习政策。我们证明，策略转移可以大大加快策略学习过程，尽管奖励功能对机器人可以选择的行动有重要影响。尽管本文的主要重点是个性化管道本身，但我们在一项小规模的现实世界可行性研究中进一步评估了学习的行为模型，在该研究中，六个用户与辅助机器人一起参加了序列学习游戏。这项研究的结果似乎表明，从指导中学习可能会在提高用户的参与度和游戏性能方面产生最适当的政策，但是需要进行大规模的用户研究以验证该观察的有效性。
机器人工程师
随着可观的3D打印的出现，可以按需构建自定义制造的工具，并且添加了低成本的计算机，传感器和执行器，甚至可以构造自定义的机器人。当需要自主系统在新环境中操作或执行新任务时，此功能特别有用。例如，在城市搜救和救援中，通常很难预见如何获得访问权限，以及机器人完成其任务需要什么样的配置。同样，在敏捷制造中，为新任务重新装修自动化设备也消耗了大量资源。降低这一成本使制造商能够对市场变化更容易和有效地做出反应。在本文中，我们描述了用于自动设计和构建3D可打印工具的方法，这些工具可以由机器人用于响应新颖和不断变化的环境和任务。设计源自ILP系统学到的规格。响应机器人在紧急情况下越来越多地使用[5]。目前，他们主要被送入灾难现场，以进行初步监视，然后才进入危险的环境。通常，不可能事先知道机器人需要什么功能来完成其任务。例如，在灾难网站（例如倒塌的建筑物）中获得并在灾难网站上工作是有问题的，因为它们包含意外的障碍，损坏的基础设施，狭窄的空间等。因此，很难预见应该如何配置机器人。而不是使用3D打印，可以创建适合灾难网站独特情况的自定义工具，甚至可以制造完整的机器人[6]。
