摘要:脑机接口 (BCI) 是一种通信机制,利用脑信号控制外部设备。此类信号的产生有时与神经系统无关,例如被动 BCI。这对患有严重运动障碍的人非常有益。传统的 BCI 系统仅依赖于使用脑电图 (EEG) 记录的脑信号,并使用基于规则的翻译算法来生成控制命令。然而,最近使用多传感器数据融合和基于机器学习的翻译算法提高了此类系统的准确性。本文讨论了各种 BCI 应用,例如远程呈现、物体抓取、导航等,这些应用使用多传感器融合和机器学习来控制人形机器人执行所需的任务。本文还回顾了所讨论应用中使用的方法和系统设计。
摘要 — 双边遥控操作为人形机器人提供了人类的规划智能,同时使人类能够感受到机器人的感受。它有可能将具有物理能力的人形机器人转变为动态智能的机器人。然而,由于涉及复杂的动力学,动态双边运动遥控操作仍然是一个挑战。这项工作介绍了我们通过身体倾斜的轮式人形机器人运动遥控概念应对这一挑战的初步步骤。具体来说,我们开发了一种具有力反馈能力的全身人机界面 (HMI),并设计了一个力反馈映射和两个遥控映射,将人体倾斜映射到机器人的速度或加速度。我们比较了这两种映射,并通过实验研究了力反馈的效果,其中七个人类受试者用 HMI 遥控一个模拟机器人执行动态目标跟踪任务。实验结果表明,所有受试者在练习后都完成了两种映射的任务,力反馈提高了他们的表现。然而,受试者表现出两种不同的远程操作风格,它们从力反馈中获益的方式也不同。此外,力反馈影响了受试者对远程操作映射的偏好,尽管大多数受试者在速度映射方面表现更好。
但是,使用当今的技术,高盛的研究预测了对结构化环境(如制造业)的人形机器人的巨大需求。可能包括用例,例如电动汽车组件和组件排序。行业研究表明,中国约有70%的制造业已经通过机械和自动化来完成。由于类人动物更加灵活,能够适应复杂的特征,因此高盛分析师认为他们可以扩大工业自动化市场。
- 基础Linux SDK的 - 建立在行业标准框架之上的AI组件 - AI设备之间的简化迁移以获得所需的性能 - Edge AI Studio是评估的常见工具集
摘要 — 我们报告了一项合作项目的结果,该项目研究了在飞机制造中部署人形机器人解决方案,用于轮式或轨道式机器人平台无法进入的一些装配操作。多接触规划和控制、双足行走、嵌入式 SLAM、全身多感官任务空间优化控制以及接触检测和安全方面的最新发展表明,考虑到这种大规模制造现场的特定要求,人形机器人可能是自动化的可行解决方案。主要挑战是将这些科学和技术进步集成到两个现有的人形平台中:位置控制的 HRP-4 和扭矩控制的 TORO。在空客圣纳泽尔工厂的 1:1 比例的 A350 机身前部模型内的支架组装操作中展示了这种集成工作。我们介绍并讨论了该项目取得的主要成果,并为未来的工作提供了建议。
该团队已经开发出一种步行控制方案,并在之前的人形机器人 HRP-2 上成功测试,验证了强大的步行模式生成器,该生成器速度足够快,可以进行实时计算,并能够自动定位其脚步(应用示例见 [Stasse et al., 2009] 和 [Ramirez-Alpizar et al., 2016])。然而,在新的 Pyr`ene 机器人上,由于比 HRP-2 和其系列的第一个原型(Talos 模型)更重,臀部灵活性等各种技术问题使其在当前的步行模式和控制方案下行走不稳定。因此,已经实施了稳定器并进行了部分测试。实习旨在通过研究稳定器和步行模式生成器来改进控制方案的当前状态,包括实时验证控制以允许机器人进行远程操作。
实现净碳中立性是缓解气候变化的全球目标。建筑和建筑部门负责大约40%的温室气体排放,需要具有新颖的零碳技术。本文研究了将3D混凝土印刷(3DCP)和碳捕获和固存(CCS)相结合的协同潜力,以提高构建中的净碳中立性。通过实施不同的二氧化碳喷涂方式,这项研究表明二氧化碳(CO 2)的摄取和碳酸钙沉淀的结晶度(CACO 3)。发现该方法的性能在很大程度上依赖于适当的打印参数和固化条件。室固定样品表现出最高的CO 2吸收,但机械强度最低,而环境固定样品则显示了相反的趋势。也必须注意,这项研究中CO 2暴露的持续时间相对较短,从而导致CO 2摄取和强度增长的限制。尽管如此,这项研究强调了协同结合3DCP和CCS技术在净碳中立性方面的潜力,强调了建筑部门在实现全球排放减少目标中的关键作用。
当您想到“体现AI”时会想到什么?几个世纪以来,机器人技术一直占据了科幻小说和无限的人类想象力的领域。像Leonardo da Vinci和Ismail al-Jazari这样的有远见的人精心制作了机械生物的早期概念,而Jacques de Vaucanson则引入了一些第一个自动机。在过去的一个世纪中,像艾萨克·阿西莫夫(Isaac Asimov)这样的人物带有“我,机器人”和詹姆斯·卡梅隆(James Cameron)的“终结者”(The Terminator),塑造了我们对机器人在遥远未来可能变成的东西的看法。今天,遥远的未来正在更接近,这是由于人工智能的快速发展,制造成本下降以及各个行业的劳动力短缺的驱动。这些因素不仅加速了人形机器人的发展,而且使我们陷入了机器人革命的边缘。本报告将探讨这场革命的含义 - 如何塑造企业,经济甚至家庭生活。重点是美国市场,观察到人类机器人开发和采用的最前沿的公司。
2 背景——实习开始时的最新水平 9 2.1 人形机器人行走:运动背后的方程式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.2 求解方程:控制方案的实施 . ... . . . . . . . . . . 19 2.3.1 通过控制发散运动分量进行接触扳手控制 20 2.3.2 全身导纳控制:CoM 策略 . . . . . . . . . . 21 2.4 实习目标 . . . . . . . . . . . . . . . 21 2.5 一般方法 . . . . . . . . . . . . . .... .... .... .... .... .... 22