摘要 - 目的:可靠的神经机界界面提供了控制高敏捷的高级机器人手的可能性。这项研究的目的是驱除一种解码方法,以同时估计单个纤维的延伸力和延伸力。方法:首先,通过表面肌电图(EMG)分解来鉴定运动单元(MU)的网络信息,然后将MUS进一步分为不同的池中,以通过重新构造程序将单个固定器的浮动和扩展。在人口水平上 MUFING率,然后通过双变量线性回归模型(Neural-Drive方法)估算单个纤维力。 基于常规EMG振幅的方法被用作比较。 结果:我们的结果表明,与常规方法相比,神经驱动方法的性能要好得多(估计误差和较高的相关性)。 结论:我们的方法为灵敏纤维运动提供了可靠的神经解码方法。 明显的能力:我们方法的进一步探索可能会提供强大的神经机界面,以直观地控制机器人的手。MUFING率,然后通过双变量线性回归模型(Neural-Drive方法)估算单个纤维力。基于常规EMG振幅的方法被用作比较。结果:我们的结果表明,与常规方法相比,神经驱动方法的性能要好得多(估计误差和较高的相关性)。结论:我们的方法为灵敏纤维运动提供了可靠的神经解码方法。明显的能力:我们方法的进一步探索可能会提供强大的神经机界面,以直观地控制机器人的手。
摘要 - 全球农业行业已经面临各种问题,例如人口迅速增长和气候变化。在几个国家中,日本的农业劳动力在下降。为了解决这个问题,日本政府旨在实现应用信息和通信技术,人工智能和机器人技术的“智能农业”。智能农业要求开发机器人技术来进行除草和其他劳动密集型农业任务。机器人除草由一种使用机器学习的对象检测方法组成,以对杂草和农作物进行分类以及使用机器人手和激光器的自主除草系统。但是,这些方法使用的方法会根据作物的生长而改变。除草系统必须根据作物的生长考虑组合。本研究介绍了杂草检测和农作物混合脊(例如大蒜和姜田)中的自主除草。我们首先使用Mask R-CNN开发一种杂草检测方法,该方法可以通过RGB-D相机捕获的颜色图像来检测单个杂草。所提出的系统可以根据检测到的杂草区域和相机捕获的深度图像在物理空间中获得杂草坐标。随后,我们提出了一种指导除草剂操纵器向检测到的杂草坐标的方法。本文通过这两种建议的方法整合了杂草检测和自主除草。我们评估了在实际领域拍摄的图像训练的面膜R-CNN的性能,并证明所提出的自主除草系统在复制的山脊上起作用,其人造杂草类似于大蒜和杂草叶子。
摘要简介:急性透析中并发症仍然是接受血液透析 (HD) 的终末期肾病 (ESRD) 患者的一大负担。它们常常导致 HD 疗程提前终止,从而影响透析充分性和患者的整体健康。这项研究的目的是建立一个人工智能模型并评估其在预测透析中临床事件发生方面的表现。方法:我们研究了 215 名 ESRD 患者进行的 6000 次 HD 疗程,记录了许多预测因素,包括:患者、机器和环境因素。这些数据是在 24 周内收集的,包括 COVID 19 时期的 12 周,并用于开发和训练人工神经网络模型 (ANN) 以预测透析中临床事件的发生,例如:低血压、头痛、高血压、痉挛、胸痛、恶心、呕吐和呼吸困难。结果:我们的 ANN 模型在二元 ANN 中预测透析中并发症(事件或无事件)发生的平均精确度和召回率为 96%,AUC 为 99.3%,而分类 ANN 在预测事件类型方面的准确率为 82%。我们发现心率变化、平均收缩压、超滤率、透析液钠、膳食、尿素减少率、室内湿度和透析持续时间对透析中并发症的发生影响最大。讨论:我们的 ANN 模型可用于预测 HD 患者透析中临床事件的风险,并可为经常人手不足的透析部门的医疗保健决策提供支持,尤其是在 COVID 19 时代。
TYLER SCHILLING:当然!在过去 35 年里,我们一直在寻找提高客户海上生产效率的方法,我们最新的产品是 HD 和 UHD ROV。我们基于这些先前的开发成果取得的最新突破是 GEMINI。它之所以被称为 GEMINI,是因为它在前面有两个相同的机器人手臂。事实上,在开发原型中,一只手臂被命名为 Castor,另一只手臂被命名为 Pollux:这是双子座双胞胎的名字。这是一个非常雄心勃勃的飞跃,它涉及许多非常重要的技术,所有这些技术都专注于让工作系统始终在工作现场执行任务。此外,它使机器的成功操作和这些关键任务的完成比以往任何时候都容易得多。我们采用的关键技术首先是自动工具交换;GEMINI 系统携带 30 种不同的工具,可以在任一机器人手臂上自动交换。通常,更换任一手臂上的任何工具只需不到两分钟,这使得机器可以停留在工作现场(目标是 30 天),而不必无休止地往返地面。这就像你在做一个家庭装修项目,而 DIY 商店离这里有 8 小时的路程,每次你需要一个新工具时,你都必须跑一趟。显然,一键更换 30 种工具对于行业来说是一项非常重要的转变。事实上,在第一次工作不到一周后,它的价值就向客户展示了出来。我们开发的第二项真正重要的技术是机械臂的力柔顺性。这可以减轻工具接触时产生的所有意外力
1安全,环境保护以及质量监督与检查研究所,CNPC Chuanqing钻探工程有限公司,Ltd。拆卸德里克斯(钻孔)。首先,引入了双臂协作机器人的基本概念和技术背景,然后讨论了其在Derricks的组装和拆卸中的特定应用程序及其面临的挑战。最后,总结了当前研究的进展,并提出了未来的发展方向。关键字:双臂协作机器人,德里克,组装和拆卸,拆卸,工业自动化I.随着工业自动化的快速发展,各个领域的机器人技术的应用范围和深度正在不断扩大。无论是制造业,医疗保健,农业还是服务行业,机器人技术都在逐渐改变传统的工作方式和提高效率和质量。在这种情况下,双臂协作机器人是一种可以模拟人手协调运动的高级设备,已经显示出前所未有的潜力。这种类型的机器人不仅可以执行复杂的操作任务,而且还可以通过精确的同步控制和强制反馈机制实现与环境和对象的高度相互作用。但是,传统的手动操作方法在效率和安全性方面存在明显的缺点。在石油钻井行业,Derrick(钻机)拆卸Dissemembly是一项至关重要且具有挑战性的任务。DerrickofDisassemblyThe Installation and Nipysembly Process涉及大量的重型零件和高精度操作,这需要工人具有丰富的经验和高度的协调。效率低下不仅会导致更长的运行时间和增加的成本,而且可能会对整体钻井进度产生负面影响。在高风险的工作环境中,很难完全保证工人的安全,
这些数据是从配备有车载设备的车辆收集的,因此本质上是一项抽样调查。 因此,根据位置的不同,由于样本数量较少,数据的重要性存在问题,并且数据的可靠性偏向某些属性。另一方面,利用AI进行的图像分析,基本上是检测(感知)所安装摄像头的视角内拍摄到的内容,因此只要能够检测,就能够掌握物体的总数。 第二个优点是它可以可靠地捕获偶尔发生的事件。交通事故和危险行为是罕见事件,长时间的人工观察是不现实的。但是,通过AI进行图像分析,可以进行每天24小时、每年365天的观察,通过预先设定异常行为和不正常事件的定义,可以可靠地捕捉到偶尔发生的事件。 另一方面,使用人工智能进行图像分析的最大挑战是“如果你看不到它,你就无法检测到它”。针对各事件的具体对策如下。
多年来,为了满足从辅助机器人和假肢到自主操作和物流等广泛应用领域的设计要求和目标,人们设计了多种形式的假手 (Piazza et al., 2019)。此外,这些设计要求和目标也在不断发展。例如,过去用于自主操作任务的夹持器的设计主要由对稳健性和安全性的需求驱动;如今,需要能够适应外部和非结构化环境并与人类交互的解决方案 (Piazza et al., 2019; Bhatia et al., 2019)。事实上,工业 4.0 范式正在积极推动生产线上的人机协作 (Matsas et al., 2018)。标准工业夹持器通常采用两点或三点捏合抓握,因此与人类的抓握能力相比是有限的 (Kappassov et al., 2013)。因此,使夹持器能够模仿人手的外观和力学原理的可能性代表着朝着多个目标迈出了一步。假肢也需要改进的功能和拟人化的外观(Ten Kate 等人,2017 年)。尽管这两个应用领域存在内在差异,但它们在设计和控制方面都需要廉价且不太复杂的解决方案(Ten Kate 等人,2017 年;Piazza 等人,2019 年)。增材制造 (AM) 技术、硬件组件的持续开发和小型化以及开源硬件的可用性(Piazza 等人,2019 年)在假手的演变中发挥着根本性的作用。3D 打印机械手和 3D 打印软机器人解决方案(Truby 等人,2019 年;Piazza 等人,2019 年)是该领域的两个新兴趋势。 AM 技术有助于降低这些机器人设备的复杂性和生产工作量(Tian 等人,2017 年),例如,可以减少零件总数。还开发了 4D 打印夹持器的尖端示例(Ge 等人,2016 年)。它们的功能归因于形状的固有属性
远程机器人技术旨在将人类的操作技能和灵巧性在任意距离和任意规模上转移到远程工作场所。透明的远程机器人系统可以实现自然而直观的交互。我们假设机器人系统的具身化(包括三个子组件:所有权、代理和自我定位)可实现最佳的感知透明度并提高任务性能。但是,这尚未得到直接研究。我们根据四个前提进行推理,并从文献中提出支持每个前提的发现:(1)大脑可以具身化非身体物体(例如,机器人手),(2)具身化可以通过介导的感觉运动交互来引发,(3)具身化对机器人系统和操作员身体之间的不一致具有鲁棒性,以及(4)具身化与灵巧的任务性能呈正相关。我们使用预测编码理论作为框架来解释和讨论文献中报告的结果。先前的大量研究表明,通过介导的感觉运动交互,可以在各种虚拟和真实的体外物体(包括假肢、化身和机器人)上诱导化身。此外,非人类形态也可以实现化身,包括细长的手臂和尾巴。根据预测编码理论,没有任何一种感觉方式对于建立所有权至关重要,多感官信号的差异不一定会导致化身的丧失。然而,多感官同步或视觉相似性方面的巨大差异可能会阻碍化身的发生。文献对化身和(灵巧的)任务表现之间的联系提供了较少的广泛支持。然而,用假手收集的数据确实表明了正相关性。我们得出结论,所有四个前提都得到了文献中的直接或间接证据的支持,这表明远程操纵器的化身可能会提高遥控机器人的灵巧表现。这值得进一步对遥控机器人中的化身进行实施测试。我们制定了第一套在远程机器人技术中应用具体化的指导方针,并确定了一些重要的研究课题。
视觉是存在的重要方面。失明是影响数百万个人的全球状况。在执行日常任务时,盲人面临各种挑战。他们主要依靠专业知识,智能棍子或其他人的帮助来避免危险[7]。为视力障碍的个体提供具有成本效益的解决方案。使用负担得起的硬件组件和开放源软件通过减少电子废物并使技术更容易访问这种全面的方法来帮助可持续性,以解决视觉障碍者面临的问题是使用技术来缩小可访问性差距[2]。其他无视人的解决方案是阅读文本。需要戴上任何无视力的人手的手指,然后需要戴上戒指设备的手指来指出每个文本字母,但是要指出文本中的每个单词的每个单词都很难为视觉较少的人指出一个巨大的任务。它用相机扫描文本,并创建一个读数文本的声音。这种类型的系统的主要缺点是准确性取决于人们如何将手指指向文本[1]。OCR技术使计算机能够从图像中解释和数字化文本,从而使其成为文档扫描,自动化和实时数据提取的至关重要的工具。但是,将OCR与TTS功能相结合,通过将提取的文本转换为语音,将此功能进一步发展。这样的系统对视觉受损的个体特别有益,使他们能够通过听觉手段“读取”文本。此外,增加多语言支持将应用程序扩展到语言学习,全球沟通和旅游业。该项目将Raspberry Pi作为硬件平台,因为其负担能力,可移植性和与外围设备的集成易用性。OpenCV是一个强大的计算机视觉库,用于预处理捕获的图像,以增强文本清晰度和识别精度。Tesseract OCR是文本提取的骨干。然后由Google文本到语音(GTTS)处理公认的文本,这是一个广泛使用的Python库,提供多语言的文本对语音功能。
拥有超过 25 年的工业/学术从业经验,曾在 C-DOT、印度科学研究所 (IISc.)、维拉诺瓦大学和宾州州立大学伯克分校担任要职。最初在远程信息处理发展中心 (C-DOT) 担任小组组长,拥有超过 3 年的工业经验,管理着大约 20 人,拥有大量预算、大型原型车间和雄心勃勃的目标。主要成就包括 - 从头开始设计电话交换机的电子包装、建立文档流程和内部代码/标准/流程、创建内部开发的原型车间。开发原型并开发供应商以在本土生产这些设备并进行批量供应,从而实现印度电信的现代化。然后在 IISc 任职期间参与了机器人研究 - 设计和开发机器人并研究人工智能、自动化等。然后在路易斯安那州立大学攻读硕士学位期间,致力于使用 3D 打印开发机器人夹持器,并以人手的 MRI 数据作为论文。博士研究涉及上臂动力矫形器的控制,该研究自发表以来已被引用超过 200 次。在宾大博士后期间开发了触觉基元。在维拉诺瓦大学开发了机电一体化选修课和辅修课,目前仍在不断发展。伯克斯机械工程项目 (ME@Berks) 的创始人和现任项目主席。负责设置项目课程、技术选修课、必要的实验室和课程安排。通过购买、指定和订购必要设备以及设置实验来设置 ME 项目所需的实验室。该项目的学生人数从 2013 年的 7 人增加到现在的 180 人左右。聘请了数名教员、1 名技术员,指导了数名新的终身教职和非终身教职人员,自 2007 年加入宾州州立大学伯克分校以来,担任了越来越多的领导职务。在 2015 年获得该项目首个六年认证的项目中发挥了领导作用。积极参与 ASEE、ASME、AGMA 和 APS 等专业协会的领导工作,并通过审阅手稿、在委员会任职等提供服务。为整个社区提供志愿服务。