XiaoMi-AI文件搜索系统
World File Search System器人
基于空间表征语义层次的机器人探索与绘图策略
许多科学家 [Lynch，1960；Piaget 和 Inhelder，1967；Siegel 和 White，1975] 已经观察到认知地图被组织成连续的层，并提出对大规模环境的有用且有力的描述的核心要素是拓扑描述。分层模型包括从局部感官信息中识别和辨认地标和地点；路线控制知识（从一个地方到另一个地方的过程）；连通性、顺序和包含的拓扑模型；以及形状、距离、方向、方位以及局部和全局坐标系的度量描述。看来，认知地图的分层结构是人类在大规模空间中稳健表现的原因。我们的方法试图将这些方法应用于机器人探索和地图学习问题。我们定性方法中对环境的核心描述是拓扑模型，如 TOUR 模型 [Kuipers，1978]。该模型由一组节点和弧组成，其中节点代表环境中可识别的位置，弧代表连接它们的行进路径。节点和弧是根据机器人的感觉运动控制能力程序性定义的。度量信息添加到拓扑模型之上。
学习课程-B.Tech。机器人技术和自动化
●模块I差分计算：审查极限，不确定形式和L'Hospital的规则。连续性和不同性。平均值定理和应用，Taylor的定理，Maxima和Minima。●模块II真实序列和序列：序列和串联，LIMSUP，LIMINF，序列的收敛以及一系列实数，绝对和条件收敛。●模块III积分计算：Riemann积分，积分计算的基本定理，确定积分的应用，不正确的积分，beta和γ函数。●模块IV高级演算：几个变量的功能，极限和连续性，部分衍生物和不同性，链规则，均匀函数以及Euler定理。Taylor的定理，Maxima和Minima以及Lagrange乘数的方法。●积分计算的模块V应用：双重和三个集成，Jacobian和变量公式的更改。曲线和表面的参数化。在集成符号下具有恒定和可变限制和应用的差异。
团队90H：机器人真空吸尘器
现在我们决定对机器人真空吸尘器进行逆转，下一个挑战是要获得一个模型。理想情况下，我们希望打开一个室内或类似的真空吸尘器，但我们无法将手放在不起作用的室上。所以，我们必须安顿下一个来自亚马逊的便宜版本。尽管如此，我们还是决定继续前进，因为即使该真空吸尘器没有Roomba的所有强大功能，它仍然可以瞥见任何机器人真空吸尘器的基础功能。
RAS-SES 598-空间机器人和AI
本课程为机器人探索以及AI驱动的映射和采样技术提供了全面的介绍，该技术量身定制，用于太空探索和地球观察。学生将在计算机视觉，同时本地化和映射（SLAM），多机器人协调以及使用高级AI工具在极端环境中运营等关键领域获得专业知识。课程强调现实世界的实施，将讲座与动手项目结合使用移动性自主系统，包括自主地面，空中和水生机器人作为数字双胞胎可用的以及在梦境实验室中的物理。该课程最终达到了一个基于小组的最终项目，学生在该项目中设计并展示了端到端的机器人系统，用于未来的空间探索，行星科学和地球观察。
自动移动机器人的稳定跟踪控制方法
本文提出了针对非BOLONOMIC车辆的稳定跟踪控制规则。通过使用Liapunov函数来证明该规则的稳定性。对车辆的输入是参考姿势（x，y ,, 8）'和参考速度（v，ar）'。本文的主要目的是提出一个控制规则，以找到合理的目标线性和旋转速度（v，a）'。线性化系统的微分方程对于确定对小干扰的关键倾倒参数很有用。为了避免任何滑倒，引入了速度/加速度限制方案。有或没有速度/加速度限制器的几个合理结果。本文提出的控制规则和限制方法是与机器人无关的，因此可以应用于具有死亡算力能力的各种移动机器人。此方法是在自动移动机器人Yamabico-11上实现的。获得的实验结果接近速度/加速度限制器的结果。
球机器人平台的机械设计
在本论文中，研究了一个新的Ballbot Rezero的球结构，其负载能力高达100 kg。此外，需要低重量和良好的形式稳定性，以实现轻松的球。还应在地面上提供足够的摩擦，以避免滑动和阻尼特性，以使像地毯边缘这样的小凹凸被吸收。在功能分析的帮助下，发现了一个新的球版本，该版本由内部形式稳定的空心球和外部摩擦提供涂层组成。通过使用聚酰胺-12（PA-12）对内部和聚氨酯（PU）进行外部部分，得出上述规格来实现此结构。这种具有高负载能力的新球结构为使用REZERO用于运输目的的基础奠定了基础。
工程II：机器人技术 - 设计，建筑和操作
●确定机器人的各个部分。●确定机器人的目的。●讨论不同类型的机器人控制系统。●定义术语“自主”和“远程处理”机器人。●在设计过程中考虑机器人的目标。●确定并考虑设计机器人（例如功能成本，安全性和道德）所涉及的不同因素。●使用CAD软件设计和模拟机器人机制。●安全操作机器人。●确定用于构建机器人的物理零件。●安装使机器人起作用所需的物理和电气组件。●组装机器人。●故障排除和维修机器人。●编写一个简单的程序供机器人执行任务。●编程机器人使用传感器的信息来控制其物理输出。●调试和完善机器人程序。●确定无人机和其他非驾驶飞机的用途。●解释AI和ML在机器人技术中的一些关键应用。●识别AI在机器人技术中的用途。
MCD：机器人感知的多种大型多校区数据集
感知在各种机器人应用中起着至关重要的作用。但是，现有的良好的数据集偏向自动驾驶场景，而未标记的SLAM数据集则很快过于拟合，并且通常缺乏环境和域变化。为了扩大这些领域的边界，我们介绍了一个名为MCD（Multi-campus数据集）的全面数据集，其中包含各种感应方式，高准确的地面真相以及在三个欧亚大学的欧亚大学校园内的挑战性环境。MCD包括CCS（经典的圆柱旋转）和NRE（非重复性环球）LIDAR，高质量的IMU（惯性测量单元），相机和UWB（URWB（Ultra-Wideband））传感器。更重要的是，在开创性的努力中，我们引入了29堂课的语义注释，超过59k稀疏的nre lidar扫描