XiaoMi-AI文件搜索系统
World File Search System抓取
Clearview AI 签约函
Clearview AI 为全国各地的执法部门提供面部识别服务，该服务与一个包含超过 30 亿个生物特征标识符的数据库相关联，这些标识符是该公司从未经许可从 Facebook、Instagram 和 LinkedIn 等网站抓取的图像中提取的。这种提取标识符的做法明显侵犯了隐私权。由于 Clearview AI 对面部识别的使用一直是秘密进行的，因此无法知道有多少人因其技术而被错误逮捕。Clearview AI 的面部识别已被新泽西州执法部门禁止使用，被加拿大隐私专员视为非法，并成为佛蒙特州总检察长和多个民权、种族正义和社区组织起诉的对象。Facebook、LinkedIn、Google 和 Twitter 都已向 Clearview AI 发送了停止函，指控其抓取数据违反了其服务条款。
基于电活性聚合物的软微夹钳
摘要 在微尺度上抓取和操纵物体具有很大的前景，尤其是使用由软材料制成的机械结构，例如，这种结构可以确保在微手术过程中的安全操作。软机器人应该是操纵微物体的首选，但它们的采用需要软传感器，这些传感器可以在空气或溶液中工作。最终，它们应该能够在低电压下驱动，并且易于制造。本文介绍了我们对基于导电聚合物的传感器的研究结果。我们证明这种材料适合构建敏感结构，并提出了一种微夹钳来说明结果。观察到大应变，产生 0.17 mN 的抓取力。此外，与以前的工作相比，我们表明制造过程可以缩小规模，同时保留材料在驱动和传感模式下的行为。获得的宏观机械模型对于微尺度驱动和传感仍然有效。
面向线状柔性物体的机器人操作研究进展与展望
此类任务同样可以先离线学习状态转移预测模 型再使用 MPC 计算控制输入 [28-29] ，或直接使用强 化学习方法 [68-69] ，但需要大量训练数据且泛化性较 差。在准静态的局部形变控制中，更常用的方法是 在线估计局部线性模型。该模型假设线状柔性体形 状变化速度与机器人末端运动速度在局部由一个雅 可比矩阵 JJJ 线性地联系起来，即 ˙ xxx ( t ) = JJJ ( t ) ˙ rrr ( t ) ，其 中 ˙ xxx 为柔性体形变速度， ˙ rrr 为机器人末端运动速度。 由于使用高频率的闭环反馈来补偿模型误差，因此 完成任务不需要非常精确的雅可比矩阵。 Berenson 等 [70-71] 提出了刚度衰减（ diminishing rigidity ）的概 念，即离抓取点越远的位置与抓取点之间呈现越弱 的刚性关系，并据此给出了雅可比矩阵的近似数学 表示。此外，常用的方法是根据实时操作数据在线 估计雅可比矩阵，即基于少量实际操作中实时收集 的局部运动数据 ˙ xxx 和 ˙ rrr ，使用 Broyden 更新规则 [72] 、 梯度下降法 [73] 、（加权）最小二乘法 [33-34,74] 或卡尔 曼滤波 [75] 等方法在线地对雅可比矩阵进行估计。 该模型的线性形式给在线估计提供了便利。然而， 雅可比矩阵的值与柔性体形状相关，因此在操作 过程中具有时变性，这使得在线更新结果具有滞 后性，即利用过往数据更新雅可比矩阵后，柔性体 已经移动至新的形状，而新形状对应的雅可比矩阵 与过往数据可能并不一致。同时，完整估计雅可比 矩阵的全部元素需要机器人在所有自由度上的运 动数据，这在实际操作过程中难以实现，为此一些 工作提出根据数据的奇异值进行选择性更新或加 权更新 [74] 。此外，此类方法需要雅可比矩阵的初 值，一般在操作前控制机器人沿所有自由度依次运 动，收集数据估计初始位置的雅可比矩阵。受上述 问题影响，在线估计方法往往仅适用于局部小形变 的定点控制，难以用于长距离大形变的轨迹跟踪。 Yu 等 [31] 提出 ˙ xxx = JJJ ( xxx , rrr ) ˙ rrr 的模型形式，其中 JJJ ( · ) 为 当前状态至雅可比矩阵的非线性映射，待估计参数 为时不变形式。基于该模型，该方法将离线学习与 在线更新无缝结合，实现了稳定、平滑的大变形控 制。 Yang 等 [76-77] 使用模态分析方法建立柔性体模
myCobot AI 套件
myCobot人工智能套件是一款集视觉、定位抓取、自动分拣等模块于一体的入门级人工智能套装。基于Linux系统，在ROS中搭建1：1仿真模型，通过软件开发实现对机械臂的控制。简单易学。可快速学习人工智能基础知识，启发创新思维，领悟开源创意文化。
空间机器人如何受益于世界标准......
EtherCAT 支持任何拓扑，而不会影响性能，也不存在级联交换机或集线器所带来的复杂性：线型、树型和星型拓扑可以自由组合。每个网段最多可以有 65,535 个节点。一个主站可以托管多个网段。EtherCAT 主站可以使用拓扑识别功能自动检测网络变化，该功能将实际网络与主站预期的配置进行比较，并据此重新配置。因此，节点可以在运行期间连接和断开。动态适应网络识别允许在运行期间连接和断开网络段或单个节点，例如当机器人操纵器抓取并连接到特定的基于 EtherCAT 的传感器工具时。EtherCAT 从站控制器是此热连接功能的基础。EtherCAT 会自动为从站节点分配地址，因此无需手动寻址。这高度支持不断变化的机器人操纵器配置，其中机器人必须扩展其内部数据网络以包括外部抓取负载和/或传感器。地址可以保留，这样如果添加更多节点，就不需要新的寻址，因为在启动时地址会自动分配。
基于差分平面度的一类 3D 空中机械手的 6D 位姿任务轨迹跟踪
I. 引言 A. 背景与动机 近年来，空中操控引起了机器人研究界的极大兴趣 [1]。多个研究小组展示了使用安装在空中机械手上的夹持器进行空中抓取 [2]–[4]。Lee 和 Kim、Kim 等人展示了协作式空中机械手在有障碍物的环境中抓取未知有效载荷 [5]，[6]。Orsag 等人演示了使用四旋翼平台和安装在平台上的双臂执行拾取和钉孔任务 [7]。欧盟第七框架计划资助了几个空中机械手项目，研究空中机械手与环境交互时的运动规划和阻抗控制 [8]–[10]。德国航空航天中心的一个研究小组介绍了安装在直升机上的 7 自由度人形手臂的潜在应用 [11]。类似 Delta 的机构 [12] 和并联机械手 [13] 也被考虑用于空中机械手。这些现有的研究为空中操纵的研究提供了广阔的未来。然而，与地面操纵器相比，空中操纵器能够完成的任务仍处于非常初级的阶段。这是由于许多因素造成的，例如
神经机器人：生物材料作为即用型执行器
通过进化而完善的设计已为仿生动物机器人提供了灵感，它们可以模仿猎豹的运动和水母的柔顺性；生物混合机器人更进一步，将生物材料直接融入工程系统。仿生和生物混合带来了新的、令人兴奋的研究，但人类一直依赖生物材料——来自生物体的非生物材料——因为他们的早期祖先穿着动物皮作为衣服，用骨头作为工具。在这项工作中，一只无生命的蜘蛛被重新用作一个随时可用的执行器，只需一个简单的制造步骤，开创了“死机器人”领域，其中生物材料被用作机器人组件。蜘蛛独特的行走机制——依靠液压而不是拮抗肌对来伸展腿部——产生了一个死机器人夹持器，它自然处于闭合状态，可以通过施加压力打开。死灵机器人抓手能够抓取不规则几何形状的物体，抓取重量可达自身重量的 130%。此外，抓手可用作手持设备，并可在户外环境中伪装。死灵机器人可进一步扩展，以整合来自其他生物的生物材料，这些生物具有类似的液压机制，可用于运动和关节活动。
ai-art-prize.pdf - Golan Levin 的课程
一些评论家认为，新一代人工智能工具的不同之处不仅在于它们能够以最小的努力创作出精美的艺术作品。而是它们的工作方式。DALL-E 2 和 Midjourney 等应用程序是通过从开放网络上抓取数百万张图像来构建的，然后教算法识别这些图像中的模式和关系并以相同的风格生成新图像。这意味着将作品上传到互联网的艺术家可能在不知不觉中帮助训练他们的算法竞争对手。