XiaoMi-AI文件搜索系统
World File Search System抓握
tiago高度冗余机器人用于抓握操作的姿势优化
在发布政策中指定了此版本的手稿的重复使用条款和条件。使用受版权保护的作品需要权利持有人（作者或出版商）的同意。可根据创意共享许可证或发布者的定制许可提供的作品可根据其中包含的条款和条件使用。有关更多信息和条款和条件，请参见编辑网站。此项目是从IrisUniversitàPolitecnicadelle Marche（https://iris.univpm.it）下载的。引用时，请参阅已发布的版本。
口腔微生物群和阿尔茨海默氏病 tiago高度冗余机器人用于抓握操作的姿势优化 克罗地亚白葡萄品种Maraština dynare复制“世俗停滞模型 通过传统和生物技术方法提高了果树种类的营养质量 治疗brafv600e杂交转移性结直肠癌的患者进展为encorafenib和cetuximab：来自现实世界中的全国数据集的数据 神经炎症：正常衰老和与年龄相关的神经退行性疾病之间的紧密线 恐怖行为和行人行为
在发布政策中指定了此版本的手稿的重复使用条款和条件。使用受版权保护的作品需要权利持有人（作者或出版商）的同意。可根据创意共享许可证或发布者的定制许可提供的作品可根据其中包含的条款和条件使用。有关更多信息和条款和条件，请参见编辑网站。此项目是从IrisUniversitàPolitecnicadelle Marche（https://iris.univpm.it）下载的。引用时，请参阅已发布的版本。
6-DOF闭环抓握，并进行加固学习
摘要 - 我们提出了一个基于深厚的增强学习（DRL）的基于新颖的6多型，6多的抓地框架，该框架能够直接合成笛卡尔空间中的连续6-DOF动作。我们所提出的方法使用了直觉的RGB-D摄像头的视觉观察，我们通过域随机化，图像增强和分割工具的结合来减轻SIM到真实的间隙。我们的方法包括一个非政策，最大渗透性，演员算法，该算法从二进制奖励和一些模拟示例grasps中学习了政策。它不需要任何现实世界的掌握示例，对模拟进行了完全训练，并且直接部署到现实世界中而没有任何微调。The efficacy o f o ur a pproach i s d emonstrated i n simulation and experimentally validated in the real world on 6-DoF grasping tasks, achieving state-of-the-art results of an 86% mean zero-shot success rate on previously unseen objects, an 85% mean zero-shot success rate on a class of previously unseen adversarial objects, and a 74.3% mean zero-shot success rate on a class of previously看不见，具有挑战性的“ 6-DOF”对象。可以在https://youtu.be/bwpf8imvook
spirobs：对数螺旋形机器人，用于跨音阶的多功能抓握Zhanchi Wang，1 Nikolaos M. Freris，1,3， *和XI Wei 2，** 1 School
spirobs：对数螺旋形机器人，用于遍及尺度的多功能抓握Zhanchi Wang，1 Nikolaos M. Freris，1,3， *和XI Wei 2，** 1计算机科学技术学院，中国科学技术大学，中国，Hefei，Anhui，Anhui，Prc，Prc，230026。2中国科学技术大学化学与材料科学学院，Hefei，Anhui，Prc，230026 3 Lead Contact *通信：nfr@ustc.edu.cn。 **通信：wxi@ustc.edu.cn。 总结实现具有生物学上可比灵活性和多功能性的软操作器通常需要仔细选择材料和驱动以及其结构，感知和控制的细心设计。 在这里，我们报告了一类新的软机器人（螺纹），该机器人在形态上复制了在自然附属物中观察到的对数螺旋模式（例如，章鱼臂，大象躯干等）。 这允许在不同尺度和快速廉价的制造过程中建立共同的设计原理。 我们进一步提出了一个受章鱼启发的抓斗策略，可以自动适应目标对象的大小和形状。 我们说明了螺旋罗的敏捷性，以及抓紧大小的物体的能力，其大小多于两个以上的数量级，并且自重的260倍。 我们通过另外三种变体演示可伸缩性：微型抓手（MM），一个长时间的操纵器和一系列可以纠结各种物体的螺旋体。 这些附件能够具有显着的运动复杂性，并提供各种重要功能，例如猎物捕获，运动，操纵和防御。2中国科学技术大学化学与材料科学学院，Hefei，Anhui，Prc，230026 3 Lead Contact *通信：nfr@ustc.edu.cn。**通信：wxi@ustc.edu.cn。总结实现具有生物学上可比灵活性和多功能性的软操作器通常需要仔细选择材料和驱动以及其结构，感知和控制的细心设计。在这里，我们报告了一类新的软机器人（螺纹），该机器人在形态上复制了在自然附属物中观察到的对数螺旋模式（例如，章鱼臂，大象躯干等）。这允许在不同尺度和快速廉价的制造过程中建立共同的设计原理。我们进一步提出了一个受章鱼启发的抓斗策略，可以自动适应目标对象的大小和形状。我们说明了螺旋罗的敏捷性，以及抓紧大小的物体的能力，其大小多于两个以上的数量级，并且自重的260倍。我们通过另外三种变体演示可伸缩性：微型抓手（MM），一个长时间的操纵器和一系列可以纠结各种物体的螺旋体。这些附件能够具有显着的运动复杂性，并提供各种重要功能，例如猎物捕获，运动，操纵和防御。关键字柔软的机器人，对数螺旋，多尺度设计，软机器人握把介绍某些动物具有细长，灵活的附属物，范围从海马长度的几厘米和Chameleons的前尾尾巴1,2到超过一米的章鱼臂和大量的off臂和大头臂和大头脑trunks trunk trunks trunks 3，4。通过利用软材料或合规机制5-7，这是设计和构建柔软连续操作器的灵感来源。尽管机器人已经成功地重现了此类机器人系统中的柔性变形，并且在处理脆弱或不规则形状的物体8，安全的人类机器人互动任务9-11，医疗应用12,13等方面表现出了巨大潜力，但生物学示例在脱氧和敏捷性方面仍然超过了特大工程。例如，大象树干可以包裹直径为3厘米的胡萝卜，而它也可以抓住和堆叠300千克的树桩，直径超过直径14。章鱼手臂可以伸出手，并在次秒时间尺度上捕获鱼。
在复杂包装工厂环境下进行精确抓握的新型机器人抓握框架（2024年9月）
抽象作为实际包装场景中的抓地力行为很容易受到各种干扰的影响，视觉抓握预测系统遭受了稳健性和检测准确性低的差。在这项研究中，已经提出了一个以线性全球注意机制为基础的智能机器人抓手框架（RTNET），以实现在实际包装工厂场景中实现高度稳健的机器人掌握的预测。首先，为了减少计算资源，在机器人抓握过程中已经开发了一种优化的线性注意机制。然后，已对本地窗口转换算法进行了调整，以收集功能信息，然后通过向上和下采样的层次设计集成全局功能。为了进一步改善开发的框架，可以通过减轻噪声干扰的能力，建立了一种自称的特征体系结构，以增强其强大的学习能力。此外，已经生成了真正的操作环境中的握把数据集（RealCornell），以实现对真实抓地力的过渡。为了评估所提出的模型的性能，在Cornell数据集，实核数据集和实际场景上对其掌握的预测进行了实验检查。结果表明，RTNET在Cornell数据集上的最大准确度为98.31％，在复杂的RealCornell数据集上达到了93.87％。在考虑实际包装情况下，所提出的模型还证明了在抓住检测方面的准确性和鲁棒性水平很高。综上所述，RTNET对包装行业的机器人握把的高级部署和实施提供了宝贵的见解。
视觉模仿以任务为导向的对象抓握和重新排列
摘要 - 面向任务的对象抓握和重排是机器人的关键技能，必须执行多功能的现实世界操纵任务。然而，由于对物体的部分观察并形成了分类对象的变化，它们仍然具有挑战性。在本文中，我们介绍了多元特征隐式模型（MIMO），这是一种新颖的对象表示，在隐式神经场中编码点和对象之间的多个空间特征。在多个特征上训练这样的模型可确保其始终如一地嵌入对象形状，从而改善其在对象形状中的性能，从部分观察，形状相似性度量和对象之间的空间关系进行建模。基于MIMO，我们提出了一个框架，以从单个或多个人类演示视频中学习面向任务的对象抓握和重排。仿真中的评估表明，我们的方法的表现优于多和单视图观察的最新方法。现实世界实验证明了我们方法在对操纵任务的单次模仿学习中的功效。
dexgraspnet 2.0：在大规模合成的杂物场景中学习生成灵巧的抓握
摘要 - 由于数据稀缺，在混乱的场景中挖掘仍然是灵巧的手。为了解决这个问题，我们提出了一个大规模的合成数据集，包括1319个对象，8270个场景和4.26亿个格拉斯普斯。除了基准测试之外，我们还从掌握数据中探索了数据有效的学习策略。我们揭示了以局部特征为条件的生成模型和强调复杂场景变化的GRASP数据集的组合是实现有效概括的关键。我们提出的生成方法在模拟实验中优于所有基准。更重要的是，它通过测试时间深度恢复表明了零拍的SIM到现实转移，获得了90.70％的现实世界灵巧抓地力成功率，展示了利用完全合成训练数据的强大潜力。
猕猴在同侧和对侧伸手抓握过程中初级皮质和运动前皮质局部场电位的差异调节
研究文章 | 系统/电路 猕猴在同侧和对侧伸手抓握过程中初级和运动前皮质局部场电位的差异调节 https://doi.org/10.1523/JNEUROSCI.1161-23.2024 收到日期：2023 年 6 月 23 日 修订日期：2024 年 4 月 2 日 接受日期：2024 年 4 月 3 日 版权所有 © 2024 Falaki 等人。这是一篇开放获取的文章，根据知识共享署名 4.0 国际许可条款分发，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当的署名。
热纱：即使在抓握和行走时，也可以启用热反馈
图1：（a）我们提出了一种新方法，使热反馈设备能够提供逼真的温度感觉，同时仍允许用户抓住或踩到真实对象 - 不仅可以虚拟对象显示温度，但是用户也可以感觉到并掌握真实对象，例如道具。我们的方法与传统的热接口不同，其中将毛皮器设备应用于用户的手来使虚拟物体的温度呈现。不幸的是，将毛皮元件及其冷却单元（风扇和热量）直接连接到一个人的手掌，可防止用户也无法掌握真实的对象。同样，现有的热接口不能应用于脚底（因为需要踩在冷却单元上）。结果是现有的温度接口主要限于虚拟相互作用（免提，没有道具）。使用ThermalGrasp，（b）我们探索了一种灵活的热机构，该机构允许冷却单元从用户的手掌或鞋底移开，从而使它们能够掌握并踩踏物体。
审查机器人抓握的强化学习
摘要本评论论文对重点介绍了机器人握把的挑战以及各种机器学习技术的有效性，尤其是那些利用深神经网络（DNNS）（DNN）和增强学习（RL）的挑战的全面分析。这篇评论的目的是通过在一个地方收集不同形式的深入学习（DRL）掌握任务来简化他人的研究过程。通过对文献的彻底分析，该研究强调了对机器人抓住的批判性质，以及DRL技术（尤其是软性批评（SAC）策略）如何在处理任务方面表现出很高的效率。这项研究的结果对机器人的更先进和有效的握把系统具有重要意义。在该领域进行的持续研究对于进一步增强机器人在处理复杂和挑战性任务（例如抓地力）方面的能力至关重要。