XiaoMi-AI文件搜索系统
World File Search System机器人学
机器人学习中的Koopman操作员
摘要 - Koopman操作员理论提供了严格的动力学处理，并已成为一种强大的建模和基于学习的控制方法，从而实现了在机器人技术各个领域的重要进步。由于其能够代表非线性动力学作为线性操作员，Koopman理论提供了一种新鲜的镜头，可以通过它来理解和应对复杂机器人系统的建模和控制。此外，它可以启用增量更新，并且在计算上是廉价的，使其对实时应用程序和在线积极学习特别有吸引力。本评论全面介绍了有关跨机器人技术领域的Koopman操作员理论的最新研究结果，包括空中，腿部，轮子，水下，软体和操纵器机器人技术。更重要的是，它提供了实用的教程，以帮助新用户开始，并提供更高级的主题的论文，从而导致对未来的方向和开放研究问题的前景。综上所述，这些提供了对Koopman理论的潜在演变的见解，该理论应用于机器人技术领域。
Leap Hand V2：灵巧，低成本的拟人化杂交刚性刚性软手，用于机器人学习
摘要 - 人类的手是生物学的非凡壮举，具有许多关节和肌肉的同时，具有出色的多功能性和精度。它使我们能够以极大的力量处理复杂的工具。然而，它保留了柔软，安全且屈服于精致物体的性质。强大的强度和柔和的合规性融合使其成为无与伦比的操纵仪器。但是，试图模拟这一点的机器人之手通常属于两个类别之一：软或刚性。柔软的手，虽然符合性和安全性缺乏人类手的精度和力量。相反，虽然刚性机器人的手可以与人体的精确性和力量相匹配，但它们是脆弱的，不符合其环境。我们提出的解决方案是建立一个机器人手，弥合这两个类别之间的差距。我们称此手DLA手，一种灵巧的，$ 3000，简单的拟人化软手，非常灵巧且多才多艺。首先，它通过3D打印的软外部与3D打印的内部骨结构相结合，达到了人体手状的柔软度和刚度的平衡。接下来，DLA手在可折叠的棕榈中结合了两个动力的表达：一个横跨四个手指，另一只手指靠近拇指，模仿了类似人类的握把的基本棕榈灵活性。最后，DLA
安全学习|机器人学习|柏林
L. Brunke，M。Greeff，A。W。Hall，Z. Yuan，S。Zhou，J。Panerati和A. P. Schoellig。 机器人技术中的安全学习：从基于学习的控制到安全的加强学习。 5：411–444。 url：https：//www.annualreviews.org/content/journals/10.1146/annurev-control-042920-020211，doi：10.1146/annurev-control-042920-042920-020211 >L. Brunke，M。Greeff，A。W。Hall，Z. Yuan，S。Zhou，J。Panerati和A. P. Schoellig。机器人技术中的安全学习：从基于学习的控制到安全的加强学习。5：411–444。 url：https：//www.annualreviews.org/content/journals/10.1146/annurev-control-042920-020211，doi：10.1146/annurev-control-042920-042920-020211 >5：411–444。url：https：//www.annualreviews.org/content/journals/10.1146/annurev-control-042920-020211，doi：10.1146/annurev-control-042920-042920-020211
在机器人学习中的研究职位（f/m/d）为“ AI和机器人技术”
•您在计算机科学，机械学，机械工程，工业工程或可比领域的计算机科学，机械工程学，机械工程学，机械工程学，具有很好的学位（文凭/硕士学位）。•您在机器人技术方面具有很强的背景和实践经验。•您具有很好的编程技能（例如Python，C ++）。•您以前在与硬件相关的机器人程序中（例如，使用ROS）有经验。•（深）增强学习背景是一个加号。•您的个人资料：高度动机，独立于个人责任，良好的沟通和团队合作技能。职责：
点云模型改善了机器人学习者的视觉鲁棒性
摘要 - 视觉控制策略在视觉条件（如照明或摄像机位置）与训练过程中所见的情况有所不同时可能会遇到重大的性能降解 - 通常甚至在较小的差异方面表现出急剧下降的能力。在这项工作中，我们研究了基于RGB-D和基于点云的视觉控制策略的这些类型的视觉变化的鲁棒性。要对基于模型和基于模型的强化学习者进行这些实验，我们引入了一种新颖的Point Cloud World Model（PCWM）和基于点云的控制策略。我们的实验表明，明确编码点云的策略比其RGB-D对应物更强大。此外，我们发现我们提出的PCWM在训练过程中的样本效率方面显着优于先前的工作。在一起，这些结果表明，通过点云进行有关3D场景的推理可以提高性能，减少学习时间并增加机器人学习者的鲁棒性。项目网页：https：//pvskand.github.io/projects/pcwm
使用增益比和结合机器学习Dwinanda Bagoes Ansori，Joko Slamet，Muhammad Zakky Ghufron，Muham 人工智能在宗教心理学研究中的作用 自然语言处理的生成人工智能工具的比较分析 通过虚拟现实框架演示的机器人学习的服装操纵数据集 通过多层大语言模型增强机器人任务计划和执行 硅，有机和钙钛矿太阳能电池 改良的Nife2O4支持的石墨烯氧化石墨烯可有效尿素电化学氧化和水分分割应用
摘要：本文介绍了对任意几何形状的薄壁聚合物复合材料结构的各种真空输注模式进行建模的结果。制造结构的较小厚度以及其背面在模具的刚性表面上的固定，使得可以显着简化过程模型，这考虑了热固性树脂的繁殖，随着可压缩的3D几何形状的可压缩多孔性的流变学的变化，以及在注射和真空端口的边界条件变化的情况下，以及在Post-Post-Post-sourting post-sourting post-sourting sourting sourting sourting sourting sourting sourting-sourting-sourting-sourting inforning sout-forting sourting。在灌注后阶段研究的四种真空灌注成型模式中，在预成型的开放表面和真空端口以及注入门的状态（开放）（开放）（开放）。该过程的目标参数是纤维体积分数，壁厚，壁厚，用树脂和过程持续时间填充纤维体积分数的大小和均匀性。对所获得的结果的比较分析使您有可能确定最有希望的过程模式，并确定消除不良情况的方法，从而使制成的复合结构的质量恶化。通过将其应用于薄壁飞机结构的成型过程所证明的开发仿真工具的能力，允许人们合理选择过程控制策略以获得最佳可实现的质量目标。
认知机器人学中的常识知识
机器人技术中最大的挑战之一是在未知对象上执行未知环境中执行未知任务所需的概括。对我们人类而言，通过我们可以访问的常识性知识来简化这一挑战。对于认知机器人技术，代表和获取常识性知识是一个相关问题，因此我们进行系统的文献综述，以调查认知机器人技术中常识性知识开发的当前状态。在此评论中，我们将六个搜索引擎上的关键字搜索与六个相关评论的滚雪球搜索结合在一起，从而产生了2,048个不同的出版物。应用预定义的包含和排除标准后，我们分析了其余52个出版物。我们的重点在于使用常识性知识的用例和域，所考虑的常识方面，用作常识知识来源的数据集/资源以及评估这些方法的方法。此外，我们发现了从知识表示与推理与认知机器人界的研究之间的术语差异。通过查看Zech等人进行的广泛审查来研究这种鸿沟。（《国际机器人研究杂志》，2019，38，518–562），尽管有类似的目标，但我们还是没有重叠的出版物。
在机器人学习和计划中使用几何结构
[信用：UVA Group Equivariant NNS演讲； https://github.com/quva-lab/escnn;几何深度学习，Bronstein等。2021]