XiaoMi-AI文件搜索系统
World File Search System机械手
BEHAVIOR-1K：具有 1,000 个日常活动和现实模拟的具身 AI 基准
摘要：我们提出了 BEHAVIOR-1K，一个以人为本的机器人综合模拟基准。BEHAVIOR-1K 包括两个部分，分别由“您希望机器人为您做什么？”这一广泛调查的结果指导和推动。第一个部分是定义 1,000 种日常活动，基于 50 个场景（房屋、花园、餐厅、办公室等），其中有 5,000 多个对象，并标注了丰富的物理和语义属性。第二个部分是 O MNI G IBSON，这是一个新颖的模拟环境，它通过逼真的物理模拟和刚体、可变形体和液体的渲染来支持这些活动。我们的实验表明，BEHAVIOR-1K 中的活动是长期的并且依赖于复杂的操作技能，这两者对于最先进的机器人学习解决方案来说仍然是一个挑战。为了校准 BEHAVIOR-1K 的模拟与现实之间的差距，我们提供了一项初步研究，研究如何在模拟公寓中使用移动机械手学到的解决方案转移到现实世界中。我们希望 BEHAVIOR-1K 的人性化本质、多样性和现实性能够使其对具身化 AI 和机器人学习研究有价值。项目网站：https://behavior.stanford.edu。
安德鲁·戈登伯格
1990 年，安大略省哈格斯维尔的 1400 万个旧轮胎被烧毁。一位关注这一情况的私营企业家与 Goldenberg 合作，制造了一台机器人机器，可以确定轮胎是否支持翻新。为了检查轮胎，旧轮胎被安装起来，以便小型机械臂可以在轮胎内部旋转以绘制内部结构。在同一十年中，Goldenberg 开始与加拿大原子能有限公司 (AECL) 进行为期五年的合作，其中包括开发多个机器人来支持核能运营。第一个是制造用于维护核反应堆管道的机械臂。管道需要定期进行内部清洁，但由于高辐射水平，对人类构成重大风险。Goldenberg 为 AECL 创建的另一个工作原型是长距离机械手，用于在放射性排放高于人类安全允许值的区域运行。它包括一个超声波扫描仪，用于绕着反应堆的支腿移动并定期扫描危险缺陷。第三次合作包括自动处理员工生物样本，以便可以在无需人工干预的情况下对生物材料进行准备和放射性扫描。
在复杂森林环境中探索的球形空中操纵器机器人
从无人机中受益匪浅的重要研究领域是精确农业，因为它们具有出色的空间分解能力，因此非常适合对蔬菜斑块进行详细的小规模分析。据我们所知，很少有研究应用无人机来探索诸如果园之类的复杂森林环境，通常依靠间接的甲基化来获取作物信息。在这项工作中，我们提出了一种新的方法，可以使特征的测量（例如分别测量水果或茎/叶）进行评估，以评估其成熟度或检测作物疾病。为了实现这一目标，我们引入了一种名为“ Sambot：球形空中ma-nipulator机器人”的新设计，该设计由一个由球形结构保护的迷你UAV组成，其前部有一个固定的操纵器。sambot与机械手的访问空间的能力相结合的球形脱落的保护益处。拟议的设计与ROS2兼容，ROS2是机器人研究和工业应用中广泛使用的框架。我们提议的范围的潜在应用范围范围超出了精确农业的范围，这些地区范围内，诸如矿山或崩溃的建筑物，结构检查以及自主地下导航等地区的搜索和救援区域。
使用基于深度强化学习的引导进行航天器机器人捕获的实验室实验
术语 A = 动作空间 a = 动作 a ，b = 机械手长度属性，m B = 值分布箱的数量 C = 科里奥利矩阵 dt = 目标上的对接口位置，m E = 期望 h = 角动量，kg ⋅ m2 ∕ s I = 转动惯量，kg ⋅ m2 J = 总预期奖励 K = 参与者数量 L = 损失函数 l = 线性动量，kg ⋅ m ∕ s M = 质量矩阵 M = 小批量大小 m = 质量，kg N = N 步返回长度 N = 正态分布 p = 位置，m R = 重放缓冲区大小 r = 奖励 u = 控制力度 v = 速度，m ∕ s X = 状态空间 x = 总状态；特定状态，下标为 c 或 tx = x 方向的位置，m Y = 目标值分布 y = y 方向的位置，m Z ϕ = 具有参数 ϕ 的价值神经网络 α = 策略网络学习率 β = 价值网络学习率 γ = 未来奖励的折扣因子 ϵ = 权重平滑参数 π θ = 具有参数 θ ϕ 0 或 θ 0 的策略神经网络 = ϕ 或 θ ϕ 的指数平滑版本，q = 角度，度 σ = 探索噪声标准差 ω = 角速率，rad ∕ s
通过恢复策略
摘要 - 离线目标条件的强化学习（GCRL）的目的是通过脱机数据集的稀疏重新解决目标解决目标任务。虽然先前的工作已经阐明了代理商学习近乎最佳策略的各种方法，但在处理复杂环境（例如安全限制）中处理各种约束时，这些方法会遇到限制。其中一些方法优先考虑目标，而无需考虑安全性，而其他方法则以牺牲培训效率为代价而过度关注安全性。在本文中，我们研究了限制离线GCRL的问题，并提出了一种称为基于恢复的监督学习（RBSL）的新方法，以完成具有各种目标的安全至关重要的任务。为了评估方法性能，我们基于具有随机定位的障碍物的机器人提取环境建立基准测试，并使用专家或随机策略来生成离线数据集。我们将RBSL与三种离线GCRL算法和一种离线安全RL算法进行比较。结果，我们的方法在很大程度上可以执行现有的最新方法。此外，我们通过将RBSL部署在真正的熊猫机械手上来验证RBSL的实用性和有效性。代码可在https://github.com/sunlighted/rbsl.git上找到。
准确度、重复性和校准
机器人校准问题：准确性、可重复性和校准 Kevin L. Conrad、Panayiotis S. Shiakolas shiakolas@uta.edu、T. C. Yih 机械和航空航天工程。德克萨斯大学阿灵顿分校自动化与机器人研究所，美国德克萨斯州阿灵顿 76019，shiakolas@uta.edu 摘要。为关节式机器人手臂开发了使用接触式探头的接触校准方法的基础。该解决方案是在基于串行连杆机械手的运动机械设计的机器人当前校准和计量问题中提出的。探索了准确性、可重复性和分辨率，并采取了一种简单的方法。本练习旨在为探索在机器人手臂末端集成商业产品（如力传感器或触发式探头）的可行性奠定基础。确定候选流程和/或应用程序。研究结果表明，准确、可重复且经济高效的在线接触校准方法将是一种理想的解决方案。关键词。机器人精度、重复性、校准、分辨率 1 简介 机器人行业的主要技术障碍之一是减少工具框架和目标框架之间的误差。这种错误的来源很容易确定。控制器和机器人之间的建模差异是造成基座框架和工具框架之间大部分误差的原因。不准确的夹具和制造工艺可以解释工位框架和目标框架之间的差异。这些框架的定义如图所示。1 [1]。
使用优化的基于通用模板的 CCA 方法控制机械臂，实现基于 SSVEP 的 BCI
最近，基于脑机接口 (BCI) 的机械臂控制系统已被用于帮助残疾人士提高无需身体运动的交互能力。然而，由于脑电图 (EEG) 信号的不稳定性以及自发脑电图活动的干扰，在三维 (3D) 空间中用机械臂执行所需任务是一项主要挑战。此外，机械手在 3D 空间中的自由运动控制是一项复杂的操作，需要更多的输出命令和更高的脑活动识别精度。基于上述内容，设计了一种基于稳态视觉诱发电位 (SSVEP) 的同步 BCI 系统，该系统具有六个刺激目标，以实现七自由度 (7-DOF) 机械臂的运动控制功能。同时，应用了一种基于模板的新型方法，该方法从不同的受试者构建优化的通用模板 (OCT)，并从通用模板和多通道脑电图信号中学习空间滤波器，以提高 SSVEP 识别精度，称为基于 OCT 的典型相关分析 (OCT-CCA)。基于公开基准数据集的离线实验对比结果表明，提出的OCT-CCA方法与CCA和基于单独模板的CCA（IT-CCA）相比，检测精度显著提高，尤其是在使用较短数据长度的情况下。最后，对五名健康受试者进行了在线实验，实现了机械臂实时控制系统。结果表明，五名受试者均能独立完成控制机械臂到达三维空间指定位置的任务。
太空服务、装配和制造 (ISAM) 现状
本文件中使用的首字母缩略词和缩写定义如下。 AC-10 Aerocube-10 ACCESS 可直立空间结构装配概念 ACME 带移动炮位增材制造 AFRL 空军研究实验室 AMF 增材制造设施 AMS Alpha 磁谱仪 ANGELS 本地空间自动导航和制导实验 ARMADAS 自动可重构任务自适应数字装配系统 CHAPEA 机组人员健康和表现模拟 CNC 计算机数控 DARPA 国防高级研究计划局 Dextre 特殊用途灵巧机械手 EASE 舱外活动结构组装实验 EBW 电子束焊接 EELV 改进型一次性运载火箭 ELSA-d Astroscale 演示报废服务 ESPA EELV 二级有效载荷适配器 ETS 工程测试卫星 EVA 舱外活动 EXPRESS 加快空间站实验处理 FARE 流体采集和补给实验 FDM 熔融沉积成型 FREND 前端机器人启用近期演示 GaLORE 从风化层电解中获取的气态月氧 GEO 地球静止轨道 GOLD 通用锁存装置 HST 哈勃太空望远镜 HTP 高强度过氧化物 ISA 空间组装 ISAM 空间维修、组装和制造 ISFR 现场制造和维修 ISM 空间制造 ISRU 现场资源利用 ISS 国际空间站 ISSI 智能空间系统接口 JEM 日本实验模块 JEM-RMS 日本实验模块遥控操作系统 LANCE 用于施工和挖掘的月球附着节点 LEO 低地球轨道 LH2 液氢 LINCS 本地智能网络协作系统 LOX 液氧 LSMS 轻型表面操纵系统 MAMBA 金属先进制造 机器人辅助组装 MER 火星探测探测器
航天器搭载机器人
近年来，人们对太空服务的需求呈爆炸式增长，导致用于商业、科学或军事目的的绕地球运行卫星数量稳步增加 (1)。事实上，环境、经济和战略方面的考虑支持这样一种说法，即太空基础设施的未来将取决于执行在轨服务的能力，包括广泛的太空操作，如检查、停泊、加油、维修、组装等。可以肯定的是，这些操作将借助新型自主或半自主机器人系统进行。毫无疑问，太空机器人技术是一个重要因素，它可以极大地帮助人类在恶劣和危险的环境中过渡到常规太空作业。虽然总的来说，太空机器人技术是一个很大的领域，包括自主卫星和航天器、行星探测车和配备铰接机构的轨道航天器，但在本文中，我们使用太空机器人技术一词主要指后者。因此，我们的目标是简要概述（大量）航天器装载机械手系统的文献，特别是强调它们在未来轨道维修任务中的预期用途。本文大致分为三个不同的部分。在第一部分中，我们概述了航天器装载机器人系统 (SMRS) 对未来在轨维修任务的重要性。在第二部分中，我们回顾了当前用于 SMRS 建模和控制的方法。第三部分介绍了使用超复数语言（即对偶四元数）对 SMRS 建模和控制的一些新发展。与更传统的方法相比，这种数学形式主义具有多种优势，主要源于由此产生的运动方程的紧凑表示，以及能够提供一个统一的框架，该框架涵盖 SMRS 的组合平移和旋转运动，而无需任何简化（例如，人为解耦）假设。我们希望本文能让读者更好地了解太空机器人任务所带来的挑战和巨大机遇。
在轨服务、组装和制造（OSAM）现状
AC-10 Aerocube-10 可直立空间结构的接入组装概念 ACME 带移动炮位的增材建造 AFRL 空军研究实验室 AgMan 空间系统敏捷制造 AMF 增材制造设施 AMS Alpha 磁谱仪 ANGELS 本地空间自动导航和制导实验 ARMADAS 自动可重构任务自适应数字装配系统 BONSAI 通过高级集成实现的在轨系统总线复制品 CAVE 协作式自动驾驶汽车环境 CHAPEA 机组人员健康和表现模拟 CNC 计算机数控 DARPA 国防高级研究计划局 DeSeL 可展开结构实验室 Dextre 特殊用途灵巧机械手 EASE 舱外活动结构组装实验 EBW 电子束焊接 EELV 进化型一次性运载火箭 ELSA-d Astroscale 演示的报废服务 ESPA EELV 二级有效载荷适配器 ETS 工程测试卫星 EVA 舱外活动 EXPRESS Xpedite空间站实验处理 FARE 流体采集与补给实验 FASER 现场与空间实验机器人 FDM 熔融沉积建模 FREND 前端机器人实现近期演示 GaLORE 从风化层电解中获取的气态月球氧 GEO 地球静止轨道 GOLD 通用锁存装置 HST 哈勃太空望远镜 HTP 高强度过氧化物 ISA 空间组装 ISAAC 自主自适应看护综合系统 ISFR 现场制造与修复 ISM 空间制造 ISRU 现场资源利用 ISS 国际空间站 Issl 智能空间系统接口 JEM-EF 日本实验模块——暴露设施 JEM-RMS 日本实验模块遥控系统 LANCE 用于施工和挖掘的月球连接节点 LEO 低地球轨道 LH2 液氢 LINCS 本地智能网络协作系统 LOX 液氧