XiaoMi-AI文件搜索系统
World File Search System灵巧
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
您将再次掌握：脊髓/计算机与保留的运动神经元的直接接口可恢复慢性脊髓损伤后瘫痪手的灵巧控制
图 1 | a. 实验装置由放置在前臂肌肉中的 320 个表面 EMG 电极组成。运动指令由受试者前方的显示器上显示的虚拟手视频引导。b. 一些示例电极显示受试者尝试抓握任务（手指屈伸，0.5Hz）时的原始 HDsEMG 信号。c. 基于运动单元动作电位均方根值的空间映射示例。d. 在两指捏合任务的 10 秒内识别的运动单元激发（颜色编码）的光栅图。e. 使用因式分解分析为同一任务提取的神经模块。f. 具有两个神经模块的各个运动单元的 Pearson 相关值 (r)。g. 在所有任务和受试者中识别的运动单元 (MU) 数量（每个点代表一个受试者）。h. 两个神经模块（M1 - 蓝色和 M2 - 红色）解释方差的百分比，在所有受试者中平均。
Microsoft Word - 评估宇航服手套贴合度对灵活性和认知任务表现的影响 - Seamus Lombardo - ICES 2020 - 反馈已实施 722020
宇航服设计。迄今为止，宇航服贴合度与操作性能之间的关系尚未量化。这项工作研究了宇航服手套贴合度对灵巧任务和模拟月球着陆器手动控制任务（具有心理工作量成分）的表现的影响。通过这些任务，评估了静态手套贴合度增加与灵巧任务和认知任务表现下降相关的假设。参与者（n = 9）穿着类似于猎户座乘员生存系统的原型宇航服手套，在手套箱真空室（4.3 psid）中完成任务。受试者在尺寸方案中的规定贴合度是使用他们的人体测量学确定的。受试者在加压和不加压状态下戴着比规定贴合度小一号的手套、规定贴合度尺寸和比规定贴合度大一号的手套执行任务。为了评估一般灵活性，受试者完成了钉板任务，这需要在板上的位置之间移动和旋转钉子。灵活性也通过功能性工具任务进行测量，其中受试者将舱外活动 (EVA) 系绳钩连接到按照 NASA 规范设计的固定装置上并断开连接。对于这两项灵活性任务，记录了完成时间。Draper 实时性能指标工作站月球登陆模拟器用于评估飞行性能和心理工作量（通过次要任务响应时间测量）。没有一致的迹象
当视觉遇到触摸时：从信号处理的角度来看，视觉传感器的当代评论
摘要 - 提供有关对象物理特性的信息，是机器人系统的重要组成部分。具有高分辨率和低成本的优点的Visuotactile传感技术促进了从环境探索到灵巧操作的机器人技术的发展。多年来，已经提出了有关机器人的视觉acti骨传感器的几次评论，但是很少有人讨论了信号处理方法对Visuotactile传感器的重要性。除了巧妙的硬件设计外，感觉系统对指定任务的全部潜力只能使用适当的信号处理方法释放。因此，本文从信号处理方法的角度进行了对视觉传感器的综合审查，并且前景可能对视觉动作传感器进行未来的研究方向。
空间智能机器人技术进展及发展趋势综述
空间智能机器人不受人体生理条件的限制，将其用于太空探索与利用是自动化技术发展的一个有吸引力的选择，目前是世界各航天大国的重点发展方向。本文首先研究了面向空间站的机械臂和仿人机器人系统，综述了机器人实现大范围稳定运动和智能灵巧操控的理论与方法。然后，综述了用于在轨卫星维护的智能机器人系统，分析了多机器人协作的相关技术。最后，研究了用于大型空间结构在轨装配的智能机器人系统，总结了模块化装配和在轨制造技术。总体而言，本文回顾了空间机器人的技术进展和发展趋势，为该领域的进一步技术研究提供了很好的参考。
1954 年 1 月，乔治城大学和 IBM 进行了实验
• 快速电子翻译器将俄语翻译成英语（纽约时报）——昨天下午，人们在这里公开演示了一台机器将有意义的文本从一种语言翻译成另一种语言，据信这是第一次成功使用机器。这可能是学者们几个世纪以来寻找“机械翻译器”的成果。• 机器人翻译得非常灵巧（基督教科学箴言报）• 一切都由机器完成（纽约先驱论坛报）——昨天，一个拥有 250 个词的庞大电子“大脑”在不到十秒钟的时间内将俄语句子翻译成了简单的英语。• 机器人大脑将俄语翻译成英式英语（华盛顿时报先驱报）• 双语机器（新闻周刊）• 多语种的创意（化学周刊）
多接触运动规划与控制 - Loria
摘要 人形机器人的本质是它们能够复制人类的运动和操纵技能。人形机器人研究的早期工作致力于双足行走，首先是在平坦的地形上，最近是在不平坦的地形上，而操纵能力则继承自双手和灵巧手操纵的文献。在实践中，这两个问题相互作用很大。在杂乱空间中的运动受益于机器人任何部分与环境之间的额外接触，例如当抓手在爬楼梯时抓住扶手时，而腿可以相反地增强操纵能力，例如当拱起整个身体以增加末端执行器的接触压力时。这两个问题具有相同的背景：它们由非平滑动力学（接触处的摩擦和冲击）在可行性约束（包括动态稳定性）下控制。因此，它们现在是联合解决的。本章重点介绍用于多接触规划和控制的最新技术。
通过基于课程的强化学习获得肌肉骨骼技能
运动控制是协调肌肉产生复杂运动的艺术，是生物智能的奇迹。从芭蕾舞演员的优雅舞蹈到灵巧的物体，这些动作是大脑在掌握运动任务中众多自由度的能力的证明（1-4） - 这可能需要多年的培训和教练来掌握，涉及熟练和隐含的技能学习（5，6）。然而，了解大脑如何实现熟练行为仍然是神经科学中的基本挑战之一。虽然已经取得了显着的进步，但大部分研究已被确定为相对简单的行为任务（5-7）。此外，运动控制和学习的计算建模通常仅限于简化的肌肉骨骼系统模型（例如，（8 - 11））。由于这些实验和计算局限性，更复杂的技能（例如灵巧对象操纵）的复杂性在很大程度上仍未知明。