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。
2016-2018 EECS 博士后学者 伯克利设计学院,加州大学伯克利分校,EECS 系 指导老师:Björn Hartmann,EECS 副教授 2012-2016 研究生 用户界面设计组,EECS 系,麻省理工学院 CSAIL 博士论文:大规模编程类中的聚类和可视化解决方案变化 指导老师:Robert Miller,CS 杰出教授 2008-2011 研究生 机器人运动组,EECS 系,麻省理工学院 CSAIL,M.Eng.论文:基于二次调节器的启发式方法,用于快速探索状态空间 由 EECS 教授 Russ Tedrake 指导 2010-2011 斯坦福大学仿生学与灵巧操作实验室客座研究员 2006-2008 麻省理工学院 CSAIL 机器人运动组本科研究员 2004-2006 麻省理工学院 CSAIL 网络与移动系统本科研究员 2003-2004 普林斯顿大学心理学系脑电图实验室特邀高中生研究员
国家航空航天管理局(NASA)的勘探和空间服务(NEXIS)戈达德太空飞行中心部门一直在开发技术1(OSAM-1)1(OSAM-1)的技术,以机器人为机器人加油和新卫星在Onorbit上加油。OSAM-1,以前称为Restore-L,成功地通过了一个重要的NASA里程碑,称为关键决策Point-C(KDP-C),并获得了代理商级别的实施批准。决策点还建立了任务的官方时间表和预算。OSAM-1航天器,维修有效载荷和空间基础设施灵巧机器人(蜘蛛)有效载荷将在太空中加油,组装通信天线并制造光束。通过展示这些功能,该任务正在推进从未经过测试的技术,以在未来的任务中使用(由NASA以及其他政府组织和私营企业)。该任务由NASA太空技术任务局内的技术演示任务计划资助。
本研究研究了高管研究生教育对中国上市公司的灵巧创新能力的影响,并重点介绍了探索性和剥削性创新。在2011年至2020年之间,使用来自上海和深圳的A股份列出的数据,该发现表明,CEO的研究生教育显着促进了探索性创新。此外,顶级管理团队的教育水平与此类创新呈正相关。首席执行官的性别和年龄以及最高管理团队的性别组成和平均年龄进一步扩大了影响,当CEO是男性或以上时,这些影响更加明显。虽然首席执行官对国有企业的创新影响是有限的,但非国家拥有的公司的研究生教育对探索性创新具有更大的积极影响。不管所有权结构如何,高层管理团队的研究生教育都一贯促进探索性创新,尽管它并没有显着影响剥削性创新。这项研究有助于了解研究生教育如何影响公司创新,并为执行招聘,公司治理和研究生教育计划提供宝贵的见解。
摘要 — 由于肌电人机界面的局限性,对具有多关节腕部/手部的上肢假肢进行灵巧控制仍然是一个挑战。多种因素限制了这些界面的整体性能和可用性,例如需要按顺序而不是同时控制自由度,以及从虚弱或疲劳的肌肉中解读用户意图的不准确性。在本文中,我们开发了一种新型人机界面,该界面赋予肌电假肢 (MYO) 人工感知、用户意图估计和智能控制 (MYO-PACE),以在准备假肢进行抓取时持续为用户提供自动化支持。我们在实验室和临床测试中将 MYO-PACE 与最先进的肌电控制 (模式识别) 进行了比较。为此,八名健全人和两名截肢者进行了一项标准临床测试,该测试由一系列操纵任务(SHAP 测试的一部分)以及在杂乱场景中更复杂的转移任务序列组成。在所有测试中,受试者不仅使用 MYO-PACE 更快地完成了试验,而且还实现了
神经音乐疗法(NMT)已证明有助于从多种神经系统疾病的患者中恢复并发症。将音乐和虚拟现实与标准康复疗法相结合可增强患者的依从性,并使治疗更加愉快。听音乐的行为不仅可以减少癫痫样的排放,还可以放大大脑可塑性。此外,音乐会引起音乐家与非音乐家之间大脑解剖结构的可辨认变化。作为一种具有成本效益的干预措施,音乐疗法显着有助于加速,有效地恢复后冲程后患者,尤其是在活动结束后迅速应用时。大量证据支持将音乐整合到康复计划中,从而促进手功能,灵巧,空间运动,认知功能,情绪,协调,步幅长度和记忆的恢复。诸如学习单词,旋律语调疗法和唱歌之类的技术在加快失语症患者的康复中起着至关重要的作用。是康复团队的宝贵成员。NMT作为一种有效的,基于证据的治疗方法的批准强调了其在增强患者预后的重要性。
术中定义功能皮质(传统上由神经外科医生执行以保护患者功能)现在可以帮助植入目标电极以恢复功能。脑机接口 (BMI) 有可能恢复瘫痪患者的上肢运动控制,但需要准确放置记录和刺激电极才能实现对假肢的功能控制。除了从记录阵列进行运动解码外,在与手指和指尖感觉相关的皮质区域精确放置刺激电极还可以提供感官反馈,从而改善对假肢的灵巧控制。在这项研究中,作者展示了使用一种新颖的术中在线功能映射 (OFM) 技术与高密度皮层脑电图来定位人类初级体感皮质中的手指表征。结合传统的术前和术中定位方法,该技术能够准确植入刺激微电极,这通过植入后对手指和指尖感觉的皮质内刺激得到证实。这项工作证明了术中 OFM 的实用性,并将为未来人类闭环 BMI 的研究提供参考。
研究经历 斯坦福大学仿生与灵巧操作实验室 研究生助理,机械工程系 2019 年 1 月 – 至今 • 改进用于机器人操作和交互的触觉传感器 斯坦福大学 CHARM 实验室 研究生助理,机械工程系 2018 年 9 月 – 2019 年 1 月 • 构建了一个软传感器阵列,用于检测多模态触觉皮肤上的手指位置 哥伦比亚大学创意机器实验室 机械工程系本科生助理 2016 年 9 月 – 至今 • 构建了一个生物启发的 3D 打印四足动物作为开源机器学习平台 哥伦比亚大学 Sia 实验室 生物医学工程系本科生助理 2015 年 9 月 – 2015 年 12 月 • 快速原型成型装置,用于培养自血管化组织,用于治疗严重肢体缺血 哥伦比亚大学非常规电子实验室 电气工程系本科生助理 2015 年 1 月 – 2015 年 5 月 • 设计和构造离子溅射机用于微加工薄膜体声波谐振器
大多数日常活动需要灵巧地使用手和手指。残疾人的手部假肢可以通过连接到上肢的表面电极非侵入式获取的表面肌电图 (sEMG) 信号来控制。在对从 10 位截肢者获取的 12 个电极 sEMG 信号进行预处理后,计算了时域和频域中的不同特征。考虑到 sEMG 是一种复杂、随机、非平稳和非线性信号,还通过多重分形去趋势波动分析 (MFDFA) 的方法提取了复杂的非线性特征。使用不同的分类方法(包括支持向量机 (SVM)、线性判别分析 (LDA) 和多层感知器 (MLP))来比较它们在八种不同手指运动分类中的表现。观察发现,SVM 在手指运动分类方面的表现优于其他两个分类器。新特征与传统特征融合后,分类准确率、精确率、召回率(灵敏度)分别为98.70%、98.74%、98.67%。结果表明,加入MFDFA提取的新特征与其他传统特征,可以有效提高数据采集效果。
摘要 - 近年来,机器人主义者通过利用高容量变压器网络体系结构和生成扩散模型来解决灵巧机器人硬件的越来越一般任务取得了良好的进步。毫无意义地结合了这两个正交改进已被证明是非常困难的,因为没有明确且鲜明的理解过程来做出重要的设计选择。在本文中,我们确定,研究和改进了高容量扩散变压器策略的关键架构设计决策。所得模型可以在多个机器人实施方案上有效地解决各种任务,而不会导致主参数调整的痛苦。通过将调查的结果与改进的模型组件结合起来,我们能够提出一种新颖的体系结构,称为DIT-Block策略,该策略极大地超过了解决长期马(1500多个时间步长)与人类的Aloha Aloha Aloha Robot上的Dexteros Dists。此外,我们发现在10小时的高度多模式,语言注释的Aloha演示数据中接受培训时,我们的政策显示出改善的缩放性能。我们希望这项工作将为未来的机器人学习技术打开大门,以利用大型变压器体系结构的可扩展性来利用生成扩散建模的效率。代码,机器人数据集和视频可在以下网址找到:https://dit-policy.github.io