XiaoMi-AI文件搜索系统
World File Search System移动机器人
![[IROS-24]通过移动机器人的内核密度估计](/simg/g:\will\search\icon\source\a\a06704eb20fc4dadd5726ac28348960eedd4a69f.webp)
移动机器人自主导航的研究...
I.引言自主机器人在提高现代工业环境中的效率和生产率方面起着至关重要的作用。通过利用尖端的技术和人工智能，这些机器人可以精确和一致性执行任务，从而减少错误并最大程度地减少停机时间。他们自主驾驶复杂环境的能力使它们在优化工作流程和确保无缝操作方面的宝贵资产。随着数字化和行业4.0的兴起，自主机器人的整合将彻底改变我们对制造和物流的方式，为更敏捷和竞争性的工业景观铺平道路[1，3]。移动机器人技术是机器人技术和信息工程研究领域[4]。移动机器人可以由人类控制，也可以完全自动化自动导航其环境[5]。它们被广泛用于行业，商业，军事和安全等各个部门[6]。构建工作环境的地图并理解它对移动机器人确定其位置并确定障碍至关重要。映射是移动机器人对其环境建模的过程。使用创建的地图，他们可以自动导航，从而在搜索和救援和智能运输等领域启用应用程序。移动机器人同时执行映射和定位任务的性能称为SLAM（同时定位和映射）[7]。地图表示平均直方图值，每个节点指示机器人路径及其关联的传感器数据上的特定位置。Karto SLAM算法使用幽灵优化网络，增强Cholesky分解过程，并消除对解决稀疏系统的迭代方法的需求。添加新节点后，在考虑节点的空间约束时，地图重新计算和更新。Karto Slam在现实世界中表现出最小的不准确性（1.03厘米），使其成为移动机器人的首选选择[8，10]。它的效率在于其对不断变化的环境的无缝适应，将其确立为需要精确映射和本地化的任务的可靠解决方案。该算法在处理传感器噪声和不确定性方面的鲁棒性进一步巩固了其作为同时定位和映射的顶级选择的位置[11，14]。
使用移动机器人的内核密度估计
摘要 - 在许多机器人应用中重建三维（3D）场景至关重要。机器人需要识别哪些对象及其位置和形状，以通过给定的任务精确地操纵它们。移动机器人，尤其是通常使用轻质网络在RGB图像上细分对象，然后通过深度图进行定位；但是，他们经常会遇到掩盖物体过度掩盖的分布场景。在本文中，我们通过使用非参数统计方法来完善分割错误来解决3D场景重建中的跨分割质量的问题。为了提高掩模的精度，我们将预测的遮罩映射到深度框架中，以通过内核密度估算它们的分布。然后，对异常值进行深度感知的拒绝，而无需以自适应方式进行额外的pa-rameters，以使其分布外情景，然后使用投影签名的距离函数（SDFS）进行3D重建。我们在合成数据集上验证了我们的方法，该方法显示了全景映射的定量和定性结果的改进。通过现实世界测试，结果还显示了我们方法在实体机器人系统上部署的能力。我们的源代码可在以下网址提供：https：//github.com/mkhangg/refined Panoptic映射。
移动机器人定位：传感器和技术
准确了解车辆的位置是移动机器人应用中的一个基本问题。为了寻找解决方案，研究人员和工程师开发了各种用于移动机器人定位的系统、传感器和技术。本文回顾了相关的移动机器人定位技术。本文定义了七种定位系统类别：（1）里程表，（2）惯性导航，（3）磁罗盘，（4）主动信标，（5）全球定位系统，（6）地标导航和（7）模型匹配。本文讨论了每个类别的特点，并为每个类别给出了现有技术的示例。移动机器人导航领域活跃而充满活力，更多优秀的系统和想法正在不断开发中。因此，本文中提供的示例仅代表其各自的类别，并不代表作者的判断。文献中可以找到许多巧妙的方法，但出于简洁的原因，本文无法引用所有方法。 1997 John Wiley & Sons, Inc.
我在哪里？移动机器人定位的传感器和方法
第 1 章 航位推算用传感器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................. ... . . . . . . . . . . . . . . 17 1.2.1 Micro-Trak Trak-Star 超声波速度传感器 . . . . . . . . . . . . . . . 18 1.2.2 其他多普勒效应系统 . . . . . . . . . . . . . . . . . . . 19 1.3 典型移动配置 . ................. ... ................. ... ................................................................................................................................................................................................................................................. 23 1.3.5 全向驱动....................................................................................................................................................................................................................................................... 25 1.3.6 多自由度车辆....................................................................................................................................................................................................................................... 25 1.3.6 多自由度车辆....................................................................................................................................................................................................................................... 26 . ...
移动机器人定位：传感器和技术
准确了解车辆的位置是移动机器人应用中的一个基本问题。为了寻找解决方案，研究人员和工程师开发了各种用于移动机器人定位的系统、传感器和技术。本文回顾了相关的移动机器人定位技术。本文定义了七种定位系统类别：（1）里程表，（2）惯性导航，（3）磁罗盘，（4）主动信标，（5）全球定位系统，（6）地标导航和（7）模型匹配。本文讨论了每个类别的特点，并为每个类别给出了现有技术的示例。移动机器人导航领域活跃而充满活力，更多优秀的系统和想法正在不断开发中。因此，本文中提供的示例仅代表其各自的类别，并不代表作者的判断。文献中可以找到许多巧妙的方法，但出于简洁的原因，本文无法引用所有方法。 1997 John Wiley & Sons, Inc.
生产物流的自动移动机器人
塔林技术大学机械与工业工程系，Ehitajate Tee 5，19086 Tallinn，Estonia，Estonia于2024年2月7日获得，于2024年3月8日接受，在线获得，2024年4月2日在线获得©2024年作者。这是根据创意共享归因的条款和条件分发的一份开放访问文章4.0国际许可CC（http://creativecommons.org/licenses/4.0）。摘要。数字解决方案对于制造公司在全球市场上提高其生产率，有效性和竞争力而变得越来越重要，这需要低价，高质量和快速交付时间。为了提高生产效率，还必须通过数字化和自动化这些过程来优化生产层中的运输活动。许多公司已经使用或计划使用自动移动机器人（AMR）更有效地管理生产物流。物联网（IoT）的快速开发以及AMR的高级硬件和软件使它们可以在动态环境中执行自主任务，在该环境中，它们可以与其他资源（例如机器和系统）进行交流并独立协调，从而分散了制造过程的决策步骤。分散的决策使制造系统能够动态适应系统状态和环境的变化。这种发展影响了传统的计划和控制方法以及决策过程，但它们还要求软件和嵌入式人工智能（AI）算法更有能力执行这些决策。在这项研究中，我们描述了如何使用3D虚拟工厂概念将具有AI功能的AMR系统整合到食品行业的生产后勤中。本文提出了一种方法，可以根据3D布局的创建和模拟，关键绩效指标（KPI）的监视以及AI在生产计划中主动决策中使用AMR在制造工厂地面运输中的性能。对食品行业的案例研究证明了拟议方法的相关性和可行性。关键字：自动移动机器人，生产物流，物联网，虚拟工厂，人工智能。