算法,该算法根据飞行目的地、跑道角度、机场附近飞机的空间间隔、人口分布和转向运动来考虑引导点。高度路径针对低感知噪音和低燃料消耗进行了优化,这是通过使用从该表面路径计算出的距离求解飞行纵向控制运动方程来确定的。开发了一种改进的非支配排序遗传算法 II 用于离散优化,以减少计算工作量获得最佳高度路径的帕累托前沿。通过模拟从香港国际机场飞往两个强制空中交通服务报告点的航班来演示该方法。然后将结果与快速访问记录器数据和标准仪表离场 (SID) 轨迹进行比较。虽然该方法没有考虑影响离场路径规划的某些航空运输因素,例如天气模式和空中交通组合,但得到的地面路径与 SID 轨迹非常相似。高度路径的帕累托前沿表现出燃料消耗和感知噪音水平的降低。我们还根据不同航线的相关飞行物理原理,讨论了燃料消耗和感知噪音水平之间的权衡。
脑机接口(BCI)是一种通过分析脑电信号识别个体意图或状态,进而控制计算机或机器的技术,广泛应用于各个领域。然而,脑机接口的研究多集中在运动想象方面,而对主动运动的研究多集中在上肢运动方面,而对下肢运动的研究多集中在静态或单一动作方面。因此,本研究基于动态环境下的脑电信号开发了对步行行为(1:步行,2:上楼,3:下楼)进行分类的深度学习模型,以验证对动态状态下的脑电信号进行分类的可能性。我们开发了一种结合卷积神经网络(CNN)和双向长短期记忆(BiLSTM)的模型。该模型获得了82.01%的平均识别性能,其中步行的平均准确率为93.77%,上楼的平均准确率为76.52%,下楼的平均准确率为75.75%。预计未来可以设计出各种旨在帮助残疾人和老年人的机器人设备,它们具有多种功能,例如人机交互、物体操纵和利用 BCI 进行控制的路径规划。
通讯作者:Mahmut Dirik(mhmd.dirik@gmail.com)摘要路径计划问题是自动驾驶汽车中研究最多的主题之一。在过去的十年中,基于抽样的路径计划算法引起了研究界的重大关注。快速探索随机树(RRT)是一种基于抽样的计划方法,由于其渐近最佳性,研究人员是一个关注的问题。但是,在路径规划中使用接近障碍物的样品和急转弯的路径并不能使实时路径跟踪应用程序有效。为了克服这些局限性,本文提出了RRT和Dijkstra算法的组合。RRT-Dijkstra释放了一个较短且无碰撞的路径解决方案。它是通过各种因素来衡量的,例如路径长度,执行时间和回合总数。此处的目的是基于指标,即路径长度,执行时间和转折点总数的审查和绩效比较。在用障碍物结构的复杂环境中测试了算法。实验性能表明,RRT-Dijkstra需要在2D环境中更少的转折点和执行时间。这些是提出方法的优势。该建议的方法适用于离线路径计划和路径以下。
摘要。在此项目中,通过考虑硬件和软件体系结构以及电子通信协议,同时提出了采用机器人操作系统的同时本地化和映射机器人的设计和实现。机器人的目的是创建一个未探索的未知室内环境的二维图,以自主浏览并定位对象。问题非常具有挑战性,尤其是当全球定位系统停止在室内地区工作时。为了解决该问题,使用了室内映射和定位技术。它结合了全球定位系统的功能和精确的映射。此技术提供了实时映射和位置信息跟踪的能力。它们是实现它的几种方法,其中包括一些传统方法磁性定位,无线电波和射频标记。我们提出的机器人模型使用同时定位和映射技术来有效地图和本地化。系统组成了理想的机器人车,可以帮助减少映射任何环境并定位对象所需的时间,这是通过算法后的地标提取,路径计划和路径来完成的。通过使用此技术获得的地图将授予处理地图数据的路径规划,并给出最佳的最短路径距离,在该路径计划中,机器人可以自动导航并定位对象。
通过星跟踪器对周期变星的观测来确定太空中迷失的位置和时间 (AAS-24-012) Linyi Hou,伊利诺伊大学厄巴纳-香槟分校 Siegfried Eggl,伊利诺伊大学厄巴纳-香槟分校 Ishaan Bansal,伊利诺伊大学厄巴纳-香槟分校 Clark Davis,伊利诺伊大学厄巴纳-香槟分校 RETINA:一种用于空间视觉传感器摄像机在环测试的高度通用光学设施 (AAS-24-013) Fabio Ornati,米兰理工大学 Paolo Panicucci,米兰理工大学 Eleonora Andreis,米兰理工大学 Francesco Topputo,博士,米兰理工大学 使用主动照明提示进行基于机器学习的姿态估计,应用于立方体卫星近距离操作 (AAS-24-014) Athip Thirupathi Raj,亚利桑那大学 – SpaceTREx Jaret Rickel,亚利桑那大学 – SpaceTREx Roshan Adhikari,亚利桑那大学 – SpaceTREx Jekan Thangavelautham,亚利桑那大学 单智能体和多智能体卫星检查问题的路径规划:低推力公式 (AAS-24-015) Ritik Mishra,普渡大学 Kenshiro Oguri,科罗拉多大学博尔德分校
摘要 - 可以用大语言模型(LLM)编码世俗的语义知识。此类信息可能对想要执行自然语言陈述的高级,时间扩展的命令的机器人有很大的帮助。但是,语言模型缺乏现实世界的经验是一个关键限制,它使其在特定实施例内使用它们进行决策具有挑战性。本研究评估了使用LLM(Openai的GPT-3.5-Turbo Chatbot)进行机器人路径计划的可行性。传统方法管理复杂环境和制定可信赖的计划以改变环境条件的不足是研究的推动力。由于LLM具有复杂的自然语言处理能力,可提供有效和适应性的路径计划算法的能力,非常准确和少数拍摄的学习能力,GPT-3.5-Turbo非常适合机器人技术中的路径规划。在众多模拟场景中,该研究将GPT-3.5-Turbo的性能与最先进的路径计划者的性能进行了比较,例如快速探索随机树(RRT)和A*。我们观察到GPT-3.5-Turbo能够为机器人提供实时路径计划反馈并胜过其对应方。本文为机器人系统的LLM驱动路径计划建立了基础。
三维 (3D) 打印目前是研发 (R&D) 部门的一个极其重要的分支。这是因为它具有快速成型、快速消除设计错误和在成型阶段改进产品等特点。这种方法大大加快了新解决方案的实施,而无需花费大量生产成本,也无需在生产中测试未开发的模型。借助 3D 打印技术,可以在短时间内以前所未有的精度制作出具有复杂几何形状的原型 [1]。制造流程的逐步计算机化将我们带入了工业 4.0 的新时代。这种级别的智能生产得益于 21 世纪人工智能、机器人技术、纳米技术和 3D 打印方面的重大突破。由于生产技术的极度定制化和个性化,工业 4.0 的实践已成为制造流程每个环节中都可以观察到的现象。人工智能(AI)算法在3D模型准备和转换中的应用显著加快了3D图形的生成速度并提高了质量。人工智能已成功应用于可打印性检查、切片加速、喷嘴路径规划以及云服务平台等[2]。行业模型的演变如图1所示。
事实证明,管理团队的设计过程可以大大改善解决问题的行为和最终结果。自动化此活动为提供干预措施提供了重要机会,这些干预措施可以动态适应团队的状态,从而获得最大的影响。在这项工作中,创建了一个人工智能 (AI) 代理来实时管理工程团队的设计过程,跟踪多学科团队在复杂设计和路径规划任务期间的行动和沟通特征。团队也被置于人类流程经理的指导之下,以便进行比较。至于结果,在两种管理类型下,团队的表现同样出色,而 AI 管理的团队的表现趋于更出色。管理者的干预策略和团队对这些策略的看法也被探讨,揭示了一些有趣的相似之处。人工智能和人类流程管理者都主要关注基于沟通的干预,尽管在团队角色之间干预的分配上开始出现差异。此外,团队成员认为人工智能和人类管理者的干预同样相关且有帮助,并相信人工智能代理对团队的需求同样敏感。因此,总体结果表明,本研究中引入的人工智能管理代理能够匹配人类的能力,显示出自动化管理复杂设计流程的潜力。[DOI:10.1115/1.4052488]
路径计划是移动机器人应用程序的关键要素,引起了学者的极大兴趣。本文提出了一种使用增强的萤火虫算法(EFA)的路径规划方法,这是一种新的元元素技术。增强的萤火虫算法(FA)通过在α参数中纳入线性还原而与普通FA有所不同。这种修改成功解析了正常FA的约束。该研究涉及在三个单独的地图上进行实验,使用常规FA和每个地图的20种不同运行中的增强的FA。评估标准涵盖了算法从初始位置转移到最终位置而无需体验任何碰撞的能力。对路径质量的评估取决于诸如路径距离和算法收敛和发现最佳溶液的能力。结果表明,增强的FA取得了显着改善,与常规FA相比,MAP 1的最短路径最短路径的最短路径增加了10.270%,MAP 2增加了0.371%,而MAP 3则增加了0.163%。这项工作突出了增强的萤火虫算法在优化移动机器人应用程序的路径计划方面的有效性,从而提供了导航效率和避免碰撞的潜在提高。
七度(DOF)机器人臂具有一个冗余DOF,以避免障碍物和奇异性,必须将其参数化以完全指定给定端e ff ent ector姿势的关节角度。常用于ABB,Motoman和Kuka的常用7-DOF Revolute(7R)工业操纵器以及SSRMS或FREND(例如SSRMS)的空间操纵器通常由肩el-肘(SEW)角度参数列出,用于路径规划和远程运行。我们介绍了一般的缝纫角,该缝隙角可以通过任意参考方向函数概括传统的缝隙角度。冗余参数化(例如常规缝纫角度)沿工作区中的一条线遇到算法奇异性。我们引入了一个参考方向功能选择,称为立体缝隙角度,该角度仅沿着半线具有奇异性,该界限可能无法触及,从而扩大了可用的工作空间。我们证明所有参数化都有算法的奇异性。最后,使用一般的缝纫角度和子问题分解,我们提供了e ffi cient奇异性逆逆运动溶液,这些解决方案通常是封闭形式的,但可能涉及1D或2D搜索。基于搜索的解决方案可以转换为查找多项式根。可以在可公开访问的存储库中获得示例。