摘要:针对线弧增材制造 (WAAM),我们提出并实施了一种创新轨迹策略,该策略适用于不同的、更复杂的几何形状,而非单一解决方案。这种名为 Pixel 的策略可定义为一个复杂的多任务程序,用于执行优化的路径规划,其操作通过计算算法(启发式算法)进行,具有可访问的计算资源和可容忍的计算时间。模型层被分成方形网格,一组点系统地生成并分布在切片轮廓内,类似于屏幕上的像素,轨迹在此规划。Pixel 策略基于从旅行商问题 (TSP) 技术创建轨迹。与现有算法不同,Pixel 策略使用经过调整的贪婪随机自适应搜索程序 (GRASP) 元启发式算法,并由作者开发的四个并发轨迹规划启发式算法辅助。交互从随机初始解决方案(全局搜索)和后续迭代改进(局部搜索)提供连续轨迹。在所有循环之后,定义一条轨迹并用机器代码编写。实施计算评估以证明每种启发式方法对最终轨迹的影响。最终使用两种不同的不易打印的形状进行了实验评估,以证明所提策略的实际可行性。
陆地巡检机器人在执行各种任务时,需要感知周围 环境、定位自身位置、识别目标对象等,这些功能的实 现都依赖于传感器为机器人提供与外部环境交互的 “ 感 知器官 ” 。传感器是陆地巡检机器人的重要组成部分, 能够感知周围环境并获取相关信息,帮助机器人感进行 自主导航、避障、监测、抓取等工作。曹现刚等 [ 13 ] 设计 一种固定柔性轨道式悬挂巡检机器人平台,以解决煤矿 井下特种巡检机器人在三维环境重建和非结构环境运动 轨迹规划等关键技术,利用轨道,降低轨道铺设,为煤 矿环境巡检提供新的特种巡检平台。张书亮等 [ 14 ] 研究了 室内移动机器人的定位问题,提出融合轮式里程计、惯 性测量单元 IMU(inertial measurement unit) 、超宽带 UWB(ultra wide band) 和激光雷达定位数据的方法,依次 对不同传感器的定位数据进行融合,提高室内移动机器 人的定位精度。梁莉娟等 [ 15 ] 建立场景环境坐标系,利用 传感器探测出障碍物信息,对探测到的障碍物进行定位, 制定激光近场探测传感器的动态避障行为。李琳等 [ 16 ] 提 出基于条纹式激光传感器的机器人焊缝跟踪系统,采用 机器人末端安装条纹激光传感器,通过小波变换模极大 值理论分析焊缝轮廓,确定焊缝特征点。王正家等 [ 17 ] 提 出一种基于多传感器的机器人夹取系统,融合机器人内 置传感器所测量的位置、速度和角度等信息,利用外置 传感器完成对目标物的自动识别与定位。 2.1.1 传感器的使用场景及应用分类
人工智能技术可分为联结人工智能和符号人工智能 [5]:符号人工智能,如决策树,可由开发人员直接设计和解释,而联结人工智能,如神经网络,则需要一个复杂的生命周期,包括一个训练阶段,其中使用机器学习 (ML) 算法和数据训练模型。ML 可分为监督学习、无监督学习和强化学习。数据质量和数量对于训练模型至关重要。由于数据采集通常需要大量资源并且可能涉及法律问题,因此不同用例的公共数据库是讨论的主题,例如自动驾驶场景数据库、事故数据库等。通常,多种应用程序都可以由人工智能驱动,例如计算机视觉(对象识别、分割、车辆定位、对象跟踪)、序列建模、自动规划(基于图、深度强化学习)。在汽车领域,人工智能主要用于感知方面,即处理传感器信息(例如场景理解、场景流估计、场景表示),但也用于规划(例如路线规划、行为规划、运动/轨迹规划)和执行器控制。人工智能可用于自动驾驶功能以及信息娱乐、车内监控和人机交互。除了使用人工智能技术带来的机遇之外,它的使用还意味着新的漏洞 [5],包括训练期间的投毒攻击、推理阶段的对抗性攻击和隐私攻击。
Laneless和无方向运动是高速公路网络中连接和自动化车辆(CAVS)的轨迹行为的新型特征。应用此概念可以利用高速公路的最大潜在能力,尤其是在分布不均的方向需求下。尽管如此,消除了在车道和方向的分离域上的传统概念,因此可以增加混乱的驾驶行为和碰撞风险(从而损害安全性)。因此,本文的重点是在这种未来派环境中为骑士的轨迹规划,其双重目标是(i)提供和确保安全性,而(ii)提高了绩效性能。为此,我们提出了一种骑士的算法,以区分潜在的冲突车辆与自己的方向和/或反对的传播流(整个本文档中所谓的威胁)在早期(及时)阶段。之后,威胁工具被聚集为威胁群体。作为下一步,开发了一个分散的非线性模型预测控制(NLMPC)框架,以调节每个单个威胁集群中车辆的运动;从这个意义上讲,这是分别应用于每个群集中的分布式控制器。该控制方法的设计方式可以实现上述双重目标,结合了官能安全性和效率。最后,通过微观仿真研究对所提出的方法的性能进行了研究和评估。结果是有希望的,并确认了公路网络所提出的方法的效果。
它提高了我对轨迹规划和执行的知识和思维。本文描述的算法的实现主要是通过使用开源软件和库来实现的。虽然为所有这些软件包做出贡献的人数太多,无法一一致谢,但我想特别指出 CasADi 的 Joel Andersson 和 Joris Gillis、pygrib 的 Jeffrey S. Whitaker、IPOPT 的 Andreas Wächter 以及所有这些人。这些项目以及其他科学和工程图书馆的其他贡献者。还要感谢在线问答网站上非常友善的人们,让电脑疼痛变得更容易忍受。毫无疑问,如果没有无与伦比的公司以及办公室和部门同事无条件的帮助和支持,这些年就不一样了。感谢大卫、萨拉、丹尼和米克,我希望看到他们的小玩意在天球上非常非常微弱地闪闪发光,感谢你们给我带来的所有美好时刻;致我在地狱中流亡的同伴阿莱克斯、宾和马可(现在是一事之主);卡洛斯,我的办公室邻居;感谢马努,在这个时代,我们对图形或编程的微小但绝对关键的细节表现出非理性的巨大热情。致卢卡和罗科:我个人欢迎我们的新意大利霸主。致贡萨洛(Gonzalo),我希望有一天他能原谅我将《辛普森一家》的内容献给其他人,并致格梅斯(Güemes),他已经开始过上更好的生活(rem
以及深空探索和可持续生存,都需要这样的能力[6]。从轨迹规划到预测诊断,集成到人工智能解决方案中的算法减少了涉及复杂计算和基本员工监督的急性和慢性工作流程[7]。其结果是能够创建一个可以在很少的人为干预下完成任何不同任务类型的系统,这还提高了燃料使用效率和许多循环的可行性。这项研究的理由源于这样一种想法,即人工智能在解决当今太空探索问题方面具有巨大潜力。太空探索要求前往火星和月球等遥远的世界,或者更远的地方需要使用可重复使用的火箭和可靠的航天器着陆技术[8]。这些系统有助于优化轨迹,准确控制推力,甚至在不利的运行条件下检测出有利的着陆区[9]。通过监督学习,特别是强化学习,可以实现预测诊断,这不仅可以延长火箭的“使用寿命”,还可以减少维护需求[10]。因此,本研究将着手确定先进人工智能的实施在多大程度上通过提高效率、着陆精度以及系统可靠性来增强火箭系统的性能。因此,通过这些指标,该研究旨在支持以下发现:人工智能的整合如何迅速将空间技术和工程转变为更安全、更适合更先进任务的手段[11]。2. 研究问题和范围正如已经指出的那样,太空探索的进步意味着火箭发射和着陆机制的复杂性增加;对火箭更高精度的需求,以及火箭成功着陆至关重要[2],[7]。相比之下,传统的火箭系统在实时程序决策所需的大量干预和空间数据的随机性方面存在缺陷
目的 丘脑前核 (ATN) 是深部脑刺激 (DBS) 治疗药物难治性癫痫的常见靶点。然而,尚未明确确定 ATN 内基于图谱的最佳 DBS (主动接触) 靶点。本项回顾性研究的目的是分析主动接触位置与癫痫发作减少之间的关系,以建立基于图谱的 ATN DBS 最佳靶点。方法 在 2016 年至 2018 年期间接受 ATN DBS 手术治疗药物难治性癫痫的 25 名患者中,那些接受 1 年以上随访评估的患者有资格纳入研究。在初始 6 个月的刺激期后,患者被分为对治疗有反应 (癫痫发作频率中位数减少≥ 50%) 或无反应 (癫痫发作频率中位数减少< 50%)。对于无反应的患者,调整刺激参数和/或主动接触位置,并监测他们的反应性至少 1 年。将术后 CT 扫描与术前 MRI 图像进行非线性配准,以确定蒙特利尔神经学研究所 (MNI) 152 空间中所有主动接触的中心坐标和基于图谱的解剖定位。结果 19 例难治性癫痫患者在植入针对 ATN 的双侧 DBS 电极后接受了至少一年的随访。位于 ATN 体积前半部分重心(定义为前中心 (AC))附近的主动接触与不在此位置的接触相比具有更大的癫痫发作减少率。有趣的是,最初无反应的患者在最后的术后随访中通过将主动接触调整到更靠近 AC 的位置,最终可以大大减少癫痫发作。结论 接受针对 AC 的刺激的患者可能具有有利的癫痫发作减少率。此外,作者在最初无反应的患者中重新定位电极后获得了额外的良好结果。针对该最佳区域进行有目的的战略性轨迹规划可能会预测 ATN DBS 的良好结果。
通过汽车行业和研究人员的广泛努力,自动驾驶汽车的发展正在迅速发展。采用自主驾驶技术的关键因素之一是运动舒适性和从事诸如阅读,社交和放松之类的非驾驶任务的能力,而不会在旅行时经历运动疾病。因此,为了全部成功,有必要学习如何设计和控制车辆以减轻乘客的运动疾病。本论文旨在调查预测自动车辆运动疾病的方法,以及如何使用基于车辆的解决方案来减轻它,重点是轨迹计划。作为第一步,对现有的运动疾病预测方法进行了审查和评估。评论强调了在自动驾驶汽车设计的早期阶段中精确运动评估的重要性。评估了两种选择的方法(基于ISO 2631的基于ISO 2631的方法),以使用测量的数据和现场测试的主观评估评分来估计疾病的个人运动感受。可以得出结论,可以将这些方法调整为前疾病的感觉,如与体验数据的比较所示。为了继续工作,对自动驾驶汽车的基于车辆动力的缓解方法进行了审查。几种发光中的底盘控制策略,例如主动悬架,后轮转向和扭矩分布,已经揭示了潜在的帮助,以减少疾病的运动。在自动驾驶汽车中疾病的另一种有效方法是使用轨迹计划来调节车速和路径,该计划被选为进一步研究。轨迹规划是作为优化问题构建的,在运动和机动时间之间进行了权衡。通过模拟特定的测试手术中的两个不同的车辆模型来分析轨迹计划算法对减少运动疾病的影响。结果表明,应仔细设计驾驶风格对运动疾病和轨迹计划算法有重大影响,以在旅途时间和运动疾病之间找到良好的平衡。本文中提出的研究有助于发展和减轻自动驾驶汽车运动疾病的方法论,从而实现了确保其整体成功的目标。关键字:运动疾病模型,晕车缓解方法,车辆动力学,trajectory计划,车辆控制,自主驾驶
轨迹规划对于智能机器人和机电系统的研究是一个至关重要的,具有挑战性的问题,这些问题在现代制造过程中起着举足轻重的作用,尤其是在工业4.0的框架内[1]。的确,在每个机器人应用中,不仅需要定义一条路径,还需要根据任务要求和机器人的限制来保证系统可行且安全的操作[2]。在文献中已经开发和调查了许多解决轨迹计划问题的方法,其应用涵盖了工业,协作以及更一般的自主和智能机器人和机电系统[3,4]。可以通过考虑不同的目标来计划机器人系统的运动定律。可以评估适当的运动定律的设计,例如,与机器人或机电系统系统的摄入量有关,因此,可以根据机器人在时间消耗方面的最佳性能来确定最佳轨迹[5-7]。应用的另一个有趣的领域是振动还原。的确,许多自动机器和机电应用需要在规定的操作期间平滑而混蛋的轨迹[8-10]。此外,工业机器人技术的新兴方案,例如协作机器人技术和人类机器人的互动,要求对机器人轨迹计划进行高级策略,以确保在与人类操作员一起工作的机器人执行任务期间的平稳性,安全性和流利性[11-13]。最后,机器人和机电系统系统的轨迹计划也与此类系统的运动控制问题紧密相结合,以确保执行所需的运动法的高性能[14,15]。在本期特刊中,我们邀请了研究人员为智能机电系统,自主机器,工业和协作操纵器以及可移动和可重新配置的机器人提供与智能机电系统,自主机器,工业和协作机器的轨迹计划有关的文章做出贡献。已经寻求了有关这些主题的原始研究论文,重点介绍了这些主题的理论研究和现实世界的应用。合适的主题包括但不限于以下内容:路径和轨迹计划,动态建模,能源效率,振动抑制,平滑轨迹,运动曲线优化,运动控制,智能机器人和机电系统,协作机器人系统,协作机器人技术以及人类 - 机器人相互作用的运动计划。
摘要背景:利用低强度电压源(<10 V)产生的非电离电场来控制恶性肿瘤生长作为一种癌症治疗方式的潜力越来越大。在肿瘤内或肿瘤附近植入多个电极施加低强度电场的方法被称为肿瘤内调制疗法(IMT)。目的:本研究探讨了先前建立的 IMT 优化算法的进展,以及针对特定患者 IMT 的定制治疗计划系统的开发。通过在脑模型上实施完整的优化流程,包括机器人电极植入、术后成像和治疗刺激,证明了治疗计划系统的实用性。方法:3D Slicer 中的集成计划流程从导入和分割患者磁共振图像(MRI)或计算机断层扫描(CT)图像开始。分割过程是手动的,然后是半自动平滑步骤,通过应用选定的过滤器可以平滑和简化分割的大脑和肿瘤网格体积。通过选择插入和尖端坐标,在患者 MRI 或 CT 上手动规划电极轨迹,以选择所选电极数量的插入和尖端坐标。然后可以使用自定义的半自动 IMT 优化算法优化电极尖端位置和刺激参数(相移和电压),其中用户可以选择处方电场、电压幅度限制、组织电特性、附近危及的器官、优化参数(电极尖端位置、单个接触相移和电压)、所需的场覆盖百分比和场适形度优化。显示优化结果表,并将得到的电场可视化为叠加在 MR 或 CT 图像上的场图,并显示大脑、肿瘤和电极的 3D 渲染。优化后的电极坐标被传输到机器人电极植入软件,以便规划电极并随后按照所需轨迹植入。结果:开发了一种 IMT 治疗计划系统,该系统结合了患者特定的 MRI 或 CT、分割、体积平滑、电极轨迹规划、电极尖端定位和刺激参数优化以及结果可视化。所有以前在不同软件平台上运行的手动管道步骤都合并到一个半自动化的基于 3D Slicer 的用户界面中。在术前计划、机器人电极植入和术后治疗计划中,对整个系统实施的脑模型验证均取得成功,以根据患者情况调整刺激参数