XiaoMi-AI文件搜索系统
World File Search System运动规划
游戏人工智能竞赛旨在促进人工智能的协作研究和开发
摘要 — 游戏 AI 竞赛对于促进游戏 AI 和 AI 的研究和发展非常重要。这些竞赛提供了不同的挑战性问题，可以将其转化为其他虚拟或现实环境。它们提供了框架和工具来促进其核心主题的研究，并提供了比较和共享结果的方法。竞赛也是激励新研究人员研究这些挑战的一种方式。在本文中，我们介绍了 Geometry Friends 游戏 AI 竞赛。Geometry Friends 是一款双人合作的基于物理的益智平台电脑游戏。游戏的概念很简单，但事实证明它的解决很困难。虽然游戏的主要和明显的重点是合作，但它也依赖于其他与 AI 相关的问题，例如规划、计划执行和运动控制，所有这些都与态势感知有关。所有这些都必须实时解决。在本文中，我们讨论了竞赛及其带来的挑战，并概述了当前的解决方案。索引术语 — 游戏 AI、协作、合作、团队 AI、AI 竞赛、任务和运动规划、基于物理的游戏。
用脑电波控制电器设备 大脑......
摘要 因意外事故或与运动系统相关的疾病而失去身体活动能力的人（锁骨综合症）神经系统功能异常。这些残疾人将失去使用器官来控制指令的能力。出于这个原因，软件和硬件的开发基于脑机通讯技术（脑机接口：BCI）是一种创新的替代方案对于那些已经丧失通过用脑电波控制与计算机系统相连的各种设备（包括打印技术和控制假体器官或电气设备的运行），移动身体，恢复正常的日常生活。在本研究中，研究人员选择从 F3 电极位置记录右手运动规划期间的 EEG 信号。测量和记录的数据将被送去分析。辨别特性来控制驱动电气设备的装置。样本包括4名健康男性和1名女性，年龄22-28岁，无脑部疾病或事故史。研究结果发现，准确度值
认知机器人的社会情境感知和行动
在此交付成果中，我们展示了 SPENCER 中使用的最终多模式人员和群体检测和跟踪系统。该系统的输出用于引导一组乘客到达机场的目的地，但也已在实验中用作人群之间符合社交要求的运动规划的输入。我们简要回顾了我们在通过连贯运动指示器特征进行群体检测方面的工作（已在 D2.4 中提到），然后描述了我们的多模式人员跟踪系统。该系统已在一系列实验中进行了评估，这些实验使用了合成数据和真实数据，包括在机器人的实际部署区域阿姆斯特丹史基浦机场捕获的带注释的数据集。该系统在 2015 年 12 月阿姆斯特丹史基浦机场的首次部署期间成功进行了测试，最终演示时只需进行微小的修改。
无人机和人工智能
无人机和人工智能的起点 “可操作数据”是除强大可靠的无人机之外，无人机行业最重要的驱动力。无人机通常会生成大量数据——有时甚至超出我们的处理能力。只有当有方法快速处理数据且无需在此过程中投入额外精力时，无人机才能为用户增加价值。图像评估越快、越准确、越容易，效果就越好。将无人机与人工智能结合起来似乎是解决上述挑战的答案。如今，几乎每家从事数据处理、分析或“自主”飞行控制的公司都声称使用人工智能、机器学习或深度学习。但这些术语实际上是什么意思？它们之间有何关系？这些“术语”适用于哪些领域？下文旨在回答这些问题。一般来说，人工智能描述的是机器能够执行具有人类智能特征的复杂任务的能力，包括推理、解决问题、规划、学习以及理解和阅读人类语言等，如下图所示。目前，与机器学习、深度学习和运动规划相关的人工智能是最热门的话题，也将成为本出版物的重点。
变刚度索驱动机械手阻抗控制的卷积动态跳跃规划算法
摘要：缆索驱动机械手具有手臂细长、运动灵活、刚度可控等特点，在捕获在轨卫星方面有着很大的应用前景，但由于缆索长度、关节角度和反作用力之间的耦合关系，难以实现缆索驱动机械手的有效运动规划和刚度控制。该算法还可以通过动态设置加加速度使加速度更加平滑，减小加速度冲击，保证缆驱动机械手的稳定运动。再次，通过采用基于位置的阻抗控制来补偿驱动缆的位置和速度，进一步优化缆驱动机械手的刚度。最后，开发并测试了变刚度缆驱动机械手样机，利用卷积动态加加速度规划算法规划出所需的速度曲线，进行了缆驱动机械手的速度控制实验，结果验证了该算法可以提高加速度的平滑度，从而使运动更加平滑，减小振动。此外，刚度控制实验验证了缆驱动机械手具有理想的变刚度能力。
用于机器人的神经形态计算硬件和神经架构
引言 在以人为中心的非结构化环境中使机器人和自主系统更加智能是机器人技术的关键目标之一，这也使其成为最具活力的技术发展领域之一。这种智能的关键因素是能够良好且快速地理解复杂而动态的环境，以可靠地支持其他功能，如运动规划和控制；与人类、物体和其他智能体的安全交互；以及从经验中自主学习。神经网络和数据驱动的训练算法为理解环境打开了两个重要窗口：图像和声音处理 (1)。这些算法在大量数据集上实现了最先进的性能，通常甚至超过人类的表现，是实现机器人智能感知和行为的主要候选者 (2)。然而，机器人用例对人工智能 (AI) 算法的功耗、延迟、自适应性和数据效率提出了尤为严格的要求 (3、4)。如今，尽管基于神经网络的算法与之前手工制作的人工智能解决方案相比具有优势（5、6），但我们仍然缺乏真正智能、敏捷的机器人，能够在日常生活中安全、顺畅地与物体、彼此和人类互动。这与即使是简单的动物也能产生智能行为并在复杂的现实环境中互动形成了鲜明的对比。动物可以快速
基于差分平面度的一类 3D 空中机械手的 6D 位姿任务轨迹跟踪
I. 引言 A. 背景与动机 近年来，空中操控引起了机器人研究界的极大兴趣 [1]。多个研究小组展示了使用安装在空中机械手上的夹持器进行空中抓取 [2]–[4]。Lee 和 Kim、Kim 等人展示了协作式空中机械手在有障碍物的环境中抓取未知有效载荷 [5]，[6]。Orsag 等人演示了使用四旋翼平台和安装在平台上的双臂执行拾取和钉孔任务 [7]。欧盟第七框架计划资助了几个空中机械手项目，研究空中机械手与环境交互时的运动规划和阻抗控制 [8]–[10]。德国航空航天中心的一个研究小组介绍了安装在直升机上的 7 自由度人形手臂的潜在应用 [11]。类似 Delta 的机构 [12] 和并联机械手 [13] 也被考虑用于空中机械手。这些现有的研究为空中操纵的研究提供了广阔的未来。然而，与地面操纵器相比，空中操纵器能够完成的任务仍处于非常初级的阶段。这是由于许多因素造成的，例如
机器人和远程系统在核退役和放射性废物管理中的应用现状、障碍和成本效益
NEA/RWM/R(2022)1 | 7 图表列表 图 1. (左)：1949 年机械主从机械手 (MSM) 装置的报告，由 RC Goertz 在美国阿贡国家实验室设计。 (右)：非常相似的装置，如今在世界各地用于核工业中执行的绝大多数远程操作。 24 图 2. AREVA 在放射性环境中部署的 CEA 力敏遥控系统的控制架构。请注意位于人类操作员和输入主设备（左）与从属机械手（右）之间的高度复杂的算法和软件架构。 25 图 3. 自主运动规划器引导机器人激光切割曲面，由 3-D 计算机视觉捕捉。这是机器人首次在放射性环境中自主移动。 26 图 4. 对 RRS 实施中感知到的障碍和担忧的相对重要性进行总结 31 图 5. 对 RRS 实施中感知到的障碍和担忧的总分进行总结 33 图 6. FREMES 传送带通过 HPGE 伽马能谱仪自动对比利时德塞尔的放射性废物进行分类。40
适用于不受束缚的恒河猴的家庭封闭式行为和无线神经记录装置
摘要 对行为非人类灵长类动物进行电生理学研究通常需要将动物与其社会群体分开，并限制其部分运动，以进行良好控制的实验。当研究目标本身并不要求限制动物的运动时，通常仍需要通过系留数据采集来满足实验需求。同时，最近的技术进步允许在有限尺寸的围栏内以高带宽进行无线神经生理学记录。在这里，我们展示了来自不受约束的恒河猴的单单位分辨率无线神经记录，当时它们在我们定制的独立触摸屏系统 [实验行为仪器 (XBI)] 上在其家庭环境中执行自定进度的结构化视觉运动任务。我们能够成功地表征神经对任务参数的调节，例如在运动规划和执行过程中的视觉空间选择性，这与通过基于设置的神经生理学记录获得的现有结果一致。我们得出结论，当出于科学原因不需要限制运动和/或高度控制、隔离的环境时，笼式无线神经记录是一种可行的选择。我们提出了一种方法，让动物能够以自定节奏的方式使用我们的 XBI 设备，既可以进行全自动训练和认知测试，也可以在熟悉的环境中获取神经数据，与同类保持听觉联系，有时还可以保持视觉联系。
空间机器人在轨装配技术综述
大型结构建造是未来太空探索的主要发展趋势之一，例如大型空间站、大型空间太阳能发电站、大型空间望远镜等，充分利用空间机器人实现空间结构自主装配是航天工业的重要发展趋势之一。考虑到在轨装配是解决大型空间结构建造问题的有效方法，有必要推动和促进空间机器人在轨装配技术的研究。因此，本文对近几十年来空间机器人技术的发展现状以及相关的空间机器人在轨装配技术进行了综述。首先，基于空间机器人运动规划和装配序列规划，介绍了空间机器人规划算法的发展。针对空间机器人装配任务，综述了空间机器人装配方法。从控制角度，综述了如何解决在轨装配的振动抑制和柔顺装配，为空间机器人对空间大型结构的自主智能装配提供参考。为了在地面模拟空间组装场景，本文介绍了地面验证试验的发展情况，为空间在轨组装技术的有效验证提供了思路。综上所述，虽然过去的研究已经较好地解决了其中一些问题，但未来仍需要进一步的研究。最后，展望了空间机械在轨组装未来的研究方向。