引用本文: 于乃功, 谢秋生, 李洪政.基于点云处理的仿人机器人楼梯障碍物识别与剔除方法[J].北科大:工程科学学报 , 2025, 47(2): 339-350. doi: 10.13374/j.issn2095-9389.2024.05.10.001 YU Naigong, XIE Qiusheng, LI Hongzheng.Obstacle recognition and elimination method for humanoid robots based on point cloud processing[J].Chinese Journal of Engineering , 2025, 47(2): 339-350. doi: 10.13374/j.issn2095-9389.2024.05.10.001
预测未来对于像智人这样的生物来说至关重要,他们生活在一个动态且不断变化的世界中。先前的研究已经证实,有意识的刺激可以导致无意识的预测。在这里,我们检查掩蔽刺激是否也能引起这样的预测。我们使用有障碍物和无障碍物的掩蔽运动来检查掩蔽刺激的预测。在六个实验中,使用连续闪光抑制 (CFS) 掩盖了一个移动物体。物体消失几百毫秒后,有意识的探测器出现在与掩蔽刺激一致或不一致的位置。在实验 1-3 中,运动是线性的,反应时间 (RT) 表明基于运动方向和速度的预测。在实验 4 中,被遮蔽的移动物体与障碍物相撞,然后消失。在这种情况下,预测应该反映偏转,而且反应时间确实揭示了对偏转路线的预测。在实验 5 和 6 中,我们介绍了一种在连续闪光抑制 (CFS) 期间使用眼动追踪的创新方法,并以眼球运动的形式报告了被遮蔽刺激引起的预测的生理证据。因此,我们得出结论,人类可以使用动态遮蔽刺激来产生对未来的主动预测,并使用这些预测来指导行为。我们还根据当前关于遮蔽呈现、潜意识感知和意识测量方法之间关系的科学讨论,讨论了这些发现的可能解释。
摘要:导航水下环境提出了控制和本地化技术的严重挑战。未知领土的成功导航需要实现目标的自动操作,同时避免遇到障碍,并提出一个重大问题。使用传感器数据和避免障碍技术的基于检测的控制对于自主水下车辆(AUV)的自主权至关重要。本研究的重点是开发基于滑动模式控制(SMC)的控制方法,并利用成像声纳传感器进行避免障碍物。提出的方法包括用于俯仰和深度控制的控制器,以避免固定物体。采用高斯电位功能来指导AUV的助手并避免障碍物。许多模拟结果评估了AUV在现实模拟条件下的控制性能,从而评估了准确性和稳定性。模拟结果的实验表明,使用海底环境模拟模型,我们在导航各种障碍(例如柔和的上升,陡峭下降和水下壁)方面的表现出色。
摘要:本文研究了人工智能在Gazebo模型上实现深度确定性策略梯度(DDPG)以及现实移动机器人的应用。实验研究的目标是引导移动机器人在面对固定和移动障碍物时,学习在现实环境中移动的最佳动作。当机器人在有障碍物的环境中移动时,机器人会自动控制避开这些障碍物。然后,在特定限制内维持的时间越长,积累的奖励就越多,因此会取得更好的结果。作者对许多变换参数进行了各种测试,证明了DDPG算法比Q学习、机器学习、深度Q网络等算法更有效。然后执行SLAM来识别机器人位置,并在Rviz中精确构建和显示虚拟地图。研究结果将成为设计和构建移动机器人和工业机器人控制算法的基础,应用于编程技术和工业工厂自动化控制。索引词——移动机器人、人工智能、DDPG 算法、自主导航、强化学习。
1 FIDMAG医院姐妹2个上瘾的行为, 3西班牙巴塞罗那Cibersam; 4贝尼托·梅尼·卡斯姆(Benito Menni Casm),西班牙巴塞罗那; 5个私人基金会医院,西班牙女性的女性庇护所; 6西班牙巴塞罗那大学;西班牙巴塞罗那圣拉斐尔的7医院; 8医院圣心,西班牙马托雷尔; 9巴塞罗那大学,生物医学研究所,August Pi和Sunyer 10图像的诊断单位,研究基础,西班牙巴塞罗那的圣约翰医院;小组,生物医学研究所August Pi和Sunyer 12史诗)瑞典,瑞典
摘要 - 我们的研究在多代理网络中分发了大数据非convex优化。我们考虑平滑(可能)非凸功能的总和的(受约束的)最小化,即代理的总和,以及凸(可能)的凸(可能)非平滑正常器。我们的兴趣是大数据问题,其中有大量变量需要优化。如果通过标准分布式优化算法进行处理,则这些大规模问题可能会因为每个节点的局部计算和通信负担过高,因此可能会棘手。我们提出了一种新颖的分布式解决方案方法,在每种迭代中,代理以不协调的方式更新整个决策向量的一个块。为了处理成本函数的非概念性,新型方案取决于连续的凸近似(SCA)技术,结合了一种新颖的块驱动的推动力共识方案,该方案对执行局部扩展的块状操作和梯度平均跟踪非常有用。建立了渐近收敛到非凸问题的固定溶液。最后,数值结果显示了提出的算法的有效性,并突出了块维度如何影响通信开销和实际收敛速度。
摘要 - 智能机器人技术在维护,维修和大修(MRO)机库操作方面具有重要意义,其中移动机器人可以在其中导航复杂而动态的环境,以进行飞机视觉检查。飞机机库通常忙碌而变化,形状和尺寸各不相同,呈现出严格的障碍物和条件,可能导致潜在的碰撞和安全危害。这使得障碍物检测和避免对安全有效的机器人导航任务至关重要。常规方法已在计算问题上应用,而基于学习的方法的检测准确性受到限制。本文提出了一个基于视觉的导航模型,该模型将预训练的Yolov5对象检测模型集成到机器人操作系统(ROS)导航堆栈中,以优化复杂环境中的障碍物检测和避免。该实验在ROS-Gazebo模拟和Turtlebot3 Waffle-Pi机器人平台中进行了验证和评估。结果表明,机器人可以越来越多地检测并避免障碍物,而无需碰撞,同时通过不同的检查点导航到目标位置。关键字 - 自主导航,对象检测,避免障碍物,移动机器人,深度学习
附录I附录I中的文档是内部编号的。有关附录页码,请参见右下角的页码。Consumer Protection Handbook ǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǤ Ǧͳ Contract Requirements ǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǤ Ǧ͵ͷ ǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥ Ǧ͵ͺ ǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǤ ǦͶͲ ǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥ ǦͶͷ ABP Distributed Generation Disclosure Forms Ȃ ǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǤǤǤ ǦͶͺ Ȃ ǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǤǤǤ Ǧͷʹ (dynamic elements reflect collateral requirement) Ȃ ǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǤǤǤ Ǧͷ (dynamic elements reflect use of Smart Inverter (DG) rebate) Ȃǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥ ǦͲ Ȃ ǥǥǥǥǥǥ ǦͶ ABP Community Solar Disclosure Forms ǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥǥ Ǧͺ (dynamic elements reflect subscription payment构成为公用事业账单信用百分比和未选择的特定社区太阳能项目(动态元素反映了订阅付款,构建为公用事业账单信用额度和特定社区太阳能项目的选择)
为了确保在发动机严重失效的情况下飞行安全,商用飞机必须按照 14 CFR § 25.121 的规定达到最低爬升梯度。这些规定的爬升梯度与许多起飞程序中严格的起飞最低标准不相称;许多从布满障碍物的机场起飞的重型飞机被迫绕过障碍物,因为它们的发动机失效爬升梯度远低于安全飞越所需的值。在这里,我们研究了逆风或顺风的存在如何影响模拟 10 节逆风或顺风的发动机失效障碍物清除。我们发现,对于较轻的起飞重量和较低的爬升速度,飞机轨迹对风的敏感度更高。在合理的飞行重量下,实际风可能会消耗掉 FAA 的整个“总净”飞行路径安全裕度。同时,我们看不出任何理由为什么风速责任应该影响选择延长第二段的起飞。
1. 目的。本咨询通告 (AC) 规定了对被视为对可航行空域构成危险的障碍物的标记和照明标准。2. 咨询通告 70/7460-1L 立即生效。但是,闪烁的 L-810 照明的生效日期已延迟,并将于 2016 年 9 月 15 日强制执行。3. 取消。2007 年 2 月 1 日发布的咨询通告 70/7460-1K《障碍物照明和标记》已取消。4. 主要变更。本 AC 的主要变化包括:1. 根据《联邦法规》第 14 篇 (14 CFR) 第 77 部分《安全、高效使用和保护可航行空域》(75 Federal Register 42303,2010 年 7 月 21 日)的修订,被认定为障碍物的结构高度已从地面以上 (AGL) 500 英尺降低至地面以上 499 英尺。因此,所有高于地面以上 499 英尺的结构均被视为障碍物,联邦航空管理局 (FAA) 将对其进行研究以确定其对可航行空域的影响。这将确保在航空研究中解决地面以上 500 英尺的所有可用空域,并确保该空域免受可能对空中航行造成危害的障碍物的影响。 2. 增加了高度低于 200 英尺(AGL)的气象评估塔(MET)的自愿标记标准,旨在为提高这些建筑物的显眼程度提供建议,特别是