機器人

Masuk

wawasan - 機器人

本文提出了一種基於強化學習的控制框架，用於鳥類啟發的撲翼機器人軌跡跟踪，該框架在模擬中展現出強大的適應性和對複雜軌跡的跟踪能力。

本文提出了一種基於場景圖的機器人動態環境感知架構，該架構利用大型語言模型 (LLM) 和粒子濾波器來實現對動態環境的精確感知和任務規劃。

EdgeFlowNet 是一種適用於小型移動機器人的高效能、低延遲密集光流估計方法，它利用邊緣計算在功耗僅為 1.08W 的情況下實現了 100FPS 的處理速度，並在準確度上超越先前技術 20% 以上。

本文提出了一種結合高自由度機器人系統、深度學習和電腦視覺技術的新方法，以實現精確和自適應的太陽能追蹤，從而最大限度地提高太陽能收集效率。

本文提出了一種新的逆運動學方法 ETA-IK，專為雙臂機器人系統設計，透過將運動執行時間直接納入優化過程，利用雙臂的冗餘性來優化運動執行時間，從而提高效率。

本文介紹了一種新型的欠驅動蛇形機器人，它具有可重新定位的關節和無線供電的軟性外殼，能夠實現類似多關節機器人的運動，同時保持輕量化和低功耗的設計。

本文提出了一種基於數據驅動的可逆非線性模型（RevNM）和混合運動控制框架，用於解決工業重載液壓機械臂自動化操作中面臨的控制挑戰。

本文提出了一種分層控制架構，用於在雜亂環境中為非線性系統生成動態可行軌跡，利用可達貝茲多面體和模型預測控制，實現機器人在滿足動態約束和避開障礙物的前提下，高效、安全地到達目標位置。

REVISE 是一種用於在高斯隨機場中進行穩健概率運動規劃的多查詢演算法，它通過新穎的魯棒協方差轉向邊緣控制器和邊緣重新佈線步驟來提高運動規劃的準確性和覆蓋範圍。

本文提出了一種基於解耦移動水平估計 (MHE) 的同步定位與地圖構建 (SLAM) 方法，該方法在有限的地標可見性下，通過分別更新機器人狀態和地標位置估計，保證了機器人狀態估計的穩健穩定性和地標位置估計的有界誤差。

Tentang

Produk

Sumber Daya