-
-
SoftFoot Pro新型仿生假肢
新的SoftFoot Pro仿生脚原型是一种无运动、灵活的假肢脚，灵感来自人类四肢的解剖结构，由热那亚的意大利理工学院与比萨大学合作设计.它的设计在国际上是独一无二的，旨在为残疾人提供灵活的技术假肢，并为未来的人形机器人提供解决方案。...
作者：ROBOT@qwh 日期：2024.07.15 分类：机器人 547 -
0.305秒成为最快破解魔方的机器人
三菱公司因最快解决魔方的机器人而荣获吉尼斯世界纪录称号。该机器人的时间为 0.305 秒，打破了之前的 0.38 秒纪录。...
作者：ROBOT@qwh 日期：2024.06.24 分类：机器人 685 -
超微创手术辅助机器人缝合玉米粒
索尼开发了一种机器人，可以利用显微镜和高灵敏度的控制装置来跟踪外科医生的手部动作，并对静脉和神经等小组织进行精细的手术。...
作者：ROBOT@qwh 日期：2024.05.19 分类：机器人 1157 -
轮式移动机器人的里程计计算
在移动机器人领域，准确估计机器人的位置和方向对于成功导航和控制至关重要。用于实现此目的的一种常用技术是计算里程计。里程计是通过分析车轮运动和旋转来估计机器人位置和方向（或统称为姿势）的过程。在本文中，我们将主要关注移动机器人，并且本文建立在坐标变换的先验知识的基础上，这些知识将用于在探索环境时推导更新的机器人姿势。了解里程计里程计（也称为航位推算） 的原理是，轮式机器人行驶的距离可以通过测量其轮子的旋转来确定。通过测量每个轮子的旋转运动并应用运动学方程，可以估计机器...
作者：ROBOT@qwh 日期：2024.05.06 分类：学习教程 1089 -
面对日益减少的蜂群，科学家们正在用机器人和智能蜂巢武装蜂王
无论是新闻报道还是撞击挡风玻璃的生物数量不断减少，您都无法忽视昆虫世界的状况很糟糕。过去三十年里，全球飞虫生物量减少了75%。这一趋势最著名的受害者之一是世界上最重要的传粉媒介蜜蜂。在美国，仅 2023 年就有48% 的蜂群死亡，成为有记录以来第二高死亡年份。这种重大损失的部分原因是蜂群崩溃综合症（CCD），即蜜蜂的突然消失。相比之下，欧洲国家报告的蜂群损失率较低，但仍然令人担忧，从 6% 到 32% 不等。这种下降导致我们许多重要粮食作物授粉不足，这种现象威胁着我们社会的粮...
作者：ROBOT@qwh 日期：2024.01.16 分类：机器人 1495 -
机器人模拟器Pyrobosim 介绍
ROS 2 支持 2D 移动机器人模拟器进行行为原型设计。pyrobosim由多边形层次结构实体组成，包括：机器人：一种可移动的实体，能够采取行动来改变自身状态和世界状态。房间：机器人可以导航的区域。走廊：连接两个房间的区域，机器人也可以在其中导航。位置：房间内可能包含物体（例如家具）的区域。对象生成：对象可能存在的位置的子区域（例如，左侧与右侧台面）。对象：可以在世界各地操作的离散实体。这一切均在 2.5D 环境中表示（具有垂直 (Z) 高度的 SE(2) 姿势）。 然而，...
作者：ROBOT@qwh 日期：2023.12.19 分类：机器人 1528 -
一种自动确定计算机游戏状态中可能动作的方法
由于手动彻底测试视频游戏软件非常困难，因此需要拥有能够自动探索不同游戏功能的人工智能代理。此类代理的关键要求是玩家动作的模型，代理可以使用该模型来确定不同游戏状态下的可能动作集，以及对代理策略选择的游戏执行选定的动作。目前使用的典型游戏引擎不提供这样的动作模型，导致现有的工作要么需要人工手动定义动作模型，要么不精确地猜测可能的动作。在我们的工作中，我们通过为游戏中存在的用户输入处理逻辑开发最先进的分析方法来演示程序分析如何有效解决该问题，该分析可以使用离散动作空间自动建模游戏...
作者：ROBOT@qwh 日期：2023.12.07 分类：人工智能 2307 -
使用众包反馈来帮助训练机器人
为了教人工智能代理一项新任务，比如如何打开厨房柜子，研究人员经常使用强化学习——这是一种试错过程，在该过程中，代理会因采取更接近目标的行动而获得奖励。在许多情况下，人类专家必须仔细设计奖励函数，这是一种激励机制，赋予代理人探索的动力。当智能体探索并尝试不同的动作时，人类专家必须迭代地更新奖励函数。这可能非常耗时、效率低下，并且难以扩展，尤其是当任务复杂且涉及许多步骤时。来自麻省理工学院、哈佛大学和华盛顿大学的研究人员开发了一种新的强化学习方法，该方法不依赖于专门设计的奖励函数...
作者：ROBOT@qwh 日期：2023.11.29 分类：机器人 2090 -
热门文章
-
康普顿未来智慧农场
康普顿未来农场，使用更少的水和1%的土地，即可实现与产统农业相同产量.... -
一种自动确定计算机游戏状态中可能动作的方法
由于手动彻底测试视频游戏软件非常困难，因此需要拥有能够自动探索不同游戏功能的人工智能代理。此类代理的关键要求是玩家动作的模型，代理可以使用该模型来确定不同游戏状态下的可能动作集，以及对代理策略选择的游戏执行选定的动作。目前使用的典型游戏引擎不提供这样的动作模型，导致现有的工作要么需要人工手动定义动作模型，要么不精确地猜测可能的动作。在我们的工作中，我们通过为游戏中存在的用户输入处理逻辑开发最先进的分析方法来演示程序分析如何有效解决该问题，该分析可以使用离散动作空间自动建模游戏... -
拆解 OpenAI 的新董事会
在人工智能和技术领域掀起波澜的惊人事件中，人工智能领域的领先实体 OpenAI 最近的领导地位发生了重大转变。以萨姆·奥尔特曼 (Sam Altman) 戏剧性地重返首席执行官职位以及随之而来的董事会改组为标志，这些变化代表了该组织的关键时刻。OpenAI 以其在人工智能研究和开发方面的开创性工作而闻名，包括广泛认可的 ChatGPT 和 DALL-E 模型，站在人工智能进步的最前沿。因此，董事会的重组不仅仅是人员的变动，还标志着人工智能领域最具影响力的组织之一的方向、优先事... -
HierSpeech++：通过零样本语音合成新架构
基于大语言模型（LLM）的语音合成已广泛应用于零样本语音合成中。然而，它们需要大规模数据，并且具有与以前的自回归语音模型相同的局限性，包括推理速度慢和缺乏鲁棒性。本文提出了 HierSpeech++，一种快速、强大的零样本语音合成器，用于文本到语音（TTS）和语音转换（VC）。我们验证了分层语音合成框架可以显着提高合成语音的鲁棒性和表现力。此外，即使在零样本语音合成场景中，我们也显着提高了合成语音的自然度和说话人相似度。对于文本到语音，我们采用文本到向量框架，该框架根据文本表... -
使用众包反馈来帮助训练机器人
为了教人工智能代理一项新任务，比如如何打开厨房柜子，研究人员经常使用强化学习——这是一种试错过程，在该过程中，代理会因采取更接近目标的行动而获得奖励。在许多情况下，人类专家必须仔细设计奖励函数，这是一种激励机制，赋予代理人探索的动力。当智能体探索并尝试不同的动作时，人类专家必须迭代地更新奖励函数。这可能非常耗时、效率低下，并且难以扩展，尤其是当任务复杂且涉及许多步骤时。来自麻省理工学院、哈佛大学和华盛顿大学的研究人员开发了一种新的强化学习方法，该方法不依赖于专门设计的奖励函数...
