現代自動化生產中要求機器人係統具備一定柔性以適應變種變量的生產需求。例如在機器人分揀及組裝中,機器人需要快速處理各式不同的物體。使機器人係統可以穩定並且低成本的操控多種目標物體是實現新一代高效自動化生產的重要研究目標。目前機器人係統針對多種物體的操作,主要通過機械手/手指更換設備或多功能機械手來實現[1][2]。然而機械手/手指更換設備需要部署輔助控製設備和外部能源供給,這增加了係統的複雜度。同時,設備的控製與供能需要引入電纜或氣管,這會對機械臂的自由靈活運動產生幹擾。此外,多功能機械手僅可適用於一定範圍的操作任務。對此,我們提出了讓機器人使用不同工具來操作多樣化目標物的方法。這裏提到的工具並不是機器人學中對終端執行器的稱呼,而是同人類使用的鑷子,剪刀等工具一樣的可以被機械手直接控製的工具。此工具為複雜的變種變量的操作任務提供了一項有效的解決方案,它有如下特征:(1) 通過機械機構實現機械手到工具的動力傳遞,無需外部控製及供能;(2)結構緊湊,對機器人的避障路徑規劃影響極小;(3) 通過設計不同的工具先端實現可以對多種任務進行有效配適,在更換工具時僅需要對目標工具進行一次抓取;(4)純機械機構設計,成本低廉,可靠性強。
![創澤智能機器人](//www.ts-vln.com/www/images/czlogo.png) |
- 創澤智能機器人
- 中國智能服務機器人領軍企業,涵蓋商用、家庭、特種等多用途的智能機器人產品體係,十幾年行業應用解決方案提供商
|
|
神經網絡的敏感性分析方法可以分為變量敏感性分析、樣本敏感性分析兩種,變量敏感性分析用來檢驗輸入屬性變量對模型的影響程度,樣本敏感性分析用來研究具體樣本對模型的重要程度
神經網絡模型本身其實並不是一個黑箱,其黑箱性在於我們沒辦法用人類可以理解的方式理解模型的具體含義和行為
為決策樹模型是一個具有比較好的可解釋性的模型,以決策樹為代表的規則模型在可解釋性研究方麵起到了非常關鍵的作用
騰訊優圖實驗室高級研究員Louis在分享了自適應缺陷數據,業務場景下的神經網絡訓練方法
人工智能技術支持的圖像采集可以顯著幫助掃描過程實現自動化,還可以重塑工作流程,最大限度地減少與患者的接觸,為成像技術人員提供最佳保護
舵機是步態服務機器人的核心零部件和成本構成,是包含電機、傳感器、控製器、減速器等單元的機電一體化元器件
基於激 光雷達的SLAM(激光SLAM)和基於視覺的SLAM(V-SLAM)。激光SLAM目前發展比較成熟、應用廣泛,未來多傳感器融合的SLAM 技術將逐漸成為技術趨勢,取長補短,更好地實現定位導航。
SLAM階段:解決從原始傳感器數據開始,構建某種基礎地圖的過程,標注階段:在SLAM結果基礎上進行人為標注,實現更精細的交通規則控製