“机器人感知技术”课程改革探索与实践

机器人感知技术是机器人领域的核心组成部分,涉及传感器技术、计算机视觉、声音识别等多个领域,为培养学生的综合能力提供了有力支持。然而,该课程教学面临教材陈旧、实验资源不足、跨学科知识融合难度大等问题,需要创新的教学方法来解决。探讨了“机器人感知技术”课程的教学方法,以满足现代科技领域对于机器人技术应用不断增长的需求。

无所不在的传感与机器人感知

传感技术是信息时代信息获取、处理和传输的源头 ,是“最高意义上的自动化”的技术基础 .文中通过概述当今世界上传感器技术的发展与现状 ,回顾我国机器人传感技术的发展历程 ,揭示我国在该领域与发达国家的主要差距和发展方向 ,希望能为促进我国传感技术水平的提高出力 .

基于增量式双向主成分分析的机器人感知学习方法研究

针对直观协方差无关增量式主成分分析算法(CCIPCA)需要满足零均值高斯分布的问题,该文提出含均值差向量更新的泛化CCIPCA算法(GCCIPCA),拓展了算法的适用范围。其次,针对机器人感知学习存在的在线增量计算及有效数据降维等问题,将GCCIPCA的增量思想引入到现有的双向主成分分析算法(BDPCA),提出基于增量式BDPCA(IBDPCA)的机器人感知学习方法。该方法直接针对图像矩阵行列方向的类散度矩阵进行迭代估计,具有一定的泛化能力和快速的增量学习能力,提高了实时处理速度。最后,以机器人待抓取物块作为感知对象进行实验,结果表明所提算法能够满足机器人感知学习的实时处理需求,相比现有的增量式主成分分析算法,在收敛率、分类识别率、计算时间及所需内存等性能方面均得到显著提升。

网络传感器在机器人感知系统中的应用研究

本文针对网络环境下机器人感知系统信息获取技术 ,结合 IEEE14 5 1.2网络传感器设计思想 ,提出一种即插即用机器人感知系统节点的设计方法 ,并针对具体感知节点提出一种在线编程的方法 ,即可在线修改感知系统节点中具体的传感器 /执行器的有关参数 ,如 :生产厂家、日期、校准参数等 ;并给出了网络环境下机器人感知系统的网络拓扑结构以及数字接口 .

机器人感知系统本体模型研究

机器人感知系统对开放性和互操作性提出了越来越高的要求,统一的设计模型是接口定义和标准制定的基础。利用本体理论方法构建感知系统各模块本体,在此基础上建立传感器节点的UML关系图。将该模型应用到机器人足部感知系统中,显示了其在机器人感知系统可重用等方面的作用。该模型能够降低机器人开发成本,为建立具有广泛互操作性的机器人系统打好基础。

“机器人感知与学习”项目制教学改革实践

为改革优化机器人工程专业本科“机器人感知与学习”课程教学,本文从电气电子类学科特点出发,以项目制教学为中心重塑了课程教学体系。实践表明,改革后的本课程有效培养了学生的理论学习能力、编程实践能力和团队协作能力,为后续学习打下了坚实基础。

机器人感知建造——手势增强的机器人建造工作流与实验

机器人"感知"和"创造性"的建造过程使得建筑师有能力开发数字与材料之间的新边界。在梳理国内外基于传感反馈的机器人建造研究案例基础上,提出"机器人感知建造"(Robotic Aware Fabrication,RAF)概念,以及"手势增强的机器人建造"(Hand-Motion Augmented Robotic Fabrication,HARF)工作流,实现以设计师手势实时控制机械臂切割泡沫,并以之为模板浇筑自由波形混凝土墙,初步探索基于传感反馈的设计-建造一体化过程。

感知机器人威胁对职场物化的影响

在“工具人”“打工人”“社畜”等流行语风靡职场的当下,职场物化已待关注。而随着人工智能尤其是机器人在职场中的使用日益增多,其产生的职场效应也值得探究。本研究旨在探讨在人工智能飞速发展的当今社会,人们知觉到机器人的威胁是否会产生或加重职场物化现象。8个递进子研究(N=3422)探究了感知机器人威胁对职场物化的影响,并探索其潜在机制和边界条件。结果发现:第一,感知到机器人的威胁会增加人们在职场中物化他人的倾向,并且感知到机器人认同威胁(即对人类自身独特性的威胁)造成的影响更强;第二,控制感在感知机器人威胁(主要是认同威胁)影响职场物化中起中介作用,感知机器人认同威胁越高,控制感越低,职场物化越严重;第三,补偿控制的另外三种策略,即加强个人能动性、支持外部能动性以及肯定特定结构,能够调节感知机器人威胁对职场物化的影响。研究结果揭示了机器人对人际关系的负面影响及其心理机制,有助于更好地理解、预警与应对机器人负面社会结果。

基于感知-行为模式的地面探索机器人的行为设计

以美国麻省理工学院的 L EGO机器人为原型 ,设计基于感知 -行为模式的智能型地面探索机器人 ,该机器人能自动实现前进、后退、转弯、避障等功能 ,在人工控制下还具有部分自学习能力。实验表明 。

IEEE1451.4在机器人足部感知系统中的应用

针对机器人传感器接口复杂多样的现状,提出了机器人传感器接口标准化的方案。通过赋予传感器电子表单TEDS(Transducer Electronic Data Sheet),实现了机器人传感器的智能化,改善了由于不同传感器之间的异构性带来的诸多问题,将该接口标准用于机器人足部感知系统,并用Labview开发了其电子表单的读写及配置软件,实现了传感器的即插即用。

机器人自主感知模型在网络机器人中的应用

基于机器人自主感知模型(RAPM)构建了机器人系统,该系统可通过网络自主感知获得动态网络信息,实时建立路径,使机器人完成超出其视野范围的任务.机器人自主感知模型具有很强的扩展能力和合理的构架,突破了以往移动机器人仅使用自身传感器或使用网络固定传感器的局限,对提高基于Internet的机器人智能及其行为能力有重要意义.实验结果证明了机器人自主感知模型的可行性和有效性.

动态网络中机器人信息的感知与搜索策略

为建立一个机器人信息动态交互平台,提出机器人自主感知模型,动态建立机器人路径,并基于遗传算法优化多机器人路径。机器人自主感知模型通过抽象各种网络实体,对网络信息进行分类搜索,自主感知实时的网络传感信息,从而动态规划机器人路径。遗传算法优化用于解决多机器人的路径交叉问题,避免机器人工作空间的资源竞争。仿真和实验表明,机器人自主感知模型具有很强的扩展能力和合理的构架,突破了以往移动机器人仅仅使用自身传感器或网络固定传感器的局限,能够完成超过机器人视野范围的任务。

机器人感知与交互技术课程教学方法探索

机器人感知与交互技术是机器人工程专业本科生的一门专业核心课,其教学质量的优劣对学生培养质量有着重要影响。该文介绍了课程的内容框架,分析了课程特点,并结合课程特点对该课程的教学方法提出几点思考。课程教学中应重视学生理论基础的构建,同时加强实践能力的锻炼。结合大学生创新项目、学科竞赛等环节,培养学生的创新能力和实践能力。鼓励学生查阅文献及网络学习资源,及时跟进学术及行业前沿动态。针对课程设置持续改进机制,不断改善教学效果。

多感知机器人夹持器设计

介绍了一种具有力觉、触觉和位置信息的机器人夹持器设计。讨论了力觉传感器、触觉传感器和位置传感器的设计与实现 。

机器人数目视觉感知系统的应用研究

机器人数目视觉感知系统不仅仅是一项对于能源、材料以及人工消耗很大的项目,更加是一项投资人员通过实施巨大投资以后对自身所获取理想、满足适合要求很严格的产品,并且,机器人数目视觉感知系统的质量高低对我国的科技发展速度具有不容忽视的影响,我们只有真正保证机器人数目视觉感知系统的质量,才能够真正提升机器人整体系统的质量和水平。下面就关于机器人数目视觉感知系统的应用进行简要的探讨。

多传感器融合在机器人位置感知中的应用研究

以多传感器融合技术为研究重点,论述了其在机器人位置感知中的应用研究现状。详述了多传感器融合技术基础和算法,从机器人定位导航、避障、位姿精度测量3方面,综述了其应用运用原理、方法和技术优势。总结得出多传感器融合技术实现了传感器间的优势互补,增加了系统的稳定性和容错性,提高了机器人位置感知的精度;分析得出主要采用IMU传感器、视觉传感器、激光雷达、超声波传感器和红外线传感器;且卡尔曼滤波数据融合算法在机器人位姿感知中应用较多。同时,机器人位置感知中的多传感器融合技术仍需进一步突破不用数据融合模型的结合算法,传感器硬件精度仍需进一步提高。

面向机器人操作任务的视触觉传感技术综述

得益于高空间分辨率、多触觉模式的感知,视触觉传感技术已被广泛应用到机器人主动感知、位姿估计及掌内操作等各类机器人操作任务中。首先根据传感原理分类总结了目前主流的视触觉传感技术,主要可分为GelSight类视触觉传感器、双(多)目视触觉传感器以及其他类型视触觉传感器3类。在此基础上,进一步对主要触觉传感信息建模方法进行了介绍,包括接触表面三维几何形状、力/力矩、滑动等不同触觉模式。此外,聚焦机器人操作领域,对视触觉传感器的具体应用场景进行了探讨。最后,讨论了视触觉传感器的下一步发展方向以及如何将其进一步应用到机器人灵巧操作任务中。

三维高斯溅射超分辨视觉场景构建算法

目前,机器人技术在工业化与自动化产业中扮演着举足轻重的角色,然而,机器人在视觉信息感知领域仍面临感知精度不足等挑战。为提升机器人在复杂工作场景下的视觉信息精确感知能力,该文基于三维高斯溅射(3D Gaussian splatting,3DGS)提出一种超分辨视觉场景构建算法。该算法引入真实世界增强型超分辨率生成对抗网络(real-world enhanced super-resolution generative adversarial networks,Real-ESRGAN)作为前置预处理技术生成高分辨率视图,并通过对生成的高分辨率视图下采样结果与原有的低分辨率视图对齐得到亚像素约束,进而增加三维重建细节部分的表征精细度。在场景构建过程中,自适应密度控制保证重建的精度,高斯快速可微光栅化器保证实时渲染速率。通过在具有复杂纹理、镜面反射等特征的多种场景实验验证表明,与传统3DGS相比:峰值信噪比(PSNR)指标平均提高7.81%,结构相似性指数(SSIM)指标平均提升4.31%,学习感知图像块相似度(LPIPS)指标平均降低38.35%。该算法可显著改善传统3DGS在低分辨率输入时出现的颜色渲染错误、针状伪影以及纹理信息缺失等问题,为机器人视觉信息感知提供新的技术支撑。

融合点线特征的视觉惯性同时定位及建图

为了解决移动机器人在低纹理场景中的定位精度较低且容易跟踪丢失问题,本文设计了一种点线特征提取和匹配策略,并以此构建了视觉惯性同时定位和建图系统。提出线特征提取和匹配算法,通过改良线特征提取算法的隐藏参数,提高了线特征提取的精度。利用点线特征不同匹配筛选框架减少误匹配的数目,得出了可以应用于视觉惯性同时定位和建图系统的线特征提取匹配算法。在现有视觉惯性框架中引入提出的线特征约束,搭建了能在未知低纹理环境下鲁棒运行的视觉惯性同时定位及建图系统。研究表明:在真实环境中的移动机器人定位实验证明了该系统的精度和鲁棒性优于现有的视觉惯性框架,其室内定位精度提高了24.2%,走廊定位精度提高了8%,对于移动机器人在低纹理场景下的高精度定位具有较高价值。

面向ERT大面积触觉传感的自适应优化成像方法

在动态的非结构化环境中,有效地感知物理接触对于智能机器人安全交互至关重要。为了能够检测各种潜在的物理交互,需要在机器人表面部署大面积触觉传感器。目前,现有的大面积触觉传感器主要是通过传感阵列方式实现的,但是大规模部署传感元件在实际应用中存在巨大挑战。电阻层析成像(Electrical Resistance Tomography,ERT)技术作为一种连续传感方式,有望克服传统触觉传感阵列的一些限制。为此,利用ERT设计了一款新型的大面积触觉传感器。在此基础上,提出了一种基于自适应感兴趣区(Region of Interest,ROI)的图像重构算法,将图像重构限制在交互区域内,以提高传感器的空间分辨率。为了验证提出成像算法的有效性,通过仿真与物理实验对其进行了全面评估。实验验证了该算法可以有效提高触觉传感器在交互区域的空间分辨率,使其具有较高的测量精度。实验结果表明,该传感器的平均定位误差为0.823 cm,能够准确地识别8种不同交互模式,其精度高达98.6%。这一研究工作表明,该传感器为机器人具身触觉传感的实现提供了一个新的解决方案。