关键词： 单腿机器人   三维动态跳跃   弹簧加载倒立摆模型   反作用轮倒立摆模型  

摘要： 在三维环境中实现连续、稳定和准确地跳跃是单腿跳跃机器人的研究难点,课题组设计了一种质心可准确抵达三维空间中目标位置点的单腿跳跃机器人。基于弹簧加载倒立摆(SLIP)动力学模型,实现了对机器人起跳速度的控制,使可控连续跳跃成为可能;基于反作用轮倒立摆(RWP)动力学模型和角动量守恒定律,实现了在3个惯性尾辅助下的三维姿态实时控制;集成SLIP模型,RWP模型和课题组提出的落地后转向策略,设计了机器人质心可精确到达预期三维目标点的连续跳跃算法。仿真结果表明:该单腿跳跃机器人可实现在三维环境中的连续、稳定和准确跳跃,从而验证了课题组提出的三维跳跃动力学模型及其控制算法的可行性。

关键词： 深度学习   电子信息竞赛   机器人   目标检测算法  

摘要： 互联网智能技术促使以机器人为主体的电子信息竞赛开始出现,在电子信息竞赛中,传统的机器人目标检测技术的速度较慢、准确率较低。因此,研究提出了在深度学习基础上构建的YOLOv8算法,并对其轻量化版本YOLOv8-Tiny算法进行了改进,提出了SS-YOLO算法,同时利用实验对其性能进行了验证。实验结果表明,SS-YOLO的MAP最高可达85%,远高于YOLOv8-Tiny的68%;SS-YOLO算法呈现出57.1帧的FPS值和32.8 MB的模型大小。同时,SS-YOLO在7次召唤率范围内的准确率最高为100%,其平均准确率高达90%,远高于YOLOv8-Tiny的75%。综合来看,研究提出的SS-YOLO算法具备更高的检测速度和精度,同时在同等情况下模型更小,在实际的电子信息竞赛中具有较强的实用性和有效性。

关键词： 机器人技术   计算机技术   机器人学   传感器技术   机器人辅助手术   微创外科手术   医疗领域   视觉增强  

摘要： 近年来,医学科技的飞速发展为医疗领域带来了革命性的变革,随着计算机技术、机器人学和传感器技术的日益成熟,机器人辅助手术凭借其运动精度高、手术工具末端灵活性强、视觉增强效果好、减少医师疲劳等技术优势,以及缩短住院时间、减少并发症、改善美容效果等患者收益,逐渐获得微创外科手术领域的广泛认可。而为了进一步贯彻微创外科的理念,单一切口、更少创伤的单孔腹腔镜机器人,也将成为外科手术的重要创新与新的希望[1].

关键词： 竞赛用投篮自动机器人   色彩标记法   形态学规则   映射关系   抛物运动  

摘要： 针对机器人在投篮过程中因视觉镜头转动幅度小、场地大,导致的识别精度低问题,提出一种考虑场地和空间因素的目标识别方法。分析竞赛用机器人的赛点规则,得出其在比赛中需要重点识别篮球架和罚球点的位置,采用色彩标记法篮球框、门柱、篮球架顶点、侧方点以及四边罚球点,计算每个点权重,通过形态学规则求得边缘特征、线性特征以及中心特征值。建立三维坐标系,计算摄像点与模拟目标点间映射关系,通过映射值分别求得目标点与篮球框在坐标轴三个方向上的角度及目标点与机器人在三方向的距离值,得到角度与距离阈值,根据现场参数代入识别实际目标点。仿真实验证明,所提方法识别精准度高、误差小,鲁棒性好,实用价值高。

关键词： 三角履带   软地面   转向   数学模型   南极  

摘要： 针对南极特种机器人在南极雪面软地面的转向方案的选择问题,基于地面力学建立特种机器人软地面稳态差速转向和稳态前轮导向转向的通用数学模型,并通过数值方法对模型求解,得到硬路面差速转向、软路面差速转向、软路面前轮导向转向、软路面雪橇板前轮导向转向的驱动力和阻力矩变化规律,对比分析得出雪橇板前轮导向转向方案阻力矩最小,能够在南极雪面上获得更好的机动性,同时对该方案进行雪面动力学仿真验证。

关键词： RecurDyn   动力学仿真   履带机器人  

摘要： 为提高履带机器人在复杂环境下的可靠性和稳定性,以履带机器人为研究对象,首先考虑行走装置的最大越障高度及最大跨越壕沟宽度,对履带机器人进行结构设计;其次,基于RecurDyn建立履带机器人的动力学模型;最后进行机器人越障仿真分析。仿真结果表明:在3.0~5.5 s时,弹簧所受的压力增大,主要原因是抵抗越障时所受到的冲击力;重心方向的加速度只有在越障时会突然变大,其它时刻都保持良好的稳定性;障碍高度为350 mm左右时履带机器人具有良好的越障性能。

关键词： 三高四新   机器人学   课程改革   校企协同  

摘要： “三高四新”重大战略提出要打造重要先进制造业高地与具有核心竞争力的科技创新高地。文章结合电子信息类专业的特点和时代特征,对服务于“三高四新”战略的“机器人学”课程的改革展开了探索与研究,其中分析了课程体系的构建、实验平台的搭建、教学模式的建设、师资力量的打造和人才培养模式的探索等,可为应用型本科院校的电子信息类专业提供借鉴,对现代化创新型开发人才的培养具有重要意义。

摘要： Humans adapt continuously to the world around us, allowing us to acquire new skills and explore diverse environments seamlessly. Current AI methods, however, cannot attain this versatility. Instead, they are typically trained with vast datasets, and learn all tasks simultaneously. However, the trained models have limited ability to adapt to changing contexts, and are limited by available data. This challenge is particularly pronounced in robotics, where real world interaction data is scarce. Instead, we envision a robot capable of continuously learning from both the environment and human interactions, quickly acquiring new information without overwriting past knowledge, and capable of adapting to a user's specific needs. In this thesis, we apply continual learning to robotics, with the goal of enabling crucial capabilities, including: the ability to apply prior information to new settings, maintain old information, sustain capacity for new skills, and understand context. We explore these across two learning modes: continual reinforcement learning (CRL), where the agent learns from experience, and continual imitation learning (CIL), where it learns from demonstrations. However, substantial barriers hinder progress, including limited open-source resources, resource-intensive benchmarks, and impractical metrics for robotics. To address these challenges, we present CORA (COntinual Reinforcement Learning Agents), an open-source toolkit with benchmarks, baselines, and metrics to enhance CRL accessibility. CORA extends beyond catastrophic forgetting, evaluating models for forward transfer and generalization. With this foundation, we introduce SANE (Self-Activating Neural Ensem- bles) to create a dynamic library of adaptable skills. SANE's ensemble of independent modules learns and applies skills as needed, reducing forgetting. We demonstrate this method on several Procgen reinforcement learning task sets. We then adapt SANE to a physical robot, the Stretch, with SANER (SAN

关键词： 骨科术后   下肢康复   动力学建模   人机交互  

摘要： 为解决目前针对骨科术后患者的下肢康复机器人种类少且交互性弱等问题,该文设计了一种基于人体动力学建模和拉压力传感器实现人机交互的新型坐卧式下肢康复机器人。该系统通过实时监测人机交互力,调整髋关节、膝关节、踝关节训练角度,验证建立的数学模型,对比实际采集的关节角度,得出数学模型在Matlab拟合和Adams仿真中力矩变化趋势相同,且最大均方差不超过0.81N/m,实验对比完全被动和智能被动状态的关节角度有明显调整,证明该系统提升了患者的主动参与性。

关键词： 轮式机器人   运动轨迹   物联网传感技术   双环积分滑模控制技术   机器人动力学  

摘要： 针对轮式机器人控制过程中显著非线性、非完整约束动力学问题,结合物联网传感技术、双环积分滑模控制技术,提出一种轮式机器人运动轨迹的自动控制方法。采用感知层、网络层、应用层架构物联网,添加安全传感节点。利用最小二乘估计法处理传感节点信号,根据各基站与待定位节点间的信号到达时间差,获取机器人位置。针对轮式机器人的非完整约束动力学模型,利用双环积分滑模控制技术,结合内外环控制律,构建基于积分滑模面的内外环控制模型,实现轮式机器人轨迹安全传感自动控制。实验结果表明,所提技术的控制轨迹与期望轨迹拟合情况良好,可以达成预期控制目标。