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： 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： 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： 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。

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： 机器人学   智慧工厂   课程实践  

摘要： 机器人工程专业的设立旨在服务于机器人产业、智能制造等领域。在全球制造业面向“工业互联”与“工业4.0”等理念的推动下,作为机器人工程专业的核心课程之一“机器人学”亟待紧贴实际,从实践环节入手进行教学改革。本文总结笔者学校的“机器人学”课程实践过程中存在的课时不足、动手环节弱、理论知识点覆盖不全面、应用实际结合不充分等突出问题,提出以面向“智慧工厂”为设计理念的课程实践环节改革方案,利用多组桌面六轴机械臂模拟工业现场智能化制造作业流水线,以实际任务为导向,使学生能够自主设计并运用理论知识解决流水线作业中的主要矛盾,实践环节包括组装作业、精加工作业、物流仓储分捡作业等。通过尽可能全面的工业现场模拟,发挥学生的主观能动性,激发学生思考,加强学生对于理论知识的掌握与运用。通过对“智慧工厂”概念的普及,更能丰富实践教学设计方案,探索出“机器人学”实践教学的理论与实际结合的新思路,紧贴新工科人才培养目标,进一步提高教学质量。

关键词： 四足软体机器人   嵌入式   气压驱动   步态分析  

摘要： 目前软体机器人步态运动大多采用蠕动前进方式,但是蠕动前进的速度有限,在某些需要快速响应的情况下达不到需求。设计了一款四足软体机器人,该机器人的足部采用能够实现双侧弯曲的气动软体执行器,联合舵机辅助驱动,基于嵌入式平台对软体机器人的步态进行控制,实现步态爬行。研究了软体执行器在考虑负载的情况下,驱动气压与执行器弯曲角度的非线性力学模型,通过搭建实验平台,验证所设计的四足软体机器人的运动能力,结果表明,本文设计的四足软体机器人的非线性建模和结构设计是可行的,实验测出四足软体机器人的平均最快速度要快于传统蠕动方式的软体机器人。

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： 并联机器人   拉格朗日方法   动力学模型化简  

摘要： 目的:研究一种新型四自由度3T1R并联机器人的动力学分析和近似建模方法。方法:使用拉格朗日函数方法对该机器人的动力学模型进行了详细推导,得到机器人的动力学方程。基于被动关节角小角度近似、等效均质杆近似、等效集中质量近似三个步骤,顺次对该机器人进行近似建模。结果:在实际抓放轨迹下,ADAMS下的动力学仿真结果与近似前、后的动力学模型计算结果拟合良好,且近似后计算时间减少了63.12%。结论:验证了此种机器人动力学近似模型方法的准确性,可为该并联机器人的控制与优化提供参考。

关键词： 焊接机器人   中小组立   弧线焊缝   联合动力学仿真  

摘要： 为分析和提高焊接机器人在中小组立弧线焊缝作业中的动力学性能,基于MATLAB和Adams开展机器人动力学的联合仿真。首先,简要介绍了中小组立弧线焊缝机器人的系统组成;其次,依据牛顿-欧拉方程建立了焊接机器人的动力学方程,并通过Adams验证了该模型的正确性;然后,在Adams中建立了中小组立弧线焊缝焊接机器人的仿真虚拟样机模型,并通过该软件的Controls接口将仿真模型和MATLAB中的控制系统模型联合起来;最后,针对典型的中小组立弧线焊缝,开展机器人动力学的联合仿真,分析机器人运动过程中的动力学特性,为机器人的轨迹规划和动力学性能提升提供了理论依据。