登录社区云，与社区用户共同成长
邀请您加入社区
TA10为钛钼镍耐蚀钛合金，在保留钛轻量化的基础上，针对氯离子、弱还原性介质优化耐蚀能力，适合存在腐蚀环境的特种机器人、海洋装备设备连接，弥补纯钛在部分腐蚀工况下的短板。TA2属于工业纯钛，塑性优异，耐蚀性能突出，无磁性，加工性能好。随着人形机器人、智能装备行业快速发展，轻量化、抗疲劳、耐腐蚀的钛合金紧固件，越来越多地应用于机器人关节、减速器、伺服组件等关键连接部位。东明（天津）紧固件有限公司：T
在 3C 电子、半导体封测、精密医疗器械、汽车微型传感器以及精密机加工等制造领域，微小零件高精度视觉检测是保障产品零缺陷交付的关键工序。随着工件尺寸向微米级缩减，传统人工肉眼检测不仅效率低下、容易疲劳漏检，而且难以满足严格的质量追溯要求。传统的固定式视觉检测专机虽有高分辨率优势，但在应对“多品种、小批量、复杂三维曲面及多角度盲区”时，往往面临视角受限、换线调机极其繁琐的瓶颈。为了突破这一局限，“高
挑选机器人 CNC 供应商，重点考察 11 项维度：机器人零件加工经验、复杂结构加工实力、五轴工艺能力、工艺评估能力、精度控制水平、精密检测硬件、批量制造能力、质量记录追溯、工程迭代响应、样品‑量产交付能力。零件具备复杂结构、严苛公差、薄壁轻量化、多向精密孔系、需要五轴工艺、批量生产、输出检测报告，就应当选择兼具工艺能力、五轴设备、精密检测、量产经验的加工厂。采购机器人关节零部件，不能单纯比价。报
核心要点：低空经济正从政策热词转向规模化落地，核心驱动力在于政策支持、空域管理数字化与工业巡检刚需。超长航时无人机（500分钟续航）与地面巡检机器人形成“空中发现、地面复核”的协同闭环，是当前落地确定性最高的方向之一。关键技术参数：空中平台：超长航时巡检无人机标准挂载3公斤时续航500分钟，通视控制半径100公里，适用于大范围管线、园区巡检 。地面机器人：防爆四足HT-EX300（Ex IIB T
核心要点：针对机场净空区无人机入侵、鸟击、异物侵入等综合风险，构建“多源探测+空地协同+分级处置”的低空安全防护体系，实现从单点设备向系统化、可验收的工程交付升级。方案架构：探测感知层：固定雷达、无线电频谱侦测、AI视频监控与热成像设备，解决低空小目标发现难问题。空地协同层：超长航时巡检无人机（续航500分钟）负责围界、跑道端大范围巡飞；防爆机器人（HT-EX300、轮式巡检机器人）执行油库、加油
核心要点：光伏运维范围已从组件阵列扩展至设备、生态、防火等复合体系。本文提出“无人机大面粗筛 + 机器人点位复核 + AI平台统一研判 + 工单闭环消缺”的四级方案，实现从设备缺陷到环境扰动的全量监测。方案构成：超长航时无人机：500分钟续航，覆盖大型基地并采集NDVI、地表扰动等生态指标。防爆机器人：四足机器人（Ex IIB T4 Gb，45°爬坡，IP67）适用于复杂地形；轮式机器人（Ex I
在智能机器人领域，远程图传技术正以“千里眼”般的精准性，将机器狗从局部探索者转化为“云端探险家”。云慧信达的10公里级机器狗远距离图传模块，结合先进的视觉算法、高稳定传输协议和边缘计算优化，实现了实时、高清、低延迟的远程视觉传输。
本文以某无人机飞控（FCS）惯性导航状态估计器中的为对象，系统阐述其卡尔曼滤波（EKF）的数学原理与具体实现。文章从连续时间运动方程出发，经前向欧拉离散化得到系统矩阵A与输入矩阵B；随后给出预测（Predict）与修正（Correct）两步的完整方程，并以一组 6 路传感器（GNSS 速度/高度、声呐、气压计、VIO 速度/位置）的真实结构为例，代入具体数值逐步计算出新息、新息协方差、卡尔曼增益与
核心要点：针对光伏电站人工巡检覆盖难、一致性差、闭环弱三大瓶颈，通过无人机与地面机器人组成空地协同巡检网络，配合AI视觉与红外热成像技术，实现组件级缺陷的精准识别与运维闭环。技术路径：检测能力：可见光识别组件破损、遮挡；红外热成像定位热斑、接线盒异常；AI算法自动分类缺陷并生成坐标台账。部署架构：超长航时无人机负责大面积快速筛查，地面机器人复核逆变器、箱变及近地面组件，防爆机器人延伸至储能、升压站
本款铝合金高精密CNC加工服务，专为工业机器人零部件定制研发，核心针对性解决行业普遍难题：机器人零件多孔位、多斜面、多角度复杂结构，采用普通三轴机床多次翻面、多次装夹加工，产生严重基准偏移、累积误差大、批量一致性差的工艺弊端。本款铝合金高精密CNC加工服务，专为工业机器人零部件定制研发，核心针对性解决行业普遍难题：机器人零件多孔位、多斜面、多角度复杂结构，采用普通三轴机床多次翻面、多次装夹加工，产
本研究突破传统无人机单机自主导航的技术边界，将5G通信的低时延、大带宽、广连接特性与无人机的感知、控制、集群协同深度融合，结合你此前长期开展的无人机路径规划、多智能体协同、复杂环境避障的研究积累，构建“5G云边端协同赋能”的全新无人机技术体系，从底层通信架构到上层应用场景实现全维度创新，解决传统无人机在复杂城市空域中通信中断、算力不足、集群协同效率低的行业痛点。
当被整合进一套连贯的物理 AI 架构——与自主移动机器人、机器视觉系统、预测性维护平台和工业物联网并存——时，人形机器人反而能够成为强大的力量倍增器，延展既有自动化技术的触达范围。期望应保持现实：当前人形平台在已映射环境中的结构化、重复性任务上表现可靠，而精细的灵巧操作与完全自主的决策仍在演进之中。它们进入工业环境的路径将经由具体、界定明确的任务——而尽早识别这些任务的运营商，将建立起有意义的经验
ESP8285H16 + SX1280 + AT2401C 的组合之所以能成为飞控无线通信领域的"黄金搭档"，并非简单的芯片堆砌，而是从系统层面实现了智能控制、远距通信与信号增强三个环节的配合。对于正在设计飞控无线通信方案的开发者和企业而言，这是一条兼具性能、成本和生态优势的成熟路径。SX1280 是 Semtech LoRa® 系列中面向 2.4GHz ISM 频段的长距离、低功耗射频收发器，支
随着无人机技术的日益成熟，其应用领域也日趋广泛。尤其是在侦察、巡逻、搜救等任务中，多无人机协同作业能够显著提升效率和鲁棒性。其中，多无人机协同围捕作为一种重要的应用场景，在环境监控、非法入侵追踪、搜寻目标等领域具有极高的价值。然而，多无人机协同围捕任务面临着诸多挑战，例如环境的复杂性、目标的动态性、通信的限制以及计算资源的约束等。传统的控制方法难以适应这些复杂情况，而基于深度强化学习（Deep R
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。🍎 往期回顾关注个人主页：Matlab科研工作室👇 关注我领取海量matlab电子书和数学建模资料🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
我们先复习一下我们的建模顺序1.全局环境搭建 2.资源准备 3.骨架构建 4.定义自由度（Joints）5.添加形状（Geoms）6添加约束与传动 7 添加动力 8 添加观测如果有忘记的伙伴可以去看我的第一篇文章我们这篇文章完成。3骨架构建 4.定义自由度（Joints）5.添加形状（Geoms）一 <body>
本文介绍了一个自动化安装Gazebo11的bash脚本。该脚本包含7个主要步骤：1)清理旧版本残留；2)清理环境变量；3)添加官方软件源；4)安装Gazebo11主程序；5)配置环境变量；6)可选安装默认模型集；7)验证安装。脚本还支持ROS集成包的安装，并提供版本验证和启动测试功能。使用时需先赋予执行权限，运行后将自动完成所有安装配置工作，最后可通过gazebo命令测试是否安装
我们先复习一下我们的建模顺序1.全局环境搭建 2.资源准备 3.骨架构建 4.定义自由度（Joints）5.添加形状（Geoms）6添加约束与传动 7 添加动力 8 添加观测如果有忘记的伙伴可以去看我的第一篇文章这篇文章我们将完成最后一步6添加约束与传动 7 添加动力 8 添加观测。
2.修改世界模型，把地图模型放进去：~/PX4_Firmware/Tools/sitl_gazebo/worlds/empty.world。4.设置相机朝向：~/PX4_Firmware/Tools/sitl_gazebo/models/iris_fpv_cam。3.新增无人机上的相机：~/PX4_Firmware/launch/mavros_posix_sitl.launch。5.设置相机参数：
在空地一体化移动边缘计算场景中，无人机凭借机动灵活、部署便捷、覆盖范围广的优势，可作为移动边缘服务节点，搭载算力设备对地面分布式终端用户的计算任务进行实时卸载与就近处理，有效解决传统地面固定边缘基站覆盖盲区大、部署成本高、应急响应能力弱的问题。然而在复杂野外、陌生城市、动态干扰环境下，多无人机协同作业面临飞行障碍物规避、动态环境自适应、终端服务优先级差异化、多机无冲突协同等多重约束。
在现代无人机应用中，多无人机协同作业已成为提升任务效率和拓展应用范围的关键手段。然而，多无人机在共享空间中飞行时，路径规划与防撞问题至关重要。基于多智能体 Q - Learning 强化学习的方法为解决这些问题提供了有效途径。该方法借助 Q - Learning 算法的优势，让每架无人机通过维护独立的 Q 值表进行学习，并通过奖励函数的巧妙设计实现协同防撞，从而在复杂环境中实现高效的协同路径规划。
Hello，大家好！最近由于课题需要开始摸索ros+gazebo内容，主要做多无人机的协同仿真，准备写成一个系列，想要学习的朋友可以订阅我的频道。好的，下面让我们一起开始吧！先用几句话介绍一下，首先，gazebo 是仿真器，但本身跟我们之前学的solidworks之类的软件不同，它不能直接建立三维模型，我们只能在里面用工具搭建仿真环境，模型使用urdf格式文件导入的，我们做的是编写launch文件
PX4无人机集成自带的深度相机进行gazebo仿真
ROS、pix4、gazebo、qgc仿真ubuntu20.04
一、技术背景：无人机物流路径规划的核心痛点与 Q-learning 的适配性动态环境适应性不足：城市物流场景中存在实时障碍物（如临时禁飞区、突发天气、其他低空飞行器），传统静态路径规划算法无法实时调整路径，导致配送延误率高达 25%-30%。例如，某城市无人机配送试点中，因突发雷雨天气，预设路径无法通行，20% 的订单被迫取消。
本文深入探讨了3D激光雷达与强化学习技术在无人机自主避障中的应用。通过Fast Lab最新实验数据，展示了端到端导航系统在复杂环境中的高效表现，包括毫米级障碍物实时检测与规避能力，为无人机行业带来革命性突破。
目前工作包括五个关键实验：用于提供状态信息的机翼应变传感器系统初步验证，在风变化的单自由度运动环境中的控制技术，在重力姿态调整的两自由度运动环境中的控制技术，在有风条件下的位置控制测试，以及在无风条件下，仅使用机翼应变传感器的精确飞行路径操纵的演示。在强化学习驱动的飞行控制器帮助下，已经成功地演示了仅使用机翼应变传感器，在各种环境中控制扑翼无人机。研发了可应用于扑翼无人机的“感知飞行”控制技术，利
ubuntu20可以装gazebo11，在别的环节仿真都没问题，但是换飞机模型时会有很多问题，所以使用gazebo9进行。这里已经下载好，可以直接编译运行。
最终将训练好的模型部署到PX4飞控的机载计算机上（Jetson Xavier NX），实测在户外简单避障任务中决策频率达到25Hz，验证了模型的实时性。在AirSim仿真环境中训练200万步后，无人机在动态障碍物（随机移动球体）场景中的避障成功率达到91.2%，平均路径长度比基准SAC缩短14.7%。在训练阶段使用优先经验回放，提高关键样本的学习效率。在包含树木、建筑物等静态障碍物的Unity3D
一、无人机导航的核心痛点：从 “被动执行” 到 “主动决策”无人机导航路径规划的核心诉求是自主避障、最优路径、动态适应，但传统导航方案（如 GPS + 预设路径、人工势场法）存在明显局限：预设路径无法应对突发障碍物（如飞行中的鸟类、临时施工区域）；传统算法在复杂环境（如城市峡谷、森林）中易陷入局部最优，且对动态环境的适应性不足。
XTDrone仿真——无人机能够在gazebo中出现，可以连接，但无法起飞
无人机识别二维码降落gazebo仿真。
💥💥💞💞❤️❤️💥💥博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️行百里者，半于九十。📋📋📋🎁🎁🎁。
上一篇文章介绍了怎么Ubuntu20.4下安装APM+gazebo的仿真，本篇文章来介绍下怎么在虚拟机环境下Ubuntu22.04安装APM+gazebo仿真，这里因为ubuntu系统有所升级所以操作步骤发生了点变化，同样有可能会遇到gazebo版本冲突，建议装之前先不要装ros。无人机仿真 APM+Gazebo-CSDN博客。
在用uuv_simulator进行uuv的仿真过程中，前一天还能够按照csdn上的教程正常启动uuv的手柄控制仿真+gazebo环境，但是照着官方文档尝试增加自定义uuv模型后，启动原本的官方例程时出现报错(具体看文中图)，后来发现在官方源码uuv_sensor_ros_plugins功能包中的ROSBaseSensorPlugin.cc文件内的一个函数没有返回值，加上之后就好了......
无人机的稳定飞行依赖于精确的控制，比例 - 积分 - 微分（PID）控制器因其结构简单、鲁棒性强等优点，广泛应用于无人机的姿态和位置控制。然而，传统的 PID 参数整定方法往往依赖经验或试错，难以在复杂多变的飞行环境中实现最优控制。强化学习作为一种强大的机器学习技术，能够通过智能体与环境的交互学习，自动优化控制策略。将强化学习应用于无人机 PID 参数的调整，有望实现无人机在不同飞行条件下的自适应
大建安智慧工地的发展，源自前身晨丰物联的物联网技术积累。在总经理邵斌带领下，团队较早提出智慧工地建设理念，从技术探索走向项目落地，落地一大批国家级、烟台市三星智慧工地标杆项目，进一步深度参与国家及行业团体标准编制，完成从一线实践者到行业规则共建者的转变。本文基于公开资料梳理其发展脉络，供行业同行参考。
低空空中目标检测数据集（Low-Altitude Aerial Target Detection Dataset）低空目标检测 反无人机 空中目标分类 小目标检测 YOLO格式 深度学习数据集 计算机视觉x数据集概述本数据集专注低空空域目标感知，服务于反无人机、空中交通监控及生态监测等前沿领域。数据涵盖典型空中目标，场景丰富，适配可见光条件下的目标检测算法研发与评测。在这里插入图片描述数据集核心信
本文提出空地一体智能巡检系统，解决传统人工巡检效率低、风险高的问题。系统通过超长航时无人机（续航500分钟）、防爆机器人和无人巡逻车进行广域扫描，结合AI平台自动分析，形成"机器先查、AI初筛、人工复核"的闭环流程。关键点包括：1）异常点位按AI置信度（低于90%）触发单点人工复核；2）分工上无人机负责大范围扫描，人工专注高价值判断；3）标准配置下单次任务可覆盖数十平方公里。实
工业机器人关节壳体作为核心承载部件，其加工工艺直接影响整机性能。针对薄壁异形结构易出现的同轴度偏差、应力变形等问题，需采用五轴一次成型加工、低应力切削工艺、恒温环境控制及精密检测等关键技术。通过航空铝合金材料和严格工艺控制，可实现微米级精度，保障机器人长期运行的定位精度和稳定性，降低装配调试成本。壳体加工质量对产品可靠性具有决定性影响，需从设计阶段进行工艺评估优化。
本数据集为**无人机植物病害检测数据集**，共包含**1500+张高质量航拍图像**。所有图像均来源于**无人机低空巡检采集**，真实反映农田环境下的作物生长状态。
在低空经济与智能无人系统快速迭代的背景下，无人机集群编队技术已从商业灯光秀场景，逐步下沉为职业院校、高校自动化、无人机应用、智能机器人专业的核心实训内容。相较于传统单机飞行实训，集群编队属于多智能体协同控制范畴，涵盖路径规划、时钟同步、通信调度、姿态解算、故障容错等复合型技术点。但在实际教学落地中，多数院校存在三大痛点：1. 纯真机实训成本高、损耗大、安全风险高，无法高频次试错训练；2. 商用编队
**摘要：**传统基于固定型号的威胁识别模式难以应对模块化无人机的快速演进。建议构建"能力驱动"的动态识别体系：1.采用可更新的能力标签替代静态型号库；2.建立"事实-推断-假设"三级证据模型；3.将反无人机系统拆解为六个可替换的功能模块；4.关注航迹连续性、决策时延等实战指标。翼辉信息通过统一指挥平台连接多型装备，以实时操作系统为底座，形成可快速迭代的闭环
在无GPS或弱信号环境中，它还要依靠机载传感器持续定位、识别障碍，并在有限时间内在指定区域自主搜索，发现并定位失踪人员，安全接近目标，准确投放模拟救援物资。FlyCore融合飞控、建图定位、识别规划、传感器接入等核心能力，构建感知、定位、规划、控制的完整闭环，支持开发者快速搭建飞行机器人平台，开展算法验证和应用探索。发现目标后，还要结合环境与障碍信息，重新规划安全、高效的接近路线。赛事面向高校、科
无人机Remote‑ID(RID)科普：从ESP32DIY原型到商用低空安防整套系统。低空安防没有 “单点万能设备”，一定是多传感器融合。RID 接收、频谱侦测、专用雷达、5G‑A 通感一体基础设施
本文提出一种面向电力与油气长输管线的空地一体化智能巡检方案，通过500分钟超长航时无人机、地面巡检机器人及智能管理平台的协同应用，解决传统巡检方式效率低、覆盖不足的痛点。该方案核心优势包括：单架次380公里有效巡检里程、95%缺陷识别准确率、1ppm·m甲烷检测灵敏度，可实现输电杆塔快速巡检和管道泄漏精准监测。系统支持与现有管理系统对接，经测算可使千公里管线的年巡检成本从32万元降至7.2万元，投
本文介绍了一个专为无人机战场侦察任务设计的6类军事目标检测数据集，包含9978张高质量无人机航拍图像（训练集6994张、验证集1984张、测试集1000张），涵盖战场侦察队、军事装备、重型武器等6类目标。数据集采用YOLO标注格式，适用于YOLO系列等主流检测模型训练。文章详细阐述了数据集背景、特点、应用场景及训练指南，旨在推动AI技术在军事侦察领域的应用，提升战场态势感知能力。数据集已公开分享（
无人机
——无人机
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
openEuler 社区
2048 AI社区
AI硬件创业社区
天工造物局
亚马逊云科技技术品牌专区
