登录社区云,与社区用户共同成长
邀请您加入社区
本文提出了一种基于Arduino和BLDC电机的多智能体协同避障系统,采用A全局路径规划与速度障碍法(VO)相结合的分布式控制架构。系统通过A算法为每个机器人规划全局最优路径,同时利用VO算法实现实时动态避障。该方案具有解耦灵活、动态安全、运动平滑等特点,适用于智能仓储、智能制造等场景。文章详细分析了系统架构、协同原理,并针对工程实施中的算力瓶颈、通信延迟、运动学约束等五大关键问题提出了解决方案。
对于2025年的市场而言,存在着很显著的一个表现特征,那就是“价格会有大幅度的下探”,它还是能够打开规模化实际应用大门的一个特别关键的要素。当下,软件算法,特别是运动控制以及泛化决策能力,乃是限制产业发展的关键瓶颈所在,从谷歌的RT - 2 ,经过Figure AI自行研发的Helix VLA大模型,一直到宇树开源模型,行业正在踊跃探寻从感知至动作的端到端解决办法,大模型的迭代速率,将会直接判定人
本文提供OpenClaw连接飞书的完整图文教程,主要包含以下步骤:1.在飞书开放平台创建企业自建应用;2.添加机器人能力并配置"长连接接收事件";3.订阅im.message.receive_v1消息接收事件;4.导入完整权限JSON;5.创建并发布应用版本;6.将获取的AppID和AppSecret填入OpenClaw配置页。教程强调必须完成应用创建、机器人能力、事件订阅、权
今天,我们正式开源 VISTA-Grasp双臂机器人遥操作系统。
Nano Banana ProNano Banana 2Gemini 3.1 Pro
仿生人人格化的本质在于:如何让物理系统通过内部架构与外部行为,表达出稳定、一致、可被人类识别的人格特质,并在持续交互中实现人格的动态耦合与演化。本文基于同行评议文献与逻辑建构,整合计算机科学、机器人学、心理学、神经科学、医学、科技政策等学科,构建了四支柱整合框架:支柱一(计算架构层·机器人侧)、支柱二(具身表达层·机器人侧)、支柱三(心理感知层·人类侧)、支柱四(交互耦合层·交互侧)。每项结论标注
在全球农业现代化的历史进程中,农业生产的结构性转型正在以前所未有的速度推进。随着全球劳动力老龄化加剧、农村适龄劳动力急剧流失以及农业用工成本的持续攀升,高度依赖人工的农业生产环节正面临着严峻的生存挑战。当前,全球水果种植面积已超过1.2亿公顷,年产量接近9.4亿吨,而水果采摘作为整个农业生产链条中劳动力最为密集、时间窗口最为敏感的环节,其向自动化与智能化转型已成为不可逆转的产业必然趋势1。历史上,
而是计算一堆苹果的平均高度,升降台一次到位后,依靠6轴机械臂的灵活工作空间,将该高度层的所有果实“一网打尽”。(黄色泳道)展示了独有的**“升降台(宏观Z轴)+ 6轴机械臂(微观6D位姿)”**的协同规划。主控线程只需要读取这个队列,解耦了“看”和“动”的时间差,极大提高了系统流畅度。机械臂的任务,瞬间降下升降台以降低重心,这是确保高价值机器人硬件安全的底线逻辑。,完美模拟了果农摘苹果的手法,避免
无人机系统的发展轨迹已经发生了根本性的转变,正在从传统的、依赖远程遥控的飞行器,迅速演进为高度自主化、智能化的飞行机器人。在最新的商业主导设计方案中,洛克希德·马丁(Lockheed Martin)公司提出利用成熟的InSight着陆器架构,搭载小型的火星上升飞行器和下一代样本回收直升机,以极大降低任务质量和系统复杂性,实现从火星表面运回由“毅力号”收集的地质样本的壮举。在微型飞行器(MAVs)严
DARPA OFFSET挑战赛(2023)展示了通过VR头显+语音指挥130架无人机完成城市任务的能力(90%任务完成率),标志着人-集群交互从概念走向系统验证。主要研究力量集中在苏黎世大学RPG组(Scaramuzza)、浙江大学FAST Lab(高飞)、MIT ACL(How)、HKU MARS Lab(张)、东京大学(Zhao/Inaba)和GWU(Lee),它们的开源生态(EGO-Plan
HyperAI 官网(hyper.ai)的教程板块已上线「一键部署 Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled」,快来体验高性能推理模型吧!
今天就拆透这个Skill,结合你的撸毛平台开发、副业经营场景,讲清安装方法、用法和核心逻辑,拒绝机械套模板。大家好,我是带娃搞技术、撸毛做副业的Go后端程序员Tim。最近挖到一个宝藏级Claude Skill——Gumroad创始人Sahil Lavingia的「minimalist-entrepreneur」,背后还有豆瓣7.8分创业神书《The Minimalist Entrepreneur》
摘要:仓库机器人正推动仓储自动化变革,通过AMR、AGV、协作机器人等类型实现高效搬运、拣选和分拣。其优势包括提升效率30%-60%、降低人力成本、提高仓储密度和作业安全性。现代仓库机器人可与WMS系统深度集成,实现智能调度和实时库存管理,广泛应用于电商、制造、冷链等行业。未来趋势将聚焦AI决策、RaaS模式、全自主仓库和IoT融合,投资回报期约2-3年。企业需根据作业需求选择适配方案,头部厂商已
视觉-语言-动作模型是人工智能领域最激动人心的研究方向之一。它将计算机视觉、自然语言处理和机器人控制三大领域融为一体,让机器人能够真正理解并执行人类的指令。虽然VLA模型仍然面临着数据稀缺、泛化能力、长程规划和安全等挑战,但我们有理由相信,随着技术的不断进步,这些挑战都将被一一克服。在不久的将来,我们将会看到越来越多的VLA机器人走进我们的生活,为我们提供各种服务。
《人形机器人产业2026格局分析》摘要 全球人形机器人产业已形成七大头部企业竞争格局。美国Figure以390亿美元估值领跑,凭借Helix双系统VLA架构和英伟达等巨头支持,但面临订单不足风险。Tesla依托汽车供应链优势,计划5年内实现百万台量产,但AI能力稍显不足。中国宇树以科研市场为主,2025年出货5500台,毛利率达35%,是少数盈利企业。智元定位"中国版Figure",获政府订单支持
人形机器人产业入门 · 2026 观察》第 02 篇路易乔布斯 · 一深思 AI · 2026如果你想真正理解一个产业,最快的捷径是。不是字面意义上的拆,是把一台机器人的**物料清单(BOM, Bill of Materials)**摊在桌上——每一个零件占整机成本多少、对应哪家供应商、技术壁垒在哪里、价格未来会涨还是会降。这一篇我做的事,就是带你做一次纸上的拆解。读完之后,你会明白几件让产业里很
本文首次在统一基准下对比了机器人具身操作中的视觉-语言-动作模型(VLA)和世界动作模型(WAM)两大技术路线。实验表明:WAM在视觉类扰动中表现更鲁棒,得益于其从视频数据中学习的时空动态先验;但在几何配置类扰动中表现不佳,且推理速度显著慢于VLA。研究发现,通过大规模多样化数据训练,顶级VLA模型可以超越WAM的性能。文章为技术选型提供指导:WAM适合视觉干扰多、数据稀缺的场景,而VLA在需要实
本文针对野外中草药检测中的小目标漏检、背景干扰等问题,提出基于YOLOv11的改进模型。通过将SPPF替换为AIFI模块降低计算复杂度,采用Dysample增强细节恢复能力,新增小目标检测层并嵌入CBAM注意力机制。实验表明,改进模型mAP@0.5达81.2%,较基线提升2.9%,推理速度266FPS,参数量仅2.80M,有效提升了复杂场景下的检测精度与效率。该研究为野外中草药智能识别提供了可靠技
Linux 6.6引入的sched_ext可扩展调度器框架,通过BPF技术实现了用户态自定义调度算法的能力。该框架允许开发者在不修改内核源码的情况下,编写BPF程序接管任务选核、入队、分发等调度行为,支持动态加载和热切换。文章详细介绍了sched_ext的核心概念、环境配置、开发流程和实战案例,包括BPF调度程序编写、用户态交互实现以及常见问题解决方法。该技术适用于云计算、边缘计算等场景的差异化调
《Windows11一键部署OpenClaw本地AI助手教程》摘要:OpenClaw是一款28万星标的开源AI助手,国内昵称"小龙虾",支持本地自动化办公且保障数据隐私。教程提供Win11专属一键部署包(45.7MB),无需编程基础,10分钟完成安装。关键步骤包括:关闭安全软件、英文路径解压、处理系统拦截提示。安装后即可通过自然语言指令实现文件整理、网页操作等自动化任务。针对W
Linux内核6.12引入的sched_ext框架通过eBPF技术实现了调度器的动态扩展,允许开发者在不修改内核源码的情况下自定义调度策略。该框架的核心是struct sched_ext_ops结构体,提供任务入队、CPU选择、任务分发等关键回调接口,支持实现FIFO、优先级、EDF等多种调度算法。文章详细解析了sched_ext的工作原理,包括环境搭建、接口设计、开发实践和问题排查,并提供了可直
Linux 6.12内核引入的SCHED_EXT(Extensible Scheduler Class)是一项革命性调度框架创新。该特性通过eBPF技术实现了调度策略的动态定制与热插拔,解决了传统调度器修改需重新编译内核的痛点。SCHED_EXT允许开发者编写BPF程序定义专属调度策略,支持运行时加载和切换,同时通过BPF验证器和内核兜底机制确保安全性。目前已在Meta、Google等企业生产环境
陀螺仪:靠三轴角速度推着四元数实时转动,算动态姿态加速度计:算出水平姿态偏差,拉住四元数扶正,消漂移融合迭代不断刷新四元数最后用固定三角公式,把四元数翻译成单片机好控制的角度值。
本文系统梳理了优必选Walker人形机器人运动控制的核心技术体系,涵盖五大关键方向:1)运动学与动力学基础,重点解析了36自由度逆运动学求解和浮动基座动力学特性;2)步态规划与ZMP稳定性,深入探讨了LIPM模型、CapturePoint理论及地形适应策略;3)力控制技术,对比分析了力/位混合控制与阻抗控制的原理及应用场景;4)全身协同控制,详细阐述了WBC框架及其任务优先级设计;5)实际场景应用
本文提供Windows10系统专属的OpenClaw(小龙虾)AI智能体一键部署教程。该开源框架可在本地实现跨软件自动化操作,包括文件整理、邮件发送等任务。教程包含Win10适配版下载、解压方法、SmartScreen拦截解决方案及安装路径设置等关键步骤,并针对Win10系统常见问题提供专属解决方案。部署包已内置所有依赖,无需命令行操作,解压即用,特别优化了Win10权限和兼容性问题。文中还包含W
在具身智能(Embodied Intelligence, EI)迈入规模化交付与产线落地的关键阶段 [临近时间验证, ,它与用户为中心交互系统工程(UCI-SE)的融合达到了前所未有的深度。传统机器人的交互仅限于键盘或教导盒(Pendant)的硬编码点位输入;而具身智能交互工程的核心,是构建一个“让物理实体(身体)听懂人类意图(大脑),并自适应物理世界约束(环境)”的高带宽认知与力控交互管道。
在智能制造与工业大模型时代,交互工程(Interaction Engineering) 的核心技术已不再是传统的“画网页和配置 SCADA 按钮”,而是通过多模态感知、知识图谱、降阶机理与智能体(Agent) 的深度集成,在 IT 与 OT 之间构建一条高带宽、零门槛、具备物理安全边界的“认知交互管道”。
用完整易用的AI 工具链与开放平台,降低开发者的创新门槛,连接起技术与产业、想法与落地,让更多像李江浩这样的技术人才,可以在更宽松、更协同的生态里安心创作,让开源不再孤单,让本土机器人的原生创新,一步步走向更广阔的未来。在他的理念里,开源与商业可以双向赋能。他期待有一天,国内的机器人生态足够强大,有足够多的开发者、足够多的落地案例,大家不再只是简单复刻搬运,而是真正在一起碰撞想法、共创原生创新。创
本文介绍了ROS2话题通信的基本概念和实现方法,重点讲解了如何创建Python发布者节点。主要内容包括: 话题通信模型:基于发布/订阅模式,实现节点间的异步单向通信,具有多对多和双一致规则特点。 发布者核心逻辑:创建发布者、构造消息、发布消息三个步骤。
在机器人开发中,仿真是一项至关重要的技术。它允许我们在没有实体硬件的情况下,验证算法逻辑、调试传感器数据。本篇将带你走进 ROS2 机器人仿真的世界,从零开始构建你的第一个机器人模型。机器人仿真系统通常由以下几个核心层次组成:常用仿真平台:Gazebo:ROS 社区最主流的物理仿真引擎,支持复杂的物理碰撞和动力学。Webots:商业级开源仿真软件,性能优异,界面友好。Ignition (Gazeb
26年4月来自北大、京东物流、南开大学、港科大、新泽西Rutgers大学和德州Dallas分校的论文“WM-DAgger: Enabling Efficient Data Aggregation for Imitation Learning with World Models”。模仿学习是一种用于训练机器人策略的强大范式,但其性能受限于“累积误差”问题:策略中微小的偏差可能导致机器人偏离训练集中的
给机器人一张环境地图 → 机器人知道自己在哪 → 自动算出最优路线 → 自动绕开障碍 → 自动走到目标点 → 卡住了自己脱困全程不需要任何人遥控、干预。地图:知道环境定位:知道自己在哪全局规划:知道最优路线局部控制:自动避障行驶行为树:自主管理全程 + 自动故障恢复人只给目标,机器人自己走完全程。
训练时额外标注遮挡类型(无遮挡、左上右下等8种),网络输出检测框同时输出采摘方式类别:直接采摘、上侧迂回、下侧迂回、左侧迂回、右侧迂回、不可采摘。在自建数据集AppleHarvest-2024(含12000幅图像,标注可采摘/不可采摘)上训练,采用Mosaic和MixUp数据增强,初始学习率0.01,使用余弦退火。为实现边采摘边分级,构建一个融合深度信息的最大横径估测模型。✨ 长期致力于苹果、采摘
机器人
——机器人
联系我们(工作时间:8:30-22:00)
400-660-0108 kefu@csdn.net