複数のドローンが連携して住宅を 3D プリントし、その研究が Nature 誌の表紙に掲載されました
ミツバチやアリ、その他の動物が忙しく巣を作っているのをよく見かけます。自然選択の後、彼らの作業効率は驚くほど高くなります。
これらの動物の分断と協力の能力は、ドローンにも「受け継がれています」。今後の方向性は次のようになります:
ドローン 3D ダスティング:
この研究結果は水曜日の「Nature」の表紙に掲載されました。
論文アドレス: https://www.nature.com/articles/s41586-022-04988-4
ドローンの機能を実証するために、研究者らは発泡体と特殊な軽量セメント材料を使用して、高さ 0.18 メートルから 2.05 メートルの範囲の構造物を構築しました。元の設計図との誤差は 5 mm 未満でした。
システムがより複雑なドローン編隊を処理できることを証明するために、チームはドローン シーケンスにライトを使用して光追跡タイムラプスを作成しました。高いドーム状の構造物の作成をシミュレートします。
。
研究のリーダーであり、インペリアル・カレッジ・ロンドンの航空ロボット研究所所長であるミルコ・コヴァツ氏は次のように述べています。「この方法は、北極や火星に建物を建設したり、修理を支援したりするために使用できる可能性があります」通常高価な高層ビル用足場。
ただし、ドローンは重い荷物を運ぶのが難しく、定期的な充電が必要で、依然として人間の監視が必要であるため、この技術には現時点ではいくつかの制限があります。しかし、研究者らは、研究プロジェクト中にドローンを自動的に充電することで、これらの問題の一部を軽減したいと述べている。
ドローン 3D プリントはどのように実装されますか?この点に関して、研究者たちは洗練されたシステムを構築しました。
研究紹介生産性と安全性を向上させるために、建築コンポーネントの組み立てや自由形状の連続添加剤製造(AM、AM、積層造形)。アセンブリベースの方法と比較して、自由形状連続 AM では、幾何学的に可変な設計を高効率かつ低コストで柔軟に生産できます。しかし、これらの大型システムは電源に接続する必要があり、検査、保守、修理が不便であり、過酷な環境での製造が困難です。
大型の個別ロボット システムの代替として、小型のモバイル ロボットは、より優れた柔軟性と拡張性を提供できます。ただし、建設にロボット編成を使用する研究はまだ開発の初期段階にあります。また、現在のマルチロボットの動作高さには制限があり、一定の範囲を超えて動作することはできません。以下の図は、建設業界の AM 向けに開発された SOTA ロボット プラットフォームの比較を示しています。
ナチュラルビルダーは、現在のロボットシステムとその固有の制限よりも構築する際に優れた適応性を示しています。追加工法。たとえば、ツバメは資材の供給源と建設現場の間を 1,200 回飛行し、徐々に巣を完成させることができます。シロアリやスズメバチなどの社会性昆虫は、より高度な適応性と拡張性を示します。社会性スズメバチによる空中建設では、効率的かつ直接的な経路の最適化が実証され、建設プロセス全体を通じてナビゲートする必要性が軽減されました。
これらの自然システムは、現在利用可能なテクノロジーを超えたマルチエージェント調整問題の解決を必要とする、マルチエージェントを使用した集合的構築へのアプローチを刺激します。マルチロボットシステムの集合的相互作用アプローチに加えて、材料の設計と使用、および環境操作メカニズムを統合し、共同開発して共同建設を可能にする必要があります。
Imperial College が提案したシステムは Aerial-AM と呼ばれるもので、生物学的連携メカニズムと工学原理を組み合わせ、複数のドローンを使用してそれを実現します。
UAV チームによる自律積層造形の実現には、次のような多くの主要テクノロジーの同時開発が必要です。 1) 高精度の材料堆積と印刷品質が可能な空中ロボット。 -時間の定性的評価; 2) 空中ロボットチームは、相互に干渉することなく、活動を相互にブロードキャストし、データを無線で共有できます; 3) 自律ナビゲーションおよびタスク計画システムと印刷パス戦略を組み合わせて、製造タスクを適応的に決定および割り当てることができます; 4 ) 材料計画の設計または選択、特に型枠や仮設足場を必要としない空中積層造形法に適した軽量で印刷可能なセメント混合物。
Aerial-AM は、BuildDrone と ScanDrone と呼ばれる 2 種類の空中ロボット プラットフォームを使用します。BuildDrone は物理マテリアルを積み重ねるために使用され、ScanDrone はマテリアルの各層の後に拡張を実行するために使用されます。航空スキャンと検証観測。どちらのロボット プラットフォームも、分散型マルチエージェント アプローチを通じてそれぞれのワークフロー上で調整されます。ビルド サイクルには、BuildDrone と ScanDrone の飛行中の印刷パフォーマンスの特性評価、BuildDrone のリアルタイムの軌道適応とマテリアルの印刷、ScanDrone と人間のスーパーバイザーによる印刷結果の検証が含まれます。
図 2. 制約なしおよび境界なしの AM 用の Aerial-AM フレームワーク。
新しい研究によって提案されたマルチエージェント Aerial-AM フレームワークは、計画の遅い時間スケールとリアルタイムの速い時間スケールで実行される 2 つのループで構成されています。操作、製造および進捗観察に使用します。概念実証では、研究者らは、ScanDrone 空中視覚システムを使用して 3D スキャンを実行して進捗状況をマッピングし、発泡発泡材料から大きなシリンダーを構築しました。
図 3. Aerial-AM BuildDrone は、72 パスの材料堆積とリアルタイムの印刷評価で高さ 2.05 m の円筒形状を印刷します。スキャンドローンによる。
図 4. 誤差補正されたデルタ ロボットを使用してセメント材料を堆積する 2 台の BuildDrone による薄肉シリンダーの 3D プリント。
# 図 5. Aerial-AM マルチロボット光学追跡仮想印刷ドーム型回転面。 a、c は飛行軌跡、b、d は上面図と斜視図です。 f は、15 台のロボットを使用して、ベース直径 15 μm の拡大バージョンのジオメトリを印刷するシミュレーション結果を示しています。
BuildDrone の材料堆積と、ScanDrone の印刷構造のリアルタイム定性評価を使用して、研究者は高さ 2.05 メートルまでのシリンダーの印刷に成功し、Aerial-AM 法の製造能力を実証しました。大きな幾何学的オブジェクトを処理します。セメント質の薄壁シリンダーの製造に関する実験では、自己整合型パラレル デルタ ロボットと BuildDrone を組み合わせることで、材料を高精度 (最大 5 mm の位置誤差) で横方向および垂直方向に堆積できることが実証されました。英国の建築要件で許可されている制限内で。仮想ライト トラック AM とシミュレーションの結果は、Aerial-AM フレームワークが、混雑を解決し、異常な状況下で自律タスクを完了しながら、並行マルチロボット製造を通じてさまざまな形状を効果的に印刷できることを示しています。適応する。
これらの実験は、Aerial-AM の実現可能性を実証することに成功しましたが、建設に空中ロボットを使用する可能性を探る最初のステップにすぎませんでした。研究者らは、ドローンによる住宅の3Dプリントを実現するには、ロボット工学と材料科学、特にサポート材料の堆積、活性材料の固化、複数のロボット間のタスク共有などの最先端分野での大幅な進歩が必要であると述べた。 。 開発する。 UAV 自体に関しては、研究結果を研究室の外に持ち出すために、研究者は差分全地球測位システムを備えたマルチセンサー同時測位およびマッピング (SLAM) の実装を計画しています。 (GPS) ) 屋外での適切な測位を提供するシステム。 Aerial-AM が実用化されれば、遠隔地の住宅や重要インフラをサポートする代替手段となる可能性があります。
以上が複数のドローンが連携して住宅を 3D プリントし、その研究が Nature 誌の表紙に掲載されましたの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









StableDiffusion3 の論文がついに登場しました!このモデルは2週間前にリリースされ、Soraと同じDiT(DiffusionTransformer)アーキテクチャを採用しており、リリースされると大きな話題を呼びました。前バージョンと比較して、StableDiffusion3で生成される画像の品質が大幅に向上し、マルチテーマプロンプトに対応したほか、テキスト書き込み効果も向上し、文字化けが発生しなくなりました。 StabilityAI は、StableDiffusion3 はパラメータ サイズが 800M から 8B までの一連のモデルであると指摘しました。このパラメーター範囲は、モデルを多くのポータブル デバイス上で直接実行できることを意味し、AI の使用を大幅に削減します。

最初のパイロットおよび重要な記事では、主に自動運転技術で一般的に使用されるいくつかの座標系と、それらの間の相関と変換を完了し、最終的に統合環境モデルを構築する方法を紹介します。ここでの焦点は、車両からカメラの剛体への変換 (外部パラメータ)、カメラから画像への変換 (内部パラメータ)、および画像からピクセル単位への変換を理解することです。 3D から 2D への変換には、対応する歪み、変換などが発生します。要点:車両座標系とカメラ本体座標系を平面座標系とピクセル座標系に書き換える必要がある 難易度:画像の歪みを考慮する必要がある 歪み補正と歪み付加の両方を画面上で補正する2. はじめに ビジョンシステムには、ピクセル平面座標系 (u, v)、画像座標系 (x, y)、カメラ座標系 ()、世界座標系 () の合計 4 つの座標系があります。それぞれの座標系には関係性があり、

自動運転では軌道予測が重要な役割を果たしており、自動運転軌道予測とは、車両の走行過程におけるさまざまなデータを分析し、将来の車両の走行軌跡を予測することを指します。自動運転のコアモジュールとして、軌道予測の品質は下流の計画制御にとって非常に重要です。軌道予測タスクには豊富な技術スタックがあり、自動運転の動的/静的知覚、高精度地図、車線境界線、ニューラル ネットワーク アーキテクチャ (CNN&GNN&Transformer) スキルなどに精通している必要があります。始めるのは非常に困難です。多くのファンは、できるだけ早く軌道予測を始めて、落とし穴を避けたいと考えています。今日は、軌道予測に関するよくある問題と入門的な学習方法を取り上げます。関連知識の紹介 1. プレビュー用紙は整っていますか? A: まずアンケートを見てください。

この論文では、自動運転においてさまざまな視野角 (遠近法や鳥瞰図など) から物体を正確に検出するという問題、特に、特徴を遠近法 (PV) 空間から鳥瞰図 (BEV) 空間に効果的に変換する方法について検討します。 Visual Transformation (VT) モジュールを介して実装されます。既存の手法は、2D から 3D への変換と 3D から 2D への変換という 2 つの戦略に大別されます。 2D から 3D への手法は、深さの確率を予測することで高密度の 2D フィーチャを改善しますが、特に遠方の領域では、深さ予測に固有の不確実性により不正確さが生じる可能性があります。 3D から 2D への方法では通常、3D クエリを使用して 2D フィーチャをサンプリングし、Transformer を通じて 3D と 2D フィーチャ間の対応のアテンション ウェイトを学習します。これにより、計算時間と展開時間が増加します。

著者の個人的な考えの一部 自動運転の分野では、BEV ベースのサブタスク/エンドツーエンド ソリューションの開発に伴い、高品質のマルチビュー トレーニング データとそれに対応するシミュレーション シーンの構築がますます重要になってきています。現在のタスクの問題点に対応して、「高品質」は 3 つの側面に分離できます。 さまざまな次元のロングテール シナリオ: 障害物データ内の近距離車両、車両切断中の正確な進行角、車線などラインデータ 曲率の異なるカーブやランプ・合流・合流などの撮影が難しいシーン。これらは多くの場合、大量のデータ収集と複雑なデータ マイニング戦略に依存しており、コストがかかります。 3D 真の値 - 一貫性の高い画像: 現在の BEV データ取得は、センサーの設置/校正、高精度マップ、再構成アルゴリズム自体のエラーの影響を受けることがよくあります。これが私を導いた

19 年前の論文を突然発見 GSLAM: A General SLAM Framework and Benchmark オープンソース コード: https://github.com/zdzhaoyong/GSLAM 全文に直接アクセスして、この作品の品質を感じてください ~ 1 抽象的な SLAM テクノロジー近年多くの成功を収め、多くのハイテク企業の注目を集めています。ただし、既存または新たなアルゴリズムへのインターフェイスを使用して、速度、堅牢性、移植性に関するベンチマークを効果的に実行する方法は依然として問題です。この論文では、GSLAM と呼ばれる新しい SLAM プラットフォームを提案します。これは、評価機能を提供するだけでなく、研究者が独自の SLAM システムを迅速に開発するための有用な方法を提供します。

6月3日のこのウェブサイトのニュースによると、水冷ソリューションプロバイダーのAsetekは、金属3Dプリンティング会社のFabric8Labsと協力して、AIに最適化された新しいコールドヘッドを発売したことを発表しました。このコールドヘッドは、Computex 2024 Taipei InternationalのASUS ROGブースに展示されます。コンピューターショー。前世代の水冷ソリューションと比較して、AI 最適化コールドヘッドは人工知能と ECAM 積層造形技術を使用し、流体力学を最適化することで「前例のない」方法で放熱性能を向上させます。報道によると、関係者はコールドヘッド構造全体を構築するために複雑なAIシミュレーションツールを使用しており、フィンの設計は異なり、3Dプリントプロセスを使用してのみ製造できます。このウェブサイトは、Asetek の第 8 世代ソリューションと比較して、独自の AI 最適化コールドヘッド設計により熱抵抗を 2.3C/1 低減できることに注目しました。

この四角い男性は、目の前にいる「招かれざる客」の正体について考えながら眉をひそめていることに注意してください。彼女が危険な状況にあることが判明し、これに気づくと、彼女は問題を解決するための戦略を見つけるためにすぐに頭の中で探索を始めました。最終的に、彼女は現場から逃走し、できるだけ早く助けを求め、直ちに行動を起こすことにしました。同時に、反対側の人も彼女と同じことを考えていた……『マインクラフト』では、登場人物全員が人工知能によって制御されている、そんなシーンがありました。それぞれに個性的な設定があり、例えば先ほどの女の子は17歳ながら賢くて勇敢な配達員です。彼らは記憶力と思考力を持ち、Minecraft の舞台となるこの小さな町で人間と同じように暮らしています。彼らを動かすのはまったく新しいものであり、
