Jadual Kandungan
Kawalan Tangan Robot
Gunakan data HOLO-DEX untuk pembelajaran tiruan
Hasil eksperimen
Rumah Peranti teknologi AI Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

Apr 11, 2023 pm 08:34 PM
robot

Dalam beberapa tahun kebelakangan ini, banyak perkembangan menarik telah muncul dalam bidang robotik, seperti robot anjing yang boleh menari dan bermain bola sepak, dan robot dwipedal yang menggerakkan sesuatu.. Biasanya robot ini bergantung pada penjanaan strategi kawalan berdasarkan input deria. Walaupun pendekatan ini mengelakkan cabaran untuk membangunkan modul anggaran keadaan, sifat objek model dan keuntungan pengawal penalaan, ia memerlukan kepakaran domain yang ketara. Walaupun banyak kemajuan telah dicapai, kesesakan pembelajaran menyukarkan robot untuk melaksanakan tugas sewenang-wenangnya dan mencapai matlamat sejagat.

Untuk memahami kunci pembelajaran robot, soalan teras ialah: Bagaimanakah kami mengumpul data latihan untuk robot? Satu pendekatan ialah mengumpul data tentang robot melalui strategi pengumpulan data yang diselia sendiri. Walaupun pendekatan ini agak mantap, ia selalunya memerlukan ribuan jam interaksi data dengan dunia sebenar, walaupun untuk tugas operasi yang agak mudah. Yang lain adalah untuk melatih data simulasi dan kemudian dipindahkan ke robot sebenar (Sim2Real). Ini membolehkan robot mempelajari susunan magnitud tingkah laku robot yang kompleks dengan lebih cepat. Walau bagaimanapun, menyediakan persekitaran robotik simulasi dan menentukan parameter simulator selalunya memerlukan kepakaran domain yang luas.

Sebenarnya, terdapat kaedah ketiga mengumpul data latihan juga boleh meminta guru manusia memberikan demonstrasi, dan kemudian melatih robot untuk meniru demonstrasi manusia dengan cepat. Pendekatan peniruan ini baru-baru ini menunjukkan potensi besar dalam pelbagai masalah operasi yang mencabar. Walau bagaimanapun, kebanyakan kerja ini mengalami had asas—sukar untuk mengumpul data demonstrasi berkualiti tinggi untuk robot.

Berdasarkan isu di atas, penyelidik dari Universiti New York dan Meta AI mencadangkan HOLO-DEX, rangka kerja baharu untuk mengumpul data demonstrasi dan melatih robot yang cekap. Ia menggunakan set kepala VR (seperti Quest 2) untuk menempatkan guru manusia dalam dunia maya yang mengasyikkan. Dalam dunia maya ini, guru boleh melihat apa yang robot "lihat" melalui mata robot dan mengawal manipulator Allegro melalui pengesan pose terbina dalam.

Kelihatan seperti manusia yang mengajar robot bertindak "langkah demi langkah":

Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

HOLODEX membenarkan manusia Menyediakan data demonstrasi berkualiti tinggi dengan lancar untuk robot melalui sistem maklum balas pemerhatian kependaman rendah, yang mempunyai tiga kelebihan berikut:

  • Berbanding dengan kaedah pengumpulan data yang diselia sendiri, HOLODEX adalah berdasarkan teknologi pembelajaran tiruan yang berkuasa dan boleh dilatih dengan cepat tanpa mekanisme ganjaran; pada data sebenar;
  • Berbanding dengan kaedah tiruan yang lain, HOLODEX mengurangkan dengan ketara keperluan untuk kepakaran domain dan hanya memerlukan orang untuk mengendalikan peranti VR.

Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempatPautan kertas: https://arxiv.org/pdf/2210.06463.pdf

Pautan projek: https://holo-dex.github.io/

Pautan kod: https:/ //github.com/SridharPandian/Holo-Dex

Untuk menilai prestasi HOLO-DEX, kajian menjalankan eksperimen ke atas enam tugas yang memerlukan ketangkasan, termasuk Objek pegang tangan, membuka skru. penutup botol dengan sebelah tangan, dsb. Kajian mendapati bahawa guru manusia yang menggunakan HOLO-DEX adalah 1.8 kali lebih pantas daripada kerja sebelumnya pada teleoperasi imej tunggal (teleoperasi). Pada 4/6 tugasan, kadar kejayaan strategi pembelajaran HOLO-DEX melebihi 90%. Selain itu, kajian mendapati bahawa strategi cekap yang dipelajari melalui HOLO-DEX boleh digeneralisasikan kepada objek sasaran baharu yang tidak kelihatan.

Secara amnya, sumbangan kajian ini termasuk:

  • Menyediakan kaedah untuk guru manusia mencapai teleoperasi berkualiti tinggi dalam realiti campuran dengan bantuan set kepala VR
  • Eksperimen menunjukkan bahawa HOLO-DEX The demonstrasi yang dikumpul boleh digunakan untuk melatih tingkah laku manipulasi cekap yang berkesan dan serba boleh Kegunaan reka bentuk.
  • Selain itu, API realiti campuran, demonstrasi koleksi penyelidikan dan kod latihan berkaitan HOLO-DEX telah menjadi sumber terbuka: https://holo-dex.github.io /

Gambaran Keseluruhan Seni Bina HOLO-DEX

Seperti yang ditunjukkan dalam Rajah 1 di bawah, HOLO-DEX beroperasi dalam dua peringkat. Dalam fasa pertama, seorang guru manusia menggunakan alat dengar realiti maya (VR) untuk memberikan demonstrasi kepada robot. Peringkat ini termasuk mewujudkan alam maya untuk mengajar, menganggar postur tangan guru, menempatkan semula postur tangan guru ke tangan robot, dan akhirnya mengawal tangan robot. Selepas mengumpul beberapa demonstrasi dalam fasa pertama, fasa kedua HOLO-DEX mempelajari strategi visual untuk menyelesaikan tugasan yang ditunjukkan.

Kajian menggunakan set kepala Meta Quest 2 VR untuk menempatkan guru manusia di dunia maya dengan resolusi 1832 × 1920 dan kadar penyegaran sebanyak 72 Hz. Versi asas alat dengar berharga $399 dan agak ringan pada 503 gram, menjadikan pembentangan lebih mudah dan lebih selesa untuk guru. Lebih-lebih lagi, antara muka API Quest 2 membolehkan penciptaan dunia realiti campuran tersuai yang menggambarkan sistem robotik bersama panel diagnostik dalam VR. Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

Menggunakan set kepala VR untuk menganggarkan pose tangan

Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

Berbanding dengan kerja sebelumnya mengenai ketangkasan Berbanding dengan kerja teleoperasi, menggunakan set kepala VR mempunyai tiga faedah dari segi anggaran pose tangan untuk guru manusia. Pertama, memandangkan Quest 2 menggunakan 4 kamera monokrom, penganggar gerak isyaratnya jauh lebih berkuasa daripada penganggar kamera tunggal. Kedua, kerana kamera ditentukur secara dalaman, mereka tidak memerlukan prosedur penentukuran khusus yang diperlukan dalam rangka kerja teleoperasi berbilang kamera sebelumnya. Ketiga, memandangkan penganggar pose tangan disepadukan ke dalam peranti, ia dapat menghantar pose masa nyata pada 72Hz. Penyelidikan terdahulu telah menunjukkan bahawa cabaran utama dalam teleoperasi yang cekap ialah memperoleh gerak isyarat tangan dengan ketepatan dan kekerapan yang tinggi, dan HOLO-DEX memudahkan masalah ini dengan ketara dengan menggunakan set kepala VR gred komersial.

Penyasaran semula pose tangan

Seterusnya, pose tangan guru yang diekstrak daripada VR perlu disasarkan semula ke tangan robot. Ini pertama melibatkan pengiraan sudut setiap sendi tangan guru, dan kemudian kaedah orientasi semula secara langsung adalah untuk "menyuruh" sendi robot untuk bergerak ke sudut yang sepadan. Kaedah ini berkesan untuk semua jari dalam kajian kecuali ibu jari, tetapi bentuk tangan robot Allegro tidak betul-betul sepadan dengan manusia, jadi kaedah itu tidak berfungsi sepenuhnya dengan ibu jari.

Untuk menyelesaikan masalah ini, kajian ini memetakan koordinat spatial hujung ibu jari guru ke hujung ibu jari robot, dan kemudian mengira sudut sendi ibu jari melalui penyelesai kinematik songsang. Perlu diingatkan bahawa oleh kerana manipulator Allegro tidak mempunyai jari kelingking, kajian itu mengabaikan sudut jari kelingking guru.

Keseluruhan proses orientasi semula postur tidak memerlukan sebarang penentukuran atau pelarasan khusus guru untuk mengumpul demo. Tetapi kajian mendapati bahawa pengalihan ibu jari boleh diperbaiki dengan mencari pemetaan khusus daripada ibu jari guru kepada ibu jari robot. Keseluruhan proses adalah murah dari segi pengiraan dan boleh menghantar pose tangan robot yang dikehendaki pada 60 Hz.

Kawalan Tangan Robot

Allegro Hand melakukan kawalan tak segerak melalui rangka kerja komunikasi ROS. Memandangkan kedudukan sendi tangan robot yang dikira oleh program orientasi semula, kajian ini menggunakan pengawal PD untuk mengeluarkan tork yang diperlukan pada 300Hz. Untuk mengurangkan ralat keadaan mantap, kajian ini menggunakan modul pampasan graviti untuk mengira tork offset. Dalam ujian kependaman, kajian mendapati bahawa kependaman sub-100 milisaat dicapai apabila set kepala VR berada pada rangkaian tempatan yang sama dengan tangan robotik. Latensi rendah dan kadar ralat yang rendah adalah penting untuk HOLO-DEX kerana ini membolehkan teleoperasi intuitif tangan robot oleh seorang guru manusia.

Apabila guru manusia mengawal tangan robot, mereka dapat melihat perubahan robot dalam masa nyata (60Hz). Ini membolehkan guru membetulkan ralat pelaksanaan tangan robot. Semasa proses pengajaran, kajian merekodkan data pemerhatian daripada tiga kamera RGBD dan maklumat pergerakan robot pada frekuensi 5Hz. Kajian itu terpaksa mengurangkan kekerapan rakaman kerana jejak data yang besar dan lebar jalur yang berkaitan yang diperlukan untuk merakam berbilang kamera.

Gunakan data HOLO-DEX untuk pembelajaran tiruan

Selepas mengumpul data, ia memasuki peringkat kedua HOLO-DEX perlu melatih strategi visual pada data. Kajian ini menggunakan algoritma tiruan jiran terdekat (INN) untuk pembelajaran. Dalam kerja sebelumnya, INN ditunjukkan untuk menghasilkan dasar pintar berasaskan negeri pada Allegro. HOLO-DEX melangkah lebih jauh dan menunjukkan bahawa strategi visual ini digeneralisasikan kepada objek baru dalam pelbagai tugas manipulasi yang cekap.

Untuk memilih algoritma pembelajaran untuk mendapatkan pembenaman dimensi rendah, kajian ini mencuba beberapa algoritma pembelajaran penyeliaan kendiri terkini dan mendapati BYOL menyediakan yang terbaik terdekat keputusan jiran, jadi BYOL dipilih Sebagai kaedah pembelajaran asas penyeliaan kendiri.

Hasil eksperimen

Jadual 1 di bawah menunjukkan bahawa HOLO-DEX mengumpul demo yang berjaya 1.8 kali lebih cepat daripada DIME. Untuk 3/6 tugasan yang memerlukan gerakan 3D yang tepat, kajian mendapati bahawa teleoperasi imej tunggal tidak pun mencukupi untuk mengumpul satu demonstrasi.

Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

Kajian ini mengkaji prestasi pelbagai strategi pembelajaran meniru pada tugasan ketangkasan ditunjukkan dalam Jadual 2 di bawah.

Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

Memandangkan strategi yang dicadangkan dalam kajian ini adalah berasaskan penglihatan dan tidak memerlukan anggaran yang jelas tentang keadaan objek, ia boleh dibandingkan dengan yang tidak dilihat dalam objek latihan adalah serasi. Kajian itu menilai strategi manipulasi manualnya yang dilatih untuk melakukan putaran satah, membalikkan objek, dan tugasan Can Spinning pada objek pelbagai rupa visual dan geometri, seperti ditunjukkan dalam Rajah 5 di bawah.

Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

Selain itu, kajian ini juga menguji prestasi HOLO-DEX pada set data saiz yang berbeza untuk tugasan yang berbeza ditunjukkan dalam rajah di bawah.

Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat

Atas ialah kandungan terperinci Pakai topi keledar VR untuk mengajar robot memahami, dan robot mempelajarinya di tempat. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Ameca generasi kedua ada di sini! Dia boleh berkomunikasi dengan penonton dengan lancar, ekspresi mukanya lebih realistik, dan dia boleh bercakap berpuluh-puluh bahasa. Ameca generasi kedua ada di sini! Dia boleh berkomunikasi dengan penonton dengan lancar, ekspresi mukanya lebih realistik, dan dia boleh bercakap berpuluh-puluh bahasa. Mar 04, 2024 am 09:10 AM

Robot humanoid Ameca telah dinaik taraf kepada generasi kedua! Baru-baru ini, di Persidangan Komunikasi Mudah Alih Sedunia MWC2024, robot Ameca paling canggih di dunia muncul semula. Di sekitar venue, Ameca menarik sejumlah besar penonton. Dengan restu GPT-4, Ameca boleh bertindak balas terhadap pelbagai masalah dalam masa nyata. "Jom kita menari." Apabila ditanya sama ada dia mempunyai emosi, Ameca menjawab dengan beberapa siri mimik muka yang kelihatan sangat hidup. Hanya beberapa hari yang lalu, EngineeredArts, syarikat robotik British di belakang Ameca, baru sahaja menunjukkan hasil pembangunan terkini pasukan itu. Dalam video tersebut, robot Ameca mempunyai keupayaan visual dan boleh melihat serta menerangkan keseluruhan bilik dan objek tertentu. Perkara yang paling menakjubkan ialah dia juga boleh

Robot pertama yang menyelesaikan tugas manusia secara autonomi muncul, dengan lima jari fleksibel dan kelajuan manusia luar biasa, dan model besar menyokong latihan angkasa maya Robot pertama yang menyelesaikan tugas manusia secara autonomi muncul, dengan lima jari fleksibel dan kelajuan manusia luar biasa, dan model besar menyokong latihan angkasa maya Mar 11, 2024 pm 12:10 PM

Minggu ini, FigureAI, sebuah syarikat robotik yang dilaburkan oleh OpenAI, Microsoft, Bezos, dan Nvidia, mengumumkan bahawa ia telah menerima hampir $700 juta dalam pembiayaan dan merancang untuk membangunkan robot humanoid yang boleh berjalan secara bebas dalam tahun hadapan. Dan Optimus Prime Tesla telah berulang kali menerima berita baik. Tiada siapa yang meragui bahawa tahun ini akan menjadi tahun apabila robot humanoid meletup. SanctuaryAI, sebuah syarikat robotik yang berpangkalan di Kanada, baru-baru ini mengeluarkan robot humanoid baharu, Phoenix. Pegawai mendakwa bahawa ia boleh menyelesaikan banyak tugas secara autonomi pada kelajuan yang sama seperti manusia. Pheonix, robot pertama di dunia yang boleh menyelesaikan tugas secara autonomi pada kelajuan manusia, boleh mencengkam, menggerakkan dan meletakkan setiap objek secara elegan di sisi kiri dan kanannya dengan perlahan. Ia boleh mengenal pasti objek secara autonomi

Bagaimanakah AI boleh menjadikan robot lebih autonomi dan boleh disesuaikan? Bagaimanakah AI boleh menjadikan robot lebih autonomi dan boleh disesuaikan? Jun 03, 2024 pm 07:18 PM

Dalam bidang teknologi automasi perindustrian, terdapat dua titik panas terkini yang sukar diabaikan: kecerdasan buatan (AI) dan Nvidia. Jangan ubah maksud kandungan asal, perhalusi kandungan, tulis semula kandungan, jangan teruskan: “Bukan itu sahaja, kedua-duanya berkait rapat, kerana Nvidia tidak terhad kepada unit pemprosesan grafik asalnya (GPU ), ia sedang mengembangkan GPUnya Teknologi ini meluas ke bidang kembar digital dan berkait rapat dengan teknologi AI yang baru muncul "Baru-baru ini, NVIDIA telah mencapai kerjasama dengan banyak syarikat industri, termasuk syarikat automasi industri terkemuka seperti Aveva, Rockwell Automation, Siemens. dan Schneider Electric, serta Teradyne Robotics dan syarikat MiR dan Universal Robotsnya. Baru-baru ini, Nvidiahascoll

2 bulan kemudian, robot humanoid Walker S boleh melipat pakaian 2 bulan kemudian, robot humanoid Walker S boleh melipat pakaian Apr 03, 2024 am 08:01 AM

Editor Laporan Kuasa Mesin: Wu Xin Versi domestik robot humanoid + pasukan model besar menyelesaikan tugas operasi bahan fleksibel yang kompleks seperti melipat pakaian buat kali pertama. Dengan pelancaran Figure01, yang mengintegrasikan model besar berbilang modal OpenAI, kemajuan berkaitan rakan domestik telah menarik perhatian. Baru semalam, UBTECH, "stok robot humanoid nombor satu" China, mengeluarkan demo pertama robot humanoid WalkerS yang disepadukan secara mendalam dengan model besar Baidu Wenxin, menunjukkan beberapa ciri baharu yang menarik. Kini, WalkerS, diberkati oleh keupayaan model besar Baidu Wenxin, kelihatan seperti ini. Seperti Rajah01, WalkerS tidak bergerak, tetapi berdiri di belakang meja untuk menyelesaikan satu siri tugasan. Ia boleh mengikut perintah manusia dan melipat pakaian

Sepuluh robot humanoid membentuk masa depan Sepuluh robot humanoid membentuk masa depan Mar 22, 2024 pm 08:51 PM

10 robot humanoid berikut sedang membentuk masa depan kita: 1. ASIMO: Dibangunkan oleh Honda, ASIMO ialah salah satu robot humanoid yang paling terkenal. Berdiri setinggi 4 kaki dan seberat 119 paun, ASIMO dilengkapi dengan penderia termaju dan keupayaan kecerdasan buatan yang membolehkannya menavigasi persekitaran yang kompleks dan berinteraksi dengan manusia. Fleksibiliti ASIMO menjadikannya sesuai untuk pelbagai tugas, daripada membantu orang kurang upaya kepada menyampaikan pembentangan di acara. 2. Pepper: Dicipta oleh Softbank Robotics, Pepper bertujuan untuk menjadi teman sosial bagi manusia. Dengan wajah ekspresif dan keupayaan untuk mengenali emosi, Pepper boleh mengambil bahagian dalam perbualan, membantu dalam tetapan runcit, dan juga memberikan sokongan pendidikan. Lada punya

Cloud Whale Xiaoyao 001 robot menyapu dan mengemop mempunyai 'otak'! | Cloud Whale Xiaoyao 001 robot menyapu dan mengemop mempunyai 'otak'! | Apr 26, 2024 pm 04:22 PM

Robot menyapu dan mengemop adalah salah satu perkakas rumah pintar yang paling popular di kalangan pengguna sejak beberapa tahun kebelakangan ini. Kemudahan operasi yang dibawanya, atau bahkan keperluan tanpa operasi, membolehkan orang yang malas membebaskan tangan mereka, membolehkan pengguna "membebaskan" daripada kerja rumah harian dan menghabiskan lebih banyak masa untuk perkara yang mereka sukai Peningkatan kualiti hidup dalam bentuk yang menyamar. Menunggang kegilaan ini, hampir semua jenama perkakas rumah di pasaran membuat robot menyapu dan mengemop mereka sendiri, menjadikan keseluruhan pasaran robot menyapu dan mengemop sangat meriah. Walau bagaimanapun, perkembangan pesat pasaran pasti akan membawa bahaya tersembunyi: banyak pengeluar akan menggunakan taktik laut mesin untuk menduduki lebih banyak bahagian pasaran dengan cepat, menyebabkan banyak produk baru tanpa sebarang titik peningkatan mereka adalah model "matryoshka" Tidak keterlaluan. Walau bagaimanapun, tidak semua robot menyapu dan mengemop

Robot humanoid boleh melakukan sihir, biarkan pasukan program Gala Festival Musim Bunga mengetahui lebih lanjut Robot humanoid boleh melakukan sihir, biarkan pasukan program Gala Festival Musim Bunga mengetahui lebih lanjut Feb 04, 2024 am 09:03 AM

Dalam sekelip mata, robot telah belajar melakukan sihir? Kelihatan ia mula-mula mengambil sudu air di atas meja, membuktikan kepada penonton bahawa tiada apa-apa di dalamnya... Kemudian, ia meletakkan objek seperti telur di tangannya, kemudian meletakkan sudu air itu semula di atas meja. dan mula "menjampi"... ...Apabila ia mengambil sudu air sekali lagi, satu keajaiban berlaku. Telur yang pada asalnya dimasukkan hilang, dan benda yang melompat keluar berubah menjadi bola keranjang... Mari lihat aksi berterusan sekali lagi: △ Animasi ini menunjukkan satu set aksi pada kelajuan 2x, dan ia mengalir dengan lancar hanya dengan menonton video berulang kali pada kelajuan 0.5x bolehkah ia berfungsi Akhirnya, saya menemui petunjuk: jika kelajuan tangan saya lebih pantas, saya mungkin dapat menyembunyikannya daripada musuh. Beberapa netizen mengeluh bahawa kemahiran sihir robot itu lebih tinggi daripada mereka sendiri: Mag adalah orang yang melakukan sihir ini untuk kami.

Universiti Amerika membuka pertandingan kejuruteraan 'The Legend of Zelda: Tears of the Kingdom' untuk pelajar membina robot Universiti Amerika membuka pertandingan kejuruteraan 'The Legend of Zelda: Tears of the Kingdom' untuk pelajar membina robot Nov 23, 2023 pm 08:45 PM

"The Legend of Zelda: Tears of the Kingdom" menjadi permainan Nintendo terpantas dalam sejarah Bukan sahaja Zonav Technology membawakan pelbagai kandungan komuniti "Zelda Creator", tetapi ia juga menjadi satu kursus kejuruteraan baru di Universiti. Maryland (UMD). Tulis Semula: The Legend of Zelda: Tears of the Kingdom ialah salah satu permainan terpantas Nintendo dalam rekod. Bukan sahaja Teknologi Zonav membawa kandungan komuniti yang kaya, ia juga telah menjadi sebahagian daripada kursus kejuruteraan baharu di Universiti Maryland pada musim gugur ini, Profesor Madya Ryan D. Sochol dari Universiti Maryland membuka kursus yang dipanggil ".

See all articles