


Mampu mencapai 'pemandu autonomi' tanpa bateri, Universiti Washington membangunkan robot dengan hayat bateri tanpa had
Sebuah "kereta" yang boleh memandu sendiri tanpa bateri telah muncul.
Ia juga secara automatik mengumpul tenaga untuk terus berlari, tanpa sebarang kebimbangan perbatuan (masalah manual).
Ya, robot sekecil itu sebenarnya bergantung pada cahaya dan gelombang radio untuk mendapatkan kuasa. Namanya ialah MilliMobile, dari Universiti Washington.
Walaupun hanya sebesar kuku dan beratnya hampir sama dengan kismis, ia boleh membawa peralatan dengan mudah 3 kali ganda beratnya sendiri
dan bukan sahaja boleh berjalan di atas jalan simen, tetapi juga bebas bergerak di atas "jalan tanah luar bandar. ".
Kandungan yang perlu ditulis semula ialah: △Sumber imej: University of Washington
Robot autonomi tanpa bateri pertama
Robot kecil yang membawa sensor sering digunakan untuk melaksanakan tugas industri seperti mengesan kebocoran gas dan mengesan pergudangan. Tetapi masalah besar yang dihadapinya ialah bateri pakai buang bukan sahaja mengehadkan hayat perkhidmatan robot, tetapi juga tidak begitu mesra alam.
Penyelidik telah mencari alternatif, seperti mengikat sensor terus kepada serangga
Apa yang perlu ditulis semula ialah: △Sumber imej: University of Washington
Walau bagaimanapun, penyelidik di Universiti Washington jelas percaya bahawa Tidak cukup dikawal. Mereka mencadangkan idea baharu iaitu menggunakan "intermittent motion" untuk memacu robot
Ringkasnya, di satu pihak, ia adalah untuk mengurangkan saiz dan berat robot supaya ia boleh beroperasi pada kuasa yang sangat rendah( 57 mikron Di bawah jubin).
Para penyelidik juga menjalankan satu lagi eksperimen di mana mereka memasang kapasitor filem pada MilliMobile untuk menyimpan tenaga daripada cahaya matahari dan gelombang radio. Apabila tenaga yang disimpan dalam kapasitor mencapai ambang tertentu, motor boleh digerakkan untuk menjana nadi gerakan pendek, menyebabkan robot mula bergerak
Melihat ini, anda mungkin mempunyai soalan: Adakah ini? Bolehkah robot ini benar-benar berjalan?
Para penyelidik benar-benar berjaya dalam eksperimen: Walaupun pada hari yang mendung, MilliMobile boleh bergerak sejauh 10 meter dalam satu jam -
Kelajuan memang tidak pantas, tetapi penyelidik mengatakan bahawa selagi boleh menggunakan Continuous ini operasi pada kelajuan boleh membawa keupayaan robotik baharu ke kawasan yang sukar untuk mendapatkan data dengan menggunakan penderia pada masa lalu.
Seperti yang dinyatakan sebelum ini, walaupun MilliMobile bersaiz kecil, ia mempunyai fungsi yang sangat komprehensif, termasuk yang berikut:
- 4 fotodiod, digunakan untuk mengesan keamatan cahaya dalam 4 arah, membolehkan robot mencari sumber cahaya secara bebas untuk mengecas
- Penderia suhu dan kelembapan
- Accelerometer
- Penderia magnet
- Penderia gas
- Kamera mikro
- Cip komunikasi wayarles
Dengan cara ini, MilliMobile mempunyai pelbagai keupayaan penderiaan memandu dan boleh mengesan rupa bumi pemanduan autonomi
Anda boleh menghidupkan sumber cahaya sendiri untuk mengecas diri sendiri
Ia boleh melengkapkan pensampelan spatial yang kaya dan mencipta paparan persekitaran yang lebih terperinci.
Dengan mengoptimumkan protokol penghantaran segerak pada peringkat perisian, data juga boleh dihantar dalam jarak 200 meter.
Untuk meringkaskan secara ringkas, boleh dikatakan bahawa MilliMobile telah mencapai autonomi dari segi bekalan kuasa, kawalan dan komunikasi.
Semakan daripada laman web teknologi berkata: Projek ini mempunyai cita rasa fiksyen sains yang dibawa ke realiti
Apa pendapat anda?
Pautan rujukan:
[1]https://www.washington.edu/news/2023/09/27/millimobile-battery-free-autonomous-self-driving-robot-solar/.
[2] Alamat kertas: https://homes.cs.washington.edu/~vsiyer/Papers/millimobile-compressed.pdf.
Atas ialah kandungan terperinci Mampu mencapai 'pemandu autonomi' tanpa bateri, Universiti Washington membangunkan robot dengan hayat bateri tanpa had. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Ditulis di atas & pemahaman peribadi pengarang Gaussiansplatting tiga dimensi (3DGS) ialah teknologi transformatif yang telah muncul dalam bidang medan sinaran eksplisit dan grafik komputer dalam beberapa tahun kebelakangan ini. Kaedah inovatif ini dicirikan oleh penggunaan berjuta-juta Gaussians 3D, yang sangat berbeza daripada kaedah medan sinaran saraf (NeRF), yang terutamanya menggunakan model berasaskan koordinat tersirat untuk memetakan koordinat spatial kepada nilai piksel. Dengan perwakilan adegan yang eksplisit dan algoritma pemaparan yang boleh dibezakan, 3DGS bukan sahaja menjamin keupayaan pemaparan masa nyata, tetapi juga memperkenalkan tahap kawalan dan pengeditan adegan yang tidak pernah berlaku sebelum ini. Ini meletakkan 3DGS sebagai penukar permainan yang berpotensi untuk pembinaan semula dan perwakilan 3D generasi akan datang. Untuk tujuan ini, kami menyediakan gambaran keseluruhan sistematik tentang perkembangan dan kebimbangan terkini dalam bidang 3DGS buat kali pertama.

Semalam semasa temu bual, saya telah ditanya sama ada saya telah membuat sebarang soalan berkaitan ekor panjang, jadi saya fikir saya akan memberikan ringkasan ringkas. Masalah ekor panjang pemanduan autonomi merujuk kepada kes tepi dalam kenderaan autonomi, iaitu, kemungkinan senario dengan kebarangkalian yang rendah untuk berlaku. Masalah ekor panjang yang dirasakan adalah salah satu sebab utama yang kini mengehadkan domain reka bentuk pengendalian kenderaan autonomi pintar satu kenderaan. Seni bina asas dan kebanyakan isu teknikal pemanduan autonomi telah diselesaikan, dan baki 5% masalah ekor panjang secara beransur-ansur menjadi kunci untuk menyekat pembangunan pemanduan autonomi. Masalah ini termasuk pelbagai senario yang berpecah-belah, situasi yang melampau dan tingkah laku manusia yang tidak dapat diramalkan. "Ekor panjang" senario tepi dalam pemanduan autonomi merujuk kepada kes tepi dalam kenderaan autonomi (AVs) kes Edge adalah senario yang mungkin dengan kebarangkalian yang rendah untuk berlaku. kejadian yang jarang berlaku ini

0. Ditulis di hadapan&& Pemahaman peribadi bahawa sistem pemanduan autonomi bergantung pada persepsi lanjutan, membuat keputusan dan teknologi kawalan, dengan menggunakan pelbagai penderia (seperti kamera, lidar, radar, dll.) untuk melihat persekitaran sekeliling dan menggunakan algoritma dan model untuk analisis masa nyata dan membuat keputusan. Ini membolehkan kenderaan mengenali papan tanda jalan, mengesan dan menjejaki kenderaan lain, meramalkan tingkah laku pejalan kaki, dsb., dengan itu selamat beroperasi dan menyesuaikan diri dengan persekitaran trafik yang kompleks. Teknologi ini kini menarik perhatian meluas dan dianggap sebagai kawasan pembangunan penting dalam pengangkutan masa depan satu. Tetapi apa yang menyukarkan pemanduan autonomi ialah memikirkan cara membuat kereta itu memahami perkara yang berlaku di sekelilingnya. Ini memerlukan algoritma pengesanan objek tiga dimensi dalam sistem pemanduan autonomi boleh melihat dan menerangkan dengan tepat objek dalam persekitaran sekeliling, termasuk lokasinya,

Ramalan trajektori memainkan peranan penting dalam pemanduan autonomi Ramalan trajektori pemanduan autonomi merujuk kepada meramalkan trajektori pemanduan masa hadapan kenderaan dengan menganalisis pelbagai data semasa proses pemanduan kenderaan. Sebagai modul teras pemanduan autonomi, kualiti ramalan trajektori adalah penting untuk kawalan perancangan hiliran. Tugas ramalan trajektori mempunyai timbunan teknologi yang kaya dan memerlukan kebiasaan dengan persepsi dinamik/statik pemanduan autonomi, peta ketepatan tinggi, garisan lorong, kemahiran seni bina rangkaian saraf (CNN&GNN&Transformer), dll. Sangat sukar untuk bermula! Ramai peminat berharap untuk memulakan ramalan trajektori secepat mungkin dan mengelakkan perangkap Hari ini saya akan mengambil kira beberapa masalah biasa dan kaedah pembelajaran pengenalan untuk ramalan trajektori! Pengetahuan berkaitan pengenalan 1. Adakah kertas pratonton teratur? A: Tengok survey dulu, hlm

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

Tajuk asal: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving Paper pautan: https://arxiv.org/pdf/2402.02519.pdf Pautan kod: https://github.com/HKUST-Aerial-Robotics/SIMPL Unit pengarang: Universiti Sains Hong Kong dan Teknologi Idea Kertas DJI: Kertas kerja ini mencadangkan garis dasar ramalan pergerakan (SIMPL) yang mudah dan cekap untuk kenderaan autonomi. Berbanding dengan agen-sen tradisional

Ditulis di hadapan & titik permulaan Paradigma hujung ke hujung menggunakan rangka kerja bersatu untuk mencapai pelbagai tugas dalam sistem pemanduan autonomi. Walaupun kesederhanaan dan kejelasan paradigma ini, prestasi kaedah pemanduan autonomi hujung ke hujung pada subtugas masih jauh ketinggalan berbanding kaedah tugasan tunggal. Pada masa yang sama, ciri pandangan mata burung (BEV) padat yang digunakan secara meluas dalam kaedah hujung ke hujung sebelum ini menyukarkan untuk membuat skala kepada lebih banyak modaliti atau tugasan. Paradigma pemanduan autonomi hujung ke hujung (SparseAD) tertumpu carian jarang dicadangkan di sini, di mana carian jarang mewakili sepenuhnya keseluruhan senario pemanduan, termasuk ruang, masa dan tugas, tanpa sebarang perwakilan BEV yang padat. Khususnya, seni bina jarang bersatu direka bentuk untuk kesedaran tugas termasuk pengesanan, penjejakan dan pemetaan dalam talian. Di samping itu, berat

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
