無需電池即可實現「自動駕駛」,華盛頓大學開發出無限續航的機器人
不裝電池,也能自動駕駛的「車」出現了。
甚至會自動收集能量持續運行,完全沒有里程焦慮(手動狗頭)。
不錯,這麼一個小機器人,其實靠的是光和無線電波供能。其名MilliMobile,來自華盛頓大學。
雖然體積只有指甲蓋那麼大,重量與葡萄乾相差無幾,但它能輕鬆背起比自身重量多3倍的設備
並且不僅能跑水泥路,在“鄉村土路」上也能行動自如。
需要重新寫作的內容是:△圖片來源:華盛頓大學
首個無電池自主機器人
攜帶感應器的小型機器人常被用來執行偵測氣體外洩、追蹤倉儲等工業任務。但面臨的一大問題是,一次性電池不僅會限制機器人的使用壽命,也不太環保。
研究人員一直在尋求替代方案,例如將感測器直接綁在昆蟲身上
#需要重新寫作的內容是:△圖片來源:華盛頓大學
然而,華盛頓大學的研究人員明顯認為過去的方法不夠可控。他們提出了一種新的想法,即採用「間歇運動」來驅動機器人
簡單來說,一方面,是減小機器人的尺寸和重量,讓它能在極低的功率下運行(57微瓦以下)。
研究人員也進行了另一項實驗,他們在MilliMobile上安裝了薄膜電容器,用於儲存來自太陽光和無線電波的能量。當電容器儲存的能量達到一定的閾值時,就可以透過驅動馬達產生短暫的運動脈衝,從而使機器人開始運動
看到這裡,你或許會產生一絲疑問:就這?這機器人真能跑得起來?
研究人員還真實驗成功了:即使在陰天,MilliMobile也能在1個小時裡移動10米的距離——
速度確實談不上快,但研究人員表示,只要它能以此速度持續運行,就能為那些以往難以透過部署感測器來獲取數據的區域,帶來新的機器人能力。
正如先前提到的,MilliMobile雖然體積小巧,但功能卻十分全面,包括以下內容:
- 4個光電二極管,用於檢測4個方向的光強度,讓機器人能自主尋找光源進行充電
- 溫濕度感測器
- 加速度計
- 磁性感測器
- 氣體感測器
- #微型相機
- 無線通訊晶片
這樣一來,MilliMobile就具備了各種感測能力,能探測地形自動駕駛。
可以自行對光源進行轉向以為自己充電
能完成豐富的空間取樣,創建更詳細的環境視圖。
透過在軟體層級優化同步傳輸協議,還能在200公尺範圍內傳輸資料。
簡單總結一下,可以說,MilliMobile在供電、控制和通訊等方面都實現了自主性。
科技網站的評價稱:這個專案有一些科幻照進現實的味道
你有什麼想法?
參考連結:
[1]https://www.washington.edu/news/2023/09/27/millimobile-battery-free-autonomous-self-driving-robot- solar/。
[2]論文地址:https://homes.cs.washington.edu/~vsiyer/Papers/millimobile-compressed.pdf。
以上是無需電池即可實現「自動駕駛」,華盛頓大學開發出無限續航的機器人的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

寫在前面&筆者的個人理解三維Gaussiansplatting(3DGS)是近年來在顯式輻射場和電腦圖形學領域出現的一種變革性技術。這種創新方法的特點是使用了數百萬個3D高斯,這與神經輻射場(NeRF)方法有很大的不同,後者主要使用隱式的基於座標的模型將空間座標映射到像素值。 3DGS憑藉其明確的場景表示和可微分的渲染演算法,不僅保證了即時渲染能力,而且引入了前所未有的控制和場景編輯水平。這將3DGS定位為下一代3D重建和表示的潛在遊戲規則改變者。為此我們首次系統性地概述了3DGS領域的最新發展與關

昨天面試被問到了是否做過長尾相關的問題,所以就想著簡單總結一下。自動駕駛長尾問題是指自動駕駛汽車中的邊緣情況,即發生機率較低的可能場景。感知的長尾問題是目前限制單車智慧自動駕駛車輛運行設計域的主要原因之一。自動駕駛的底層架構和大部分技術問題已經解決,剩下的5%的長尾問題,逐漸成了限制自動駕駛發展的關鍵。這些問題包括各種零碎的場景、極端的情況和無法預測的人類行為。自動駕駛中的邊緣場景"長尾"是指自動駕駛汽車(AV)中的邊緣情況,邊緣情況是發生機率較低的可能場景。這些罕見的事件

0.寫在前面&&個人理解自動駕駛系統依賴先進的感知、決策和控制技術,透過使用各種感測器(如相機、光達、雷達等)來感知周圍環境,並利用演算法和模型進行即時分析和決策。這使得車輛能夠識別道路標誌、檢測和追蹤其他車輛、預測行人行為等,從而安全地操作和適應複雜的交通環境。這項技術目前引起了廣泛的關注,並認為是未來交通領域的重要發展領域之一。但是,讓自動駕駛變得困難的是弄清楚如何讓汽車了解周圍發生的事情。這需要自動駕駛系統中的三維物體偵測演算法可以準確地感知和描述周圍環境中的物體,包括它們的位置、

人形機器人Ameca升級第二代了!最近,在世界行動通訊大會MWC2024上,世界上最先進機器人Ameca又現身了。會場周圍,Ameca引來一大波觀眾。得到GPT-4加持後,Ameca能夠對各種問題做出即時反應。 「來一段舞蹈」。當被問及是否有情感時,Ameca用一系列的面部表情做出回應,看起來非常逼真。就在前幾天,Ameca背後的英國機器人公司EngineeredArts剛剛示範了團隊最新的開發成果。影片中,機器人Ameca具備了視覺能力,能看見並描述房間整個狀況、描述具體物體。最厲害的是,她還能

軌跡預測在自動駕駛中承擔著重要的角色,自動駕駛軌跡預測是指透過分析車輛行駛過程中的各種數據,預測車輛未來的行駛軌跡。作為自動駕駛的核心模組,軌跡預測的品質對於下游的規劃控制至關重要。軌跡預測任務技術堆疊豐富,需熟悉自動駕駛動/靜態感知、高精地圖、車道線、神經網路架構(CNN&GNN&Transformer)技能等,入門難度很高!許多粉絲期望能夠盡快上手軌跡預測,少踩坑,今天就為大家盤點下軌跡預測常見的一些問題和入門學習方法!入門相關知識1.預習的論文有沒有切入順序? A:先看survey,p

原文標題:SIMPL:ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving論文連結:https://arxiv.org/pdf/2402.02519.pdf程式碼連結:https://github.com/HKUST-Aerial-Robotics/SIMPLobotics單位論文想法:本文提出了一種用於自動駕駛車輛的簡單且有效率的運動預測基線(SIMPL)。與傳統的以代理為中心(agent-cent

機器之能報道編輯:吳昕國內版的人形機器人+大模型組隊,首次完成疊衣服這類複雜柔性材料的操作任務。隨著融合了OpenAI多模態大模型的Figure01揭開神秘面紗,國內同行的相關進展一直備受關注。就在昨天,國內"人形機器人第一股"優必選發布了人形機器人WalkerS深入融合百度文心大模型後的首個Demo,展示了一些有趣的新功能。現在,得到百度文心大模型能力加持的WalkerS是這個樣子的。和Figure01一樣,WalkerS沒有走動,而是站在桌子後面完成一系列任務。它可以聽從人類的命令,折疊衣物

最近一個月由於眾所周知的一些原因,非常密集地和業界的各種老師同學進行了交流。交流中必不可免的一個話題自然是端到端與火辣的特斯拉FSDV12。想藉此機會,整理當下這個時刻的一些想法和觀點,供大家參考和討論。如何定義端到端的自動駕駛系統,應該期望端到端解決什麼問題?依照最傳統的定義,端到端的系統指的是一套系統,輸入感測器的原始訊息,直接輸出任務關心的變數。例如,在影像辨識中,CNN相對於傳統的特徵提取器+分類器的方法就可以稱之為端到端。在自動駕駛任務中,輸入各種感測器的資料(相機/LiDAR
