相关实验视频
Updated: Jul 21, 2025

10:19
3D Kinematic Gait Analysis for Preclinical Studies in Rodents
Published on: August 3, 2019
10.7K
深度学习视觉系统用于四肢机器人步行模式调节
Christyan Cruz Ulloa1, Lourdes Sánchez1, Jaime Del Cerro1
1Centro de Automática y Robótica (CSIC-UPM), Universidad Politécnica de Madrid-Consejo Superior de Investigaciones Científicas, 28006 Madrid, Spain.
Biomimetics (Basel, Switzerland)
|July 28, 2023
概括
这项研究介绍了一种适应式步行系统,用于四足机器人驾驶具有挑战性的地形. 该方法使用人工智能进行地形分析和步态调节,在克服障碍物方面取得了超过91%的成功.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 生物启发系统 生物启发系统
背景情况:
- 四肢机器人越来越多地用于非结构化环境中的任务,如搜救.
- 适应机器人的地形运动对于任务的成功至关重要,模仿动物的自然行为.
- 人工智能增强了机器人特定地形的运动能力.
研究的目的:
- 为四足机器人ARTU-R (A1救援任务UPM机器人) 开发一种适应步态模式方法,以克服非结构化的地形.
- 将中央模式生成器 (CPG) 与卷积神经网络 (CNN) 集成,用于地形识别和障碍物表征.
- 通过模拟和现实世界户外测试来验证拟议的方法.
主要方法:
- 对狗的步态模式进行了一项研究,以告知基于CPG的运动系统.
- 卷积神经网络用于自动地形识别和障碍物分析 (数量,大小,位置,超越能力).
- 该方法在转移到真正的ARTU-R机器人之前,在ROS-Gazebo模拟中使用机器人模型进行了验证.
主要成果:
- 拟议的方法在地形特征,包括识别,细分和障碍分析方面实现了超过93%的效率.
- 该系统的成功率超过91%,使机器人能够克服非结构化的地形.
- 性能与最先进的发展和现有模型进行了基准测试.
结论:
- 开发的方法有效地使四足机器人能够适应他们的步态,以导航复杂的,非结构化的地形.
- 人工智能驱动的地形分析和基于CPG的机动系统显著提高了机器人在具有挑战性的环境中的性能.
- 这项研究有助于推进机器人的自主能力在现实世界的应用程序,如搜索和救援.
更多相关视频
08:04Fully Automated Leg Tracking in Freely Moving Insects using Feature Learning Leg Segmentation and Tracking FLLIT
Published on: April 23, 2020
6.9K
08:24Sit-to-stand-and-walk from 120% Knee Height: A Novel Approach to Assess Dynamic Postural Control Independent of Lead-limb
Published on: August 30, 2016
10.3K