Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

A vision transformer deep learning model for assessing pediatric ileocolic intussusception severity using ultrasound images.

NPJ digital medicine·2026
Same author

Language-4D Cross-Boosting for Generalized Zero-Shot 6DoF Tracking and 3D Reconstruction.

IEEE transactions on pattern analysis and machine intelligence·2026
Same author

Potential herb-drug interaction risk of Sedum sarmentosum Bunge extract and cyclosporine A.

Drug metabolism and disposition: the biological fate of chemicals·2026
Same author

A novel non-competitive p97/VCP inhibitor induces apoptosis and autophagy to suppress colorectal cancer growth.

European journal of medicinal chemistry·2026
Same author

Lactobacillus plantarum enhances cognition through acetate-modulated microglia function.

Brain, behavior, and immunity·2026
Same author

Advancing precision treatment in preterm infants: Population pharmacokinetics of caffeine for apnea of prematurity.

Drug metabolism and disposition: the biological fate of chemicals·2026

相关实验视频

Updated: Jun 9, 2025

Real-Time Proxy-Control of Re-Parameterized Peripheral Signals using a Close-Loop Interface
11:54

Real-Time Proxy-Control of Re-Parameterized Peripheral Signals using a Close-Loop Interface

Published on: May 8, 2021

4.3K

分布神经自适应阻抗控制用于与未知对象合作操纵.

Danping Zeng, Yaonan Wang, Yiming Jiang

    IEEE transactions on neural networks and learning systems
    |October 24, 2024
    PubMed
    概括

    本研究介绍了多机器人系统的分布式神经自适应阻抗控制 (AIC),允许在没有先前掌握或轨迹知识的情况下进行合作操纵. 这种新的方法提高了机器人协调和复杂任务的适应性.

    科学领域:

    • 机器人技术 机器人技术 机器人技术
    • 控制系统 控制系统
    • 人工智能的人工智能

    背景情况:

    • 在多机器人系统中的合作操作通常需要预定义的掌握矩阵和轨迹.
    • 现有的方法缺乏适应不确定性和实时状态估计的能力.
    • 分散控制对于复杂的机器人任务的可扩展性和稳定性至关重要.

    研究的目的:

    • 为多操纵器系统开发分布式神经自适应阻抗控制 (AIC) 策略.
    • 消除对掌握矩阵和所需轨迹的先前知识的需求.
    • 通过解决系统不确定性和提高适应能力来增强合作操纵能力.

    主要方法:

    • 设计两个完全分布的有限时间观测器,用于在没有全球信息的情况下估计参考点状态.
    • 利用动力学约束和状态估计来导出掌握矩阵和端效应器 (EE) 轨迹.
    • 开发一个分布式自适应阻抗模型和基于神经网络 (NN) 的跟踪控制,用于自适应的权衡.
    • 集成一个虚拟的能量储 (EK),以确保系统的被动性.

    主要成果:

    • 使用分布式观察员成功估计了掌握矩阵和所需的EE轨迹.
    • 通过分布式自适应阻抗模型实现了跟踪性能和合规性之间的自适应性权衡.

    更多相关视频

    A Structured Rehabilitation Protocol for Improved Multifunctional Prosthetic Control: A Case Study
    06:58

    A Structured Rehabilitation Protocol for Improved Multifunctional Prosthetic Control: A Case Study

    Published on: November 6, 2015

    9.4K
    Author Spotlight: Enhancing Grasping Abilities for Hemiplegic Patients with Flexible Robotic Limbs
    03:55

    Author Spotlight: Enhancing Grasping Abilities for Hemiplegic Patients with Flexible Robotic Limbs

    Published on: October 27, 2023

    2.1K

    相关实验视频

    Last Updated: Jun 9, 2025

    Real-Time Proxy-Control of Re-Parameterized Peripheral Signals using a Close-Loop Interface
    11:54

    Real-Time Proxy-Control of Re-Parameterized Peripheral Signals using a Close-Loop Interface

    Published on: May 8, 2021

    4.3K
    A Structured Rehabilitation Protocol for Improved Multifunctional Prosthetic Control: A Case Study
    06:58

    A Structured Rehabilitation Protocol for Improved Multifunctional Prosthetic Control: A Case Study

    Published on: November 6, 2015

    9.4K
    Author Spotlight: Enhancing Grasping Abilities for Hemiplegic Patients with Flexible Robotic Limbs
    03:55

    Author Spotlight: Enhancing Grasping Abilities for Hemiplegic Patients with Flexible Robotic Limbs

    Published on: October 27, 2023

    2.1K
  • 通过基于NN的控制,在不确定性下证明了对所需的适应性阻抗动态的非对称实现.
  • 通过模拟四个移动操纵器合作运输未知物体来验证拟议的策略.

    • 结论:

    • 拟议的分布式神经AIC有效地解决了现有的合作操纵方法的局限性.
    • 分布式观察员和NN的集成使得在不确定的环境中实现了强大的和适应性的控制.
    • 该方法通过允许在没有全球信息的情况下进行实时估计和调整来增强合作操作,确保系统被动性.