- 博客(91)
- 收藏
- 关注
RSS订阅
原创 为什么要用强化学习控制机械臂呢？
传统机械臂控制方法（如PID、轨迹规划、示教再现）在复杂任务、动态环境及柔性操作中存在精度不足、泛化差等问题。强化学习通过自适应试错机制突破这些限制：1）无需精确建模即可应对负载变化；2）自主处理非结构化任务（如抓取不规则物体）；3）实现多任务快速迁移；4）优化长序列操作（如带避障的装配流程）。典型案例如SigmaKit的工业AI方案，以及《Science Robotics》报道的基于图神经网络的群体机械臂协作系统，其轨迹质量提升25%，展示了强化学习在复杂场景中的显著优势。
2025-10-17 06:00:00
2507
原创 8 张 A100+20h 演示 = 家务操作 近95% 可靠性，24h机械臂学会技能系列之续集
相比24h学会1000种技能项目，这个项目更加垂直于可靠性，在单一复杂任务下，把可靠性从极低推到接近100%。
2026-01-08 19:07:37
483
原创 斯坦福大学李飞飞教授团队最新成果，针对具身差异，从零成本视频生成用于交互的3D物体流
摘要：Dream2Flow创新性地提出以3D物体流为中介表征，搭建生成式视频模型与机器人操控的桥梁。该框架通过预训练视频模型生成任务执行视频后，从中提取3D物体运动轨迹，将操控任务转化为物体跟踪问题，有效解决了人类动作视频向机器人指令的转化难题。实验表明，该方法仅需RGB-D观测和语言指令，即可零样本完成对刚性、铰接式、可变形及颗粒状物体的多类操控任务，无需特定任务演示数据。通过将状态变化与执行器解耦，Dream2Flow成功克服了具身差异问题，为开放场景下的机器人操控提供了通用解决方案。
2026-01-03 15:44:48
544
原创 DeepMind发布评估基准，微软及ETH团队发现，VAM较VLA样本效率提升10倍，收敛速度加快2倍？从英伟达机器人总监的年度总结中找到新的研究方向
2025年机器人领域面临硬件发展快于软件、评测基准缺失等挑战。英伟达专家指出，现有视觉-语言-动作模型存在物理细节缺失问题，建议转向视频世界模型。DeepMind提出基于Veo视频模型的评估系统，可全面测试机器人策略。mimic-video项目开发的视频-动作模型(VAM)结合预训练视频模型与动作解码器，样本效率提升10倍，在精细操控任务中表现优异。这些创新为机器人AI发展提供了新方向，特别是通过视频模型解决物理认知不足的问题。
2026-01-02 11:00:00
1676
原创 什么机器人项目可以拥有27.8K颗星星？Github开源项目盘点
本文分析了GitHub上机器人领域的高星开源项目特点与趋势。筛选结果显示，94.5万个机器人相关项目中，万星以上不足10个，千星以上约220个。高星项目的共性包括：降低使用门槛、虚实结合、全栈覆盖生态等。文章重点介绍了5个万星项目：Genesis（物理仿真平台）、PythonRobotics（算法库）、LeRobot（统一接口框架）、PyBullet（快速仿真环境）和Johnny-Five（JS编程框架）。同时指出未来发展方向应关注多模态感知融合、动态环境自适应、类人推理决策等领域。
2025-12-25 11:00:00
1336
原创 机器人训练，数据模态之热成像，合成数据or真实数据？来自NASA月球车团队的服务方
具身智能发展依赖多模态数据融合，当前以合成数据为主（99%）结合少量真实数据（1%）。关键数据模态包括触觉、温度、力反馈和视觉，其中视觉数据最易获取，但精细操作数据仍匮乏。热成像数据在低能见度场景中发挥重要作用，可与视觉数据互补增强检测鲁棒性。合成数据能高效覆盖真实场景难以获取的边缘案例，如NASA团队通过合成数据填补真实数据的覆盖空白，使训练效率提升百倍。未来趋势是真实数据与合成数据的混合策略，以构建适应复杂场景的智能系统。
2025-12-21 18:52:06
771
原创 机器人、自动控制等领域近年来有哪些也许不那么主流但很有意思的研究方向？
近期多项创新研究展示了微型机器人技术的前沿发展：光驱仿生微型机器人（301mg）利用环境光实现连续跳跃（ADMA 2025）；超材料机器人通过微结构设计集成感知与驱动功能（SciRobotics 2025）；模块化流体单元实现了无电子控制的软体机器人自主运动（ADMA 2025）；自组织神经系统使机器人集群形成动态层级结构（SciRobotics 2024）。这些研究突破微型机器人在能源供给、材料智能、集群协作等方面的技术瓶颈，为灾难救援、环境监测等应用开辟了新途径，标志着机器人技术
2025-12-19 06:00:00
1352
原创 ScienceRobotics近十年来最高引用排名前十的论文集合，榜一和你想的一样吗？
2016-2025年高被引机器人领域研究呈现五大趋势：1）AI与机器人深度融合，强化学习成为控制核心（如ANYmal四足机器人）；2）医疗健康成首要应用场景（占Top10论文30%），覆盖微创手术、假肢康复等领域；3）硬件向柔性化（铁磁软体机器人）、微型化（亚毫米级医疗机器人）演进；4）技术加速工程化落地，ROS2升级推动产业转化；5）伦理安全受重视，可解释AI（XAI）论文以1413次引用居首。研究显示跨学科融合正推动机器人突破传统刚性结构限制，向复杂自然环境和人体内部拓展应用边界。
2025-12-18 06:00:00
1746
原创 具身智能机器人的价格真的能被打成消费级产品的水平么？关键挑战是什么？
国产化轮式机器人硬件成本控制在1-3万元可成为消费级产品。以开源项目AlohaMini（4300元）为例，核心部件包括：全向轮（占1/6成本）、树莓派计算板、16个伺服电机（13.89美元/个）、电机控制板和锂电池组。3D打印框架约20美元，但关键部件建议采用金属材质。通过批量采购和国产替代（如用OrangePi替代树莓派），成本可降低10-15%。该机器人已实现拿取物品、清洁等基础家务功能，展示了消费级机器人的可行性。
2025-12-17 07:00:00
1035
原创 你认为具身智能是通往AGI（通用人工智能）的必经之路吗？
2025年具身智能发展关键洞察 两场行业圆桌讨论揭示了具身智能领域的重要趋势：1）数据策略从合成数据主导转向真实与仿真数据的有机融合；2）模型架构明确反对语言优先范式，主张构建视觉或行动优先的大型行动模型；3）世界模型争议从价值讨论转向功能定义，强调其预测能力而非视频生成；4）商业化关注点从技术验证转向ROI和真实商业闭环；5）硬件可靠性成为新的审视重点。行业共识认为具身智能是AGI的必经之路，但面临数据、模型与机器人本体相互制约的现实挑战。未来发展将聚焦视觉-行动直接通路构建、闭环系统实现以及数据飞轮效应
2025-12-16 07:00:00
2043
原创 外骨骼机器人技术核心部分是什么？
聚焦外骨骼机器人的六大核心模块：感知系统（传感器）、动力系统（电机/液压）、控制系统（AI算法）、轻量化支架、高密度电池和人体工学设计。研究表明，控制系统算法最关键，其步态识别准确率可达99%；其次是感知系统，通过肌电信号预测关节位置；动力系统决定负载能力。当前技术瓶颈在于电池续航（2-5小时）和驱动系统标准化不足。最新突破包括深度学习实现99.26%动作分类准确率，以及纺织电极提升穿戴舒适性。这些进展为康复辅助和运动增强提供了实用解决方案，但需进一步优化能效和标准化设计
2025-12-15 07:00:00
1585
原创 自适应控制和鲁棒控制在工业机器人的控制系统中用的多吗？
工业机器人控制领域正加速向智能化方向发展，自适应控制和鲁棒控制成为应对复杂环境的主流策略。自适应控制通过实时调整参数适应负载变化，在柔性制造中优势显著；鲁棒控制则确保系统在干扰下的稳定性。当前研究趋势是将二者结合形成复合控制策略，如自适应鲁棒控制、模糊PID混合策略等，以提升轨迹精度和抗干扰能力。最新研究聚焦于有限时间跟踪控制、事件触发机制等创新方法，同时探索深度强化学习在动态误差补偿等方面的应用。这些进展为工业机器人应对小批量定制化生产需求提供了关键技术支撑。
2025-12-14 07:00:00
1057
原创 目前，全球有哪些典型的具身智能机器人VLA模型？
摘要：VLA模型的应用效果取决于领域适配性，需根据具体场景选择合适的评价指标组合。核心指标包括任务成功率、零样本泛化能力和控制频率等，场景指标则需针对性选择。不同模型各有所长：Helix和FiS-VLA适合高频控制场景，GeminiRobotics在语言理解和跨形态迁移方面表现突出，π⁰擅长精密操作，而OpenVLA则是低成本开源选择。评价应采用三维度综合方法，结合基础能力、场景适应性和性能极限评估，没有通用完美的VLA模型，最佳选择需基于实际需求和优先级进行权衡。
2025-12-13 09:01:27
1463
原创 自动化理论领域有哪些值得关注的前沿研究方向和发展趋势？
本文分析了自动化领域的五大研究方向（智能控制、机器人学、人机协作、工业物联网、自主决策）的选择建议。自主决策和机器人学因其快速发展和密集技术突破成为优选，其中自主决策被认为是自动化研究的核心方向。工业物联网适合追求稳定就业的群体，而智能控制则适合理论研究者。重点介绍了自主决策领域的最新研究（TokenIsAllYouNeed框架）和多智能体协同决策成果，以及机器人学中具身智能和群体机器人的前沿进展（如DeepMind的RoboBallet研究）。
2025-12-12 11:00:00
1272
原创 新职业/风口？机器人训练师，7000公里外操作人形机器人之体验，灵感来自钢铁侠3
遥操这事，不是今天才有的新鲜玩意，形式上没啥创意，古早时期的work from home或者remote模式，都是常规操作。让我开始上心的是，有朋友前段时间去纽约开会，回来跟我吐槽，说酒店附近买水的便利店竟然是个远程店员，人在7寸显示屏里头，态度比本地的貌似更友善一些，说话有点菲音，整个店里除了显示屏和摄像头就没人了，大家可以想想NY的本地人力成本和东南亚简直不能比，大概和下图差不多，示意参考图。|图源：Brett GoldStein。
2025-12-11 11:00:00
1925
原创 机器人控制方面具体是哪些方面的研究，需要找哪方面的论文?
机器人控制研究涵盖七大方向：1）轨迹跟踪与运动控制，实现精确路径规划；2）稳定性控制，确保抗干扰与自平衡；3）自适应控制，自动调整参数适应环境变化；4）力与柔顺控制，处理接触交互；5）视觉伺服控制，基于视觉引导运动；6）强化学习控制，通过试错学习复杂技能；7）群体协调控制，实现多机器人协作。最新研究包括混合自适应轨迹跟踪、仿人机器人抗冲击平衡、柔性关节自适应控制、视觉伺服学习等创新方法，显著提升了机器人在动态环境中的性能与应用潜力。
2025-12-10 11:00:00
859
原创 2026 年，「世界模型」会是下一个 AI 风口么？它会是行业未来的关键技术节点，还是被过度放大？
世界模型正从理论走向应用，成为AI和具身智能领域的核心技术。其本质是让AI系统模拟物理世界的运行规律，实现前瞻决策。在自动驾驶等领域，世界模型能预测复杂场景（如雨天刹车距离），突破传统数据驱动的局限。技术发展经历了多个阶段：2018年前萌芽，2018年正式提出，2019-2022年Dreamer系列等模型成熟，2023年起结合自监督学习，2024年后在具身智能领域大放异彩。李飞飞和Yann LeCun等专家认为，世界模型结合视觉语言动作（VLA）将加速实现AGI。
2025-12-09 13:42:42
1182
原创 具身智能领域在2026年会有什么突破性进展？当下的路径分歧谁会略胜一筹？
VLA（视觉-语言-动作）与世界模型的融合成为AGI研究新趋势。VLA擅长语言指令响应（如导览助手），但缺乏长期规划能力；世界模型（如仓储物流应用）精于环境预测却计算昂贵。2025年多篇论文提出创新融合方案：GigaBrain-0通过世界模型生成训练数据，减少真实机器人数据依赖；DriveVLA-W0利用未来图像预测实现自动驾驶密集自监督；RynnVLA-002构建统一框架，在仿真任务中成功率高达97.4%。这些研究显示，融合模型能同时提升语言理解与长期规划能力，推动通用机器人发展。
2025-12-09 11:00:00
1000
原创 具身智能领域在2026年会有什么突破性进展？当下的路径分歧谁会略胜一筹？
摘要：近期研究显示视觉-语言-动作模型(VLA)与世界模型的融合趋势正在加速AGI发展。VLA擅长理解复杂指令但缺乏长期规划能力，世界模型则相反。2025年发布的GigaBrain-0、DriveVLA-W0和RynnVLA-002等融合模型通过互补优势，显著提升了跨任务泛化能力和长期规划性能。这些模型利用世界模型生成训练数据减少真实数据依赖，并通过联合学习环境动态与动作规划，在机器人操作和自动驾驶等任务中取得突破性进展，验证了融合框架的优越性。
2025-12-08 11:00:00
2331
原创 现在谈及 AI 安全是否杞人忧天，还是人们还没意识到它风险？
人机交互（HRI）与机器学习（ML）领域的研究者提出，大型语言模型（LLMs）可作为一种极具潜力的工具，应用于机器人相关任务，自然语言交互、家庭及职场任务、模拟常识推理以及人类建模。然而，近期研究引发了人们对 LLMs 在现实世界机器人实验与应用中可能产生歧视性结果及不安全行为的担忧。为评估此类担忧在人机交互（HRI）场景下是否合理，基于歧视性与安全性标准，对多个评分较高的 LLMs 进行了评估。
2025-12-07 11:00:00
710
原创 在机器人领域，RL在未来5-10年会不会取代很大一部分的传统控制(优化控制等)和传统运动规划？
本文分析了人形机器人领域的就业趋势与技术发展方向。行业需求显示，传统控制（MPC/WBC/路径规划）与强化学习（RL/具身智能）是核心技能，就业集中在头部企业和一线城市。三篇代表性论文展示了技术进展：改进的RRT*-Connect算法优化了机械臂路径规划；两阶段PPO框架提升了人形机器人运动能力；采样型MPC实现了四足/人形机器人的多样化运动。建议从业者通过实习、论文和开源项目积累经验，重点关注控制与RL融合技术。当前就业市场呈现卖方市场特征，需提前布局核心技能以应对竞争。
2025-12-06 11:00:00
1993
原创 现在机械臂＋视觉还有可创新的点吗？
2025年机器人视觉控制领域取得多项突破性进展：1）3D视觉技术使重型机械臂定位精度达2毫米内；2）SPEAR-1模型通过3D感知增强，在跨环境任务中实现零样本高性能；3）DENSE协议将触觉滑移检测数据采集效率提升50%，泛化能力提高85%；4）ArtiBrain框架通过分层推理与混合控制，显著提升对铰链物体等复杂操作的泛化能力。这些创新分别在3D视觉定位、多模态感知、自适应控制等方向取得突破，为机器人智能化发展提供了新路径。
2025-12-05 11:00:00
2282
原创 协作机器人企业为什么都推出复合机器人？复合机器人有什么优势吗？
摘要： 复合机器人的崛起源于制造业向小批量快速生产的转型需求，其整合协作机器人与AGV功能，兼具灵活性与成本优势。以波士顿动力Stretch为例，其运动智能技术源自人形机器人Atlas，结合大型行为模型（LBM）实现多任务自主决策，效率显著（如DHL部署后达700箱/小时）。相比传统设备，复合机器人通过定制化方案提升适应性，同时依托成熟算法降低研发门槛，成为存量市场竞争中的差异化利器。企业通过技术商业化满足客户需求，推动自动化升级，如DHL、GAP等案例所示，复合机器人正重塑制造业生产力。
2025-12-04 11:00:00
1440
原创 机器人的未来，微型化
机器人微型化正成为行业重要趋势，通过缩小尺寸提升性能。微型化带来三大优势：1）更快的加减速和更高精度（如Meca500精度达5μm）；2）降低能耗和成本；3）增强狭小空间作业能力。核心技术包括MEMS和微控制器，使传感器、执行器高度集成。医疗领域（如达芬奇手术机器人）和工业领域（如FANUC机械臂）已广泛应用。未来随着材料和技术突破，微型机器人将在工业制造和医疗健康领域创造更大价值。
2025-12-03 11:00:00
686
原创 如果人工智能和机器人把人的活都干了，人们是不是可以天天过年了？
AI与机器人技术发展确实会替代部分重复性工作，但也会创造新岗位需求。德国研究显示，采用机器人的企业当年员工数增加24%，特别是技术类岗位。人类在创造力、情感交流等领域的优势仍不可替代，AI客服仅能处理70%常规问题。未来可能出现人机协作经济，人类负责创意决策。应对之策包括学习AI互补技能、关注新兴领域、保持终身学习。历史经验表明，技术革命最终会创造更多就业机会，促进社会繁荣。
2025-12-02 11:00:00
542
原创 机器人行业怎么样，该如何发展?
摘要：机器人行业处于高速发展期，工业和服务机器人需求旺盛。新手应掌握PLC编程、机器人调试等基础技能，关注工业自动化、新能源等热门领域。职业发展分三个阶段：初级调试维护、中级系统集成、高级技术专家或项目经理，薪资可达3-4万元。建议提升编程、系统集成和AI技术能力，积累项目经验并参与竞赛。实习优先选择系统集成公司或机器人厂商，发表论文可加分。行业前景广阔，但需注意工作强度大、出差频繁等特点。
2025-12-01 11:00:00
1277
1
原创 科技行业最具颠覆性潜力的技术是什么？
机器人领域未来发展关键在于技术普惠与市场需求。2025年IERA奖颁给罗克韦尔自动化的OTTO物流机器人，凸显实用价值优于技术炫酷。该产品实现全自动化物料搬运，具备安全高效、应用成熟等优势。同期入围的还有粉尘处理、医疗康复等机器人，均以解决实际需求见长。评审标准表明：技术是基础，满足市场需求才是王道。未来机器人发展应聚焦普惠性、安全性及明确应用场景，而非单纯追求技术突破。
2025-11-30 11:00:00
1346
原创 有哪些有趣的开源机器人项目？
开源家务机器人AlohaMini仅需600美元(约4277元人民币)，60分钟即可组装完成。这款轮式双臂机器人能完成拿取物品、刷马桶等基础家务，3D打印机身成本低廉但耐用性有限。基于LeRobot开源框架，适合开发者研究复刻，但对新手不够友好。相比同类产品，其电动升降臂更具优势，但视觉系统仅配备720p摄像头。目前已有工作室获得复刻授权，或将推出量产版本。这一开源项目展现了机器人领域的"卷中卷"趋势，以低成本硬件+开源软件模式推动家用机器人普及，也为厂商提供了快速试水的新思路。
2025-11-29 11:00:00
1157
原创 为什么机器人能完成普通人做不了的空翻这种高难度动作，却做不了普通人都能做的稳定的端茶倒水？
摘要：机器人在执行端茶倒水这类日常任务时面临巨大挑战，需要分解为多个精细步骤（如定位、握持、水位控制等），涉及复杂的感知系统和关节控制。相比之下，前后空翻等单一动作虽然看似困难，但因变量少、轨迹固定而更易实现。人类凭借柔性关节、多模态感知和神经反馈，能轻松完成这些任务。研究指出，机器人技术需突破能量效率、环境泛化等障碍才能达到人类水平。相关竞赛和论文探讨了提升机器人灵巧操作的可能路径。
2025-11-28 11:00:00
900
原创 自动控制、机器人领域有哪些不错的综述文章？
本文系统梳理了2024-2025年机器人领域三大前沿方向的研究进展。深度强化学习（DRL）在机器人自主导航、灵巧操作和人机协作方面取得突破，但仍面临长时程规划、开放环境适应等挑战。大模型（LLM/VLM）通过语义理解和跨模态能力革新了机器人感知与决策，但存在实体化不足、数据匮乏等瓶颈。机器人操作研究构建了新型分类体系，从高层规划到底层控制形成完整框架，并探讨了工业、医疗等场景的应用难题。三篇综述分别针对技术融合、系统集成和基础理论，为研究者提供了从入门到深入的系统性参考。
2025-11-27 11:00:00
2375
原创 如何看待机器人行业的发展前景，尤其是人形机器人？
摘要：马斯克在2025沙美投资会议上预测人形机器人将成为史上最大产业，结合AI与太空能源技术创造新价值。他认为AI+机器人将提升生产力而非导致失业，通过SpaceX的太空太阳能解决AI计算的高能耗问题。英伟达CEO黄仁勋则认为AI将优化就业结构，加速计算正取代通用计算。双方合作建设AI数据中心，布局量子计算等前沿领域。马斯克透露特斯拉将推出兼具功能性与普及性的人形机器人，并计划通过芯片研发满足未来AI需求。
2025-11-26 11:00:00
640
原创 机械臂的逆运动学求解有统一的方法吗，还是每个机械臂的求解方式不一样？
国产机械臂操作需注意保留对接工程师联系方式，避免沟通失效。机械臂类型多样（串联/并联/冗余/特殊结构），逆运动学解法各异：6轴以下用几何法，标准6轴可用Pieper公式，冗余臂需数值优化，并联臂需专用算法。通用解法推荐VRM框架和IK-Geo求解器，后者通过几何子问题分解实现快速求解。特殊结构需定制方案，新型算法如神经网络适用特定场景。螺旋理论和Paden-Kahan子问题为6轴机械臂提供有效解析方法。
2025-11-25 11:00:00
1013
原创 为什么各大机器人厂商的宣传从跳舞变成叠衣服了？机器人的学习方式发生了根本性的改变吗？
机器人行业正掀起"叠衣服"热潮，多家企业纷纷展示机器人叠衣技术。这背后反映出现代机器人学习的三重逻辑：技术突破使叠衣成为可能，市场需求明确存在，同时叠衣任务规避了当前机器人技术的短板。尽管演示效果参差不齐，但叠衣服作为容错率高、数据易获取的家务任务，恰好契合了当前模仿学习模型的能力边界。这种现象既展现了技术进步，也暴露出机器人技术在家务应用中的局限性，预示着未来更复杂交互能力的发展方向。
2025-11-24 11:00:00
305
原创 仿生机器人最困难的是找到场景商业化吗？技术难点在哪儿？
服务机器人正从实验室走向现实，应用于医疗、教育、物流等领域，核心在于提供对人真正有意义的贡献。技术关键包括具身AI（通过物理交互学习适应环境）、模块化设计（灵活应对多场景）及以人为本的协作功能。应用案例显示，医疗机器人优化医院物流，教育机器人助力STEM教学，工业机器人提升柔性生产。未来趋势强调快速适配需求和人文关怀，机器人需从工具升级为协作伙伴，推动更智能、安全的社会环境。（重点：垂直领域深耕、实用性与人性化设计）
2025-11-23 11:00:00
1035
原创 足式机器人强化学习方向好发论文吗？
足式机器人强化学习方向发小论文可行性强，尤其研一阶段可选择会议短文或普通期刊，切入点明确即可。当前热门方向包括：基于采样的MPC框架优化（DIAL-MPC）、任务空间动作学习（结合逆动力学）、Transformer增强RL的户外行走、元强化学习的跨平台泛化（MetaLoco）、混合力-位移动策略（HFPLP）等。实践建议分四步：1）选题聚焦小改进（如视觉注意力模块或Sim2Real优化）；2）利用IsaacGym等开源工具快速搭建仿真环境；3）实验以PPO为基础，关注奖励曲线和泛化性；4）论文结构参考
2025-11-22 11:00:00
781
原创 无卡的情况下，diffusion和llm该往哪个走？
摘要： 在无GPU卡的情况下，推荐使用Diffusion模型（如Stable Diffusion）或小规模LLM（如Phi-2、Mistral 7B）进行研究。通过免费资源如Google Colab（T4 GPU，每日12小时）或Kaggle/Hugging Face的有限GPU，可运行微调、图像生成或小模型训练任务。需注意数据保存（挂载Google Drive）和显存限制（12GB）。研究方向建议：Diffusion微调（DreamBooth）、跨模态生成（AnimateDiff）或LLM小模型优化。
2025-11-21 11:00:00
1626
原创 2025年AI车手和F1赛车手谁更快？从10.38秒到1.58秒的策略是？
摘要：阿布扎比自动驾驶赛车联赛（A2RL）2024赛季展现AI赛车新突破，慕尼黑工业大学车队（TUM）的自动驾驶赛车HAILEY以59.15秒单圈成绩仅落后前F1车手1.58秒。相比首赛季10秒差距明显提升，展示了算法优化对自动驾驶赛车的关键作用。赛事采用Dallara EAV25统一底盘，TUM公开了包括多模态传感器融合、轨迹规划等核心算法研究成果。虽然赛事热度不及F1，但AI赛车在稳定性与路线执行上的优势，以及持续缩小的圈速差距，预示着自动驾驶赛车的发展潜力。
2025-11-20 11:00:00
1122
原创 机器人视觉 SLAM 在动态复杂环境下，如何提升定位与建图的鲁棒性？
视觉SLAM在动态复杂环境中易失效，主要原因包括动态特征干扰、光照差异导致特征质量下降、反光造成关联失效等硬件或算法问题。解决方案包括：1）动态物体检测与过滤，结合语义分割和光流法减少干扰；2）多模态数据融合，利用深度相机或IMU增强稳定性；3）鲁棒特征优化，通过语义信息动态调整特征权重。当前SLAM技术正从被动应对转向主动识别和预测动态物体，ORB-SLAM3等系统已能实现多模态高精度建图。这些方法显著提升了SLAM在复杂场景中的鲁棒性。
2025-11-19 11:00:00
1347
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人