导航:EXPO21XX>自动化21 xx>H05:大学和机器人研究英国普利茅斯大学
普利茅斯大学,英国
视频
载入播放器…
  • 提供配置文件
  • 机器人和智能系统中心是普利茅斯大学计算、通信和电子学院的一部分。该中心汇集了一个多学科小组,对认知系统和机器人及其组成技术感兴趣。该集团与工业界和其他研究机构有着强大的国内和国际联系。
产品组合
  • 个人机器人对织物的操作

  • 目标:总体目标是开发在非结构化环境中操作织物所需的机器人技能,如家庭或洗衣房。

    这个项目的重点是分类任务,比如把布放入洗衣机之前进行的分类。
    其目标是开发人工视觉和操作算法,使小型类人机器人能够执行织物分类任务。

    方法该项目从观察人类执行布料分类任务开始。(图1A及1B)。
    对观察结果进行分析(图2A),形成了人类视觉搜索和抓取计算模型的基础(图2B)。
    这个模式现在正在实施中。

    发现以下是特别值得注意的事实:
    眼睛从一个抓点扫视到另一个抓点。没有证据表明在选择下一个抓取点时明显扫描了视觉场景(图2A)
    -扫视目标反映隐蔽的视觉搜索和战略规划过程,例如,受到抓取任务的右手或左手的可用性和抓取后手的运动的限制。

    联系人:Peter Gibbons, Phil Culverhouse, Guido Bugmann
    链接:www.tech.plym.ac.uk soc /员工/ guidbugm / FabricManipulation / fabric.html

    • 图1所示。人类观察装置

    • a .被试者被放在一堆布前,按颜色或大小进行分类。B.眼动仪用于跟踪被测者的注视方向。
    • 图2

    • a .分类分类任务中眼睛和手的运动。B.基于图2A的视觉搜索和抓取计算模型。
  • 机器人足球:多机器人球队在世界上最受欢迎的运动

  • 随着现实世界中机器人数量的不断增加,特别是在工业环境中,
    建立能够在实时情况下进行高层合作的机器人团队变得越来越重要。

    多机器人自主系统的复杂性要求模型情境的某种形式
    试验和开发固有技术。机器人足球显然是一种智能游戏,它将许多工程学科整合为一个连贯的整体。
    (视觉,机械,电子,机器人ai等....)

    FIRA机器人足球的想法起源于1995年,最初的两场比赛
    (mirrosot '96和mirrosot '97),在韩国科学技术院(KAIST)举行。

    在普利茅斯大学,我们一直在开发一个机器人足球队,目前
    参加由FIRA管理的竞赛。(国际机器人足球联合会)。
    FIRA杯比赛汇集了来自不同学科的熟练研究人员和学生
    机器人足球比赛。有许多类别涉及不同大小的机器人,pitch和各种各样的
    机器人的自主程度,在不同的足球比赛中竞争。
    • 人形机器人(HUROSOT)
    • 单类人机器人(S-HUROSOT)
    • 微型机器人(MIROSOT 5a侧和11a侧)
    • 纳米机器人(NAROSOT)
    • 单纳米机器人(S_NAROSOT)
    • Khepera机器人(KHEPERASOT)
    • Khepera机器人(S-KHEPERASOT)

    普利茅斯大学多年来一直参加MIROSOT 5人制联赛。现在,它正专注于人形机器人联赛:Hurosot,它代表英格兰参加国际比赛。

    联系人:Guido Bugmann
    项目页面:http://www.tech.plym.ac.uk/robofoot/

  • IBL: Instruction-based学习。教机器人如何去邮局

  • 该项目探索了一种尚未开发的智能系统知识获取和学习方法:从自然语言(NL)教学中获取知识。这在人类学习中非常有效,对于适应未来智能系统以满足幼稚用户的需求至关重要。该项目的目的是在一个通用路由指令任务中研究现实世界的基于指令的学习(IBL)。用户将与配备了人工视觉的移动机器人进行对话,教它如何在一个简化的迷宫般的环境中导航。该实验装置将限制感知和控制问题,并降低NL处理的复杂性。研究的重点是如何将NL指令用于智能嵌入代理,以有限的低层次感知、运动和认知功能为基础,构建复杂功能的层次结构。我们将研究机器人感知和导航所需的内部表示如何支持可用的基于语音的界面。考虑到人工视觉和语音输入的使用,这样的系统可以帮助视障人士和轮椅使用者。

    合作伙伴:普利茅斯大学、爱丁堡大学。
    联系人:Guido Bugmann
    项目页面:http://www.tech.plym.ac.uk/soc/staff/guidbugm/ibl/index.html

    • 微型机器人(底座8cm x 8cm)

    • 从机载摄像头看到的

  • MIBL:多通道IBL。教机器人玩纸牌游戏

  • 目标:总体目标是开发人-机器人界面,允许未经训练的用户使用对人类来说自然的交流方法来指导机器人。

    这个项目的重点是卡片游戏说明,在一个场景中,一个个人机器人的用户希望与机器人玩一个新的卡片游戏,并需要首先解释游戏规则。游戏指令是针对个人机器人的更通用指令的一个很好的例子,因为它们包含的指令类型范围:执行的动作序列和应用的规则。

    我们的目标是开发一种机器人学生,能够理解人类老师的指令,并以支持游戏行为的方式将它们整合起来。

    方法:该项目从人类教师和人类学生之间的指令语料库的录音开始。
    用记录用户启动机器人开发项目是一种被称为“基于语料库的机器人”的方法。

    联系人:Guido Bugmann, Joerg Wolf
    链接:www.tech.plym.ac.uk soc /员工/ guidbugm / mibl / index . html

      • 设置语料库收集。老师与学生(左侧)通过语音指令和手势在触摸屏上进行交流。
  • 自然物体分类:识别浮游生物种类

  • 我们的研究目的是调查专家的视觉对象识别,并将这些知识应用于机器识别。我们特别感兴趣的是对自然物体和场景的专家感知,而不是“新手”或普通的感知。专家知觉的特点是经过一段时间的训练,这是确保知觉符合专家行为标准所必需的。项目包括专家浮游生物分类和细胞学涂片评估。

    这项工作也扩展了我们对一般视觉感知的认识。

    自1989年以来,普利茅斯大学的自然物体分类小组一直在开发机器视觉系统来对海洋浮游生物进行分类。该小组专注于识别浮游微生物这一困难的任务,因为这是研究专家判断对自下而上过程的自上而下影响的良好模型。在物种内部的自然形态变化给专家造成困难的目标对象群体中,探索识别问题具有特别的启发意义。已经建造了一个可操作的机器(称为DiCANN),它已在实验室中用实地收集的各种浮游生物物种的标本进行了广泛的测试,从鱼苗和中浮游动物到微型浮游生物中的甲藻。DiCANN采用多分辨率处理,“什么和哪里”粗通道分析与支持向量机分类。

    HAB浮标项目已建成四个有害藻华监测系统,并已部署到意大利、西班牙和爱尔兰的合作地点。该系统拥有数字显微镜和DiCANN识别软件。他们使用精密泵送水系统,每小时采样375毫升,图像分辨率为1微米。DiCANN软件能够识别大于20微米的样本,包括浮游植物和浮游动物,用于监测目的。

    项目包括专家浮游生物分类、运动分析、纹理处理和细胞学涂片评估。

    研究主题:
    • 视觉自然物体分类
    • 运动分割
    • 评估专家的视觉表现
    • 机器视觉(MTutor在线学习系统)(问题解决和专家新手差异)

    联系人:菲尔Culverhouse
    链接:newlyn.cis.plym.ac.uk / cis /

  • Slothbot:世界上最慢的大型机器人(可能)

  • Slothbot是Mike Phillips在普利茅斯大学机器人俱乐部的帮助下实现的一个想法。

    它可能是世界上最慢的大型机器人。

    Slothbot通过无线询问Arch-OS系统的数据页面来定位自己,该系统提供了波特兰广场大楼各个方面的状态信息,包括中庭B中一个缓慢机器人的位置。

    联系人:迈克菲利普斯
    链接:机器人俱乐部

      • Slothbot