视频
加载播放器…
  • 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。该中心拥有一个多学科小组,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
  • 个人机器人操纵织物

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

    这个项目的重点是分类任务,比如在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,使小型人形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)。
    对观察结果进行了分析(图2A),并形成了人类视觉搜索和抓取计算模型的基础(图2B)。
    这一模式目前正在实施中。

    发现特别值得注意的是以下事实:
    -眼睛从抓点扫视到抓点。没有证据表明,在选择下一个抓点时,会明显地扫描视觉场景(图2A)。
    -扫视目标反映了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以及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。人体观察装置

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

    • a .分类任务中眼和手的运动。B.基于图2A的视觉搜索与抓取计算模型。
  • 机器人足球:由多个机器人组成的球队在世界上最受欢迎的运动中竞争

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

    多机器人自主系统所涉及的复杂性需要某种形式的模型情况
    实验和开发固有技术。机器人足球显然是一种智能游戏,它将许多工程学科整合成一个连贯的整体。
    (视觉、机械、电子、机器人等人工智能....)

    FIRA机器人足球的想法起源于1995年的前两场比赛
    (Mirosot '96 & Mirosot'97),在韩国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。(国际机器人足球协会联合会)。
    FIRA杯比赛汇集了来自不同学科的技术精湛的研究人员和学生
    机器人足球比赛。有许多类别涉及不同大小的机器人,球场,和各种
    机器人自主程度,参加不同的足球比赛。
    • 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五人制MIROSOT联赛。它现在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:基于教学的学习。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)指令中获取知识。这在人类学习中非常有效,对于未来的智能系统适应幼稚用户的需求至关重要。该项目的目的是研究现实世界中基于指令的学习(IBL)在一个通用的路线指令任务。用户将与配备人工视觉的移动机器人进行对话,以教它如何在简化的迷宫般的环境中导航。这种实验设置将限制感知和控制问题,也降低了NL处理的复杂性。该研究将重点关注如何使用NL指令,智能实体智能体在有限的低层次感知、运动和认知功能的基础上构建复杂功能的层次结构。我们将研究机器人传感和导航所需的内部表示如何支持可用的基于语音的接口。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)

    • 从车载摄像头查看

  • MIBL:多模式IBL。教一个私人机器人如何玩纸牌游戏

  • 目标:总体目标是开发人机界面,允许未经训练的用户使用人类自然的通信方式来指导机器人。

    这个项目的重点是纸牌游戏的说明,在一个场景中,一个个人机器人的用户希望与机器人玩一种新的纸牌游戏,并需要首先解释游戏规则。游戏指令是对个人机器人的一般指令的一个很好的例子,因为它们包含指令类型的范围:执行的动作序列和应用的规则。

    目标是开发一个能够理解人类老师指令的机器人学生,并以支持游戏行为的方式将他们整合在一起。

    方法:该项目从人类教师和人类学生之间的指令语料库开始录音。
    用记录用户启动机器人开发项目是一种称为“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

      • 语料库收集的设置。教师与学生(左边)交流,通过语音指令和手势在触摸屏的调解下进行。
  • 自然对象分类:识别浮游生物种类

  • 我们研究的目的是调查专家的视觉物体识别,并将这些知识应用于机器识别。我们特别感兴趣的是专家对自然物体和场景的感知,而不是“新手”或普通的感知。专家感知的特点是经过一段时间的训练,这是确保感知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涂片评估。

    这项工作也扩展了我们一般的视觉感知知识。

    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。该小组专注于辨别浮游微生物的艰巨任务,因为这是一个很好的模型,用于研究专家判断对自下而上过程的自上而下影响。在物种内自然形态变异导致专家困难的目标对象组中探索识别问题特别具有启发性。已经建造了一台可操作的机器(DiCANN),并在实验室中广泛测试了实地收集的各种浮游生物标本,从鱼类幼体和浮游动物到浮游微生物的鞭毛藻。DiCANN采用多分辨率处理,支持向量机分类的“什么和哪里”粗通道分析。

    HAB浮标项目最终建成了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。使用精密泵送水系统,他们每小时采样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、纹理处理和细胞涂片评估。

    研究主题:
    • 视觉自然对象分类
    • 运动分割
    • 评估专家的视觉表现
    • 机器视觉(MTutor在线学习系统)(问题解决与专家新手差异)

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

  • 树懒机器人:世界上最慢的大型机器人(可能)

  • 树懒机器人是迈克·菲利普斯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系统的数据页来定位自己,该系统提供波特兰广场大楼各个方面的状态信息,包括一个缓慢的机器人在中庭B的位置。

    联系人:Mike Phillips
    链接:机器人俱乐部

      • Slothbot