导航 : EXPO21XX> 机器人21XX> H25:AIIT计算机视觉sarachussets大学
马萨诸塞大学
视频播放
加载播放器
  • 提供配置文件

  • 感知机器人实验实验室 计算原理基础机器人系统必须在非静止环境产生多种行为这就意味着行为目标在不断变化,例如当电池级改变时或当环境非确定性引起危险环境(或机会)发生时。问题域指开口系统-它们只是局部可观察和局部可控制性估计隐藏状态并扩展可实现控制过渡集时,我们分别执行延时观察和行动由这些系统开发的世界模型种类是原生结构、奖赏、环境刺激和经验的产物

    我们还考虑冗余机器人系统-即以多种方式感知重要事件和多方式操纵世界实现改变多目标问题分布式解决方案并提议层次机器人程序应增量获取方式受人类婴儿感知元开发启发我们建议通过观察机器人系统拥有大量固有结构(感官结构、动态结构、感知结构、电机结构)来发展机机机机机机机,我们在与世界持续互动时发现并开发这些机机机机机机机机机

    最后,我们研究机器人系统 与人和其他机器人协作混合创举系统可采取由竞相内部目标以及外部同侪和主管衍生的行动部分目标关注机器人系统如何解释它为何以特定方式行为并能够有效与他人通信
产品组合

  • 机器人

  • 研究机器人

    • 德克斯特

    • Dexter是一个双人智能平台 设计来帮助研究概念获取

    • uBot-05-uBot-5

    • NSF/NASA自主移动操纵讲习班2005年最后报告确认移动操纵技术对下一代机器人应用至关重要论文还确认需要适当的研究平台移动操作绝大多数趣味实用移动操作程序需要获取、运输并安放对象-即所谓的选址任务iBot-5搭建

    • ATRV

    • ATRV数列机器人由iRobot公司制造四轮移动平台配有声纳传感器和无线enet通信LPR目前拥有ATRV-Jr和ATRV-mini全景摄像头连接ATRV-Jr和Dell Inspiron 8200笔记本电脑控制

  • 研究目标

    • 控制基础

    • 控制基础学习

      基于Markov决策过程的机器学习技巧像加固学习用法学习控制决策排序策略以优化奖励学习算法解决时间信用分配问题,将信用与行为序列元素相联并发奖RL依赖随机探索 状态空间对有趣的机器人来说可能很大再者,依赖完全随机探索的任何算法需要很长时间, 并会无休止地做一些非常不幸的事情来了解后果以下是控制基础框架内数例学习

    • 抓取并操纵

    • grasp多指操作程序设计证明是一个极具挑战性的问题传统方法依赖模式联系规划,这些模式导致计算难解解决办法,往往不向三维对象或任意数联系搭建闭路抓取控制法 常态斜面对象二三次接触 完全正确方法使用异步控制器(对次联系使用一)从等值抓取解法类中实现抓取几何这种方法生成抓取控制器-闭路分解反馈-清除抓取配置中的抓取残留均衡性为固定凸性对象反锁创造必要条件,并识别任意对象总体优抓法抓取控制器序列和连通资源序列可用于优化抓取性能并生成操作数组结果是一个非常独特和传感器抓取控制器,不需要先验对象几何学

    • 通过演示编程

    • 机器人远程操作是机器人控制应用中主要模式之一,涉及危险环境,包括空间用户安装接口传递机器人收集的感官信息并允许用户命令机器人动作难点是用户经历的疲劳程度,往往短短时间里发生为了缓解这一问题,我们正与美国航天局约翰逊空间中心的同事合作开发用户界面,预测用户行为,允许机器人帮助部分执行任务或甚至学习自主执行全部任务

    • 知识获取

    • 学习形状

      Dexter从选择定位策略学到的一则美化是 如何预编抓取第一和第二次前台浮点数用于向对象中心提供资讯、编程式学习方位和偏偏偏偏偏偏偏偏偏偏偏偏偏偏偏偏偏偏偏偏偏偏偏偏图片显示Dexter视觉表示表上标定对象