本文介绍了基于织物的软气动执行器的设计和评估，其驱动需要低压要求，使其适用于婴儿的上肢辅助设备。目的是支持肩部绑架和内收，而无需禁止在其他平面上运动或阻塞肘关节运动。首先，通过模拟探索了具有内部空气电池的执行器设计家族的性能。执行器通过细胞数量及其宽度进行参数化。通过硬件实验进一步测试了通过模拟鉴定的物理可行的致动器变体。选择并根据婴儿的身体人为测量学的定制物理模型选择并测试两种设计。施加施加手臂的力，运动平滑度，路径长度和最大肩部角度的比较，请告知哪种设计更适合用作儿科可穿戴辅助设备的执行器，以及其他用于未来工作的见解。
translated by 谷歌翻译
由于其灵活性和敏捷性，软抓地力在应用过程中越来越多。然而，与软机器人相关的无限二维性和非线性挑战模型和对软抓手的闭环控制以执行抓握任务。为了解决此问题，已经提出了数据驱动的方法。大多数数据驱动的方法都依赖于模拟或离线模型学习，因此很难在不明确培训的不同设置中概括在需要在线控制的情况下和在物理机器人测试中。在本文中，我们提出了一种在线建模和控制算法，该算法利用Koopman操作员理论在每个时间步骤实时更新基础动力学的估计模型。然后将学习和连续更新的模型嵌入到在线模型预测控制（MPC）结构中，并部署到软的多指制机器人抓地上。为了评估性能，首先将我们的方法的预测准确性与不同数据集之间的其他模型抽取方法进行比较。接下来，在线建模和控制算法通过最初未知的各种形状和权重的柔软的3指抓握抓握对象进行实验测试。结果表明，使用所提出的方法在抓住不同对象时的成功率很高。可以在https://youtu.be/i2hcmx7zskq上查看样本试验。
translated by 谷歌翻译
这项工作着重于基于气动式柔软可穿戴设备的本体感受反馈的闭环控制，旨在将来支持婴儿完成任务。该设备包括两个柔软的气动执行器（一个基于纺织品和一个硅胶铸造），可积极控制每个手臂的两个自由度（分别为肩部内收/绑架和肘部屈曲/扩展）。可穿戴设备附加的惯性测量单元（IMU）提供实时关节角度反馈。通过文献中报道的婴儿（ARM长度）的人体测量数据来告知设备运动学分析。婴儿到达中的运动和肌肉共同激活模式被认为是为设备的最终效应器提供所需的轨迹。然后，开发了一个比例衍生的控制器来调节执行器内部的压力，然后沿着可及工作空间内的所需设定点移动手臂。提出了有关使用工程模特的跟踪所需的臂轨迹的实验结果，表明所提出的控制器可以帮助指导人体模特的腕部到达所需的设定点。
translated by 谷歌翻译
We describe a Physics-Informed Neural Network (PINN) that simulates the flow induced by the astronomical tide in a synthetic port channel, with dimensions based on the Santos - S\~ao Vicente - Bertioga Estuarine System. PINN models aim to combine the knowledge of physical systems and data-driven machine learning models. This is done by training a neural network to minimize the residuals of the governing equations in sample points. In this work, our flow is governed by the Navier-Stokes equations with some approximations. There are two main novelties in this paper. First, we design our model to assume that the flow is periodic in time, which is not feasible in conventional simulation methods. Second, we evaluate the benefit of resampling the function evaluation points during training, which has a near zero computational cost and has been verified to improve the final model, especially for small batch sizes. Finally, we discuss some limitations of the approximations used in the Navier-Stokes equations regarding the modeling of turbulence and how it interacts with PINNs.
translated by 谷歌翻译
Large language models (LLMs) have been shown to be able to perform new tasks based on a few demonstrations or natural language instructions. While these capabilities have led to widespread adoption, most LLMs are developed by resource-rich organizations and are frequently kept from the public. As a step towards democratizing this powerful technology, we present BLOOM, a 176B-parameter open-access language model designed and built thanks to a collaboration of hundreds of researchers. BLOOM is a decoder-only Transformer language model that was trained on the ROOTS corpus, a dataset comprising hundreds of sources in 46 natural and 13 programming languages (59 in total). We find that BLOOM achieves competitive performance on a wide variety of benchmarks, with stronger results after undergoing multitask prompted finetuning. To facilitate future research and applications using LLMs, we publicly release our models and code under the Responsible AI License.
translated by 谷歌翻译
本文提出了一种深度学习方法，用于在历史文档的数字收集中进行图像检索和图案斑点。首先，区域建议算法检测文档页面图像中的对象候选。接下来，考虑了两个不同的变体，这些模型用于特征提取，这些变体提供了实用值或二进制代码表示。最后，通过计算给定输入查询的特征相似性来对候选图像进行排名。一项强大的实验协议评估了DOCEXPLORE图像数据库上的每个表示方案（实用值和二进制代码）的建议方法。实验结果表明，所提出的深层模型与历史文档图像的最新图像检索方法相比，使用相同的技术用于模式斑点，优于2.56个百分点。此外，与基于实价表示的相关作品相比，提议的方法还将搜索时间缩短了200倍，并且存储的成本高达6,000倍。
translated by 谷歌翻译
研究人员通常会采用数值方法来理解和预测海洋动力学，这是掌握环境现象的关键任务。在地形图很复杂，有关基础过程的知识不完整或应用程序至关重要的情况下，此类方法可能不适合。另一方面，如果观察到海洋动力学，则可以通过最近的机器学习方法来利用它们。在本文中，我们描述了一种数据驱动的方法，可以预测环境变量，例如巴西东南海岸的Santos-Sao Vicente-Bertioga estuarine系统的当前速度和海面高度。我们的模型通过连接最新的序列模型（LSTM和Transformers）以及关系模型（图神经网络）来利用时间和空间归纳偏见，以学习时间特征和空间特征，观察站点之间共享的关系。我们将结果与桑托斯运营预测系统（SOFS）进行比较。实验表明，我们的模型可以实现更好的结果，同时保持灵活性和很少的领域知识依赖性。
translated by 谷歌翻译
物理知识的神经网络（PINN）最近成为基于部分微分方程模型的广泛工程和科学问题的有前途的深度学习应用。然而，有证据表明，梯度下降的PINN训练显示出病理和梯度流动动力学的刚度。在本文中，我们建议使用杂交粒子群优化和梯度下降方法来训练PINN。所得的PSO-PINN算法不仅减轻了经过标准梯度下降训练的PINN的不希望的行为，而且还为PINN提供了合奏方法，可以提供具有量化不确定性的强大预测的可能性。线性和非线性PDE模型的实验证明了所提出的方法的功效。
translated by 谷歌翻译