设计具有所需特性的新工业材料可能非常昂贵且耗时。主要困难是生成对应于现实材料的化合物。实际上，作为组分的载体的化合物的描述的表征是通过离散特征和严重的稀疏性表征。此外，传统的生成模型验证过程作为视觉验证，FID和开始分数是针对图像量身定制的，然后不能在此上下文中使用。为了解决这些问题，我们开发了一种致力于产生高稀疏性的离散数据集的原始绑定-VAE模型。我们通过适应化合物生成问题的新型度量来验证模型。我们展示了橡胶复合设计的真正问题，即所提出的方法优于标准生成模型，该模型开启了用于材料设计优化的新视角。
translated by 谷歌翻译
惯性辅助系统需要连续的运动激发，以表征测量偏差，这些偏差将使本地化框架需要准确的集成。本文建议使用信息性的路径计划来找到最佳的轨迹，以最大程度地减少IMU偏见的不确定性和一种自适应痕迹方法，以指导规划师朝着有助于收敛的轨迹迈进。关键贡献是一种基于高斯工艺（GP）的新型回归方法，以从RRT*计划算法的变体之间实现连续性和可区分性。我们采用应用于GP内核函数的线性操作员不仅推断连续位置轨迹，还推断速度和加速度。线性函数的使用实现了IMU测量给出的速度和加速度约束，以施加在位置GP模型上。模拟和现实世界实验的结果表明，IMU偏差收敛的计划有助于最大程度地减少状态估计框架中的本地化错误。
translated by 谷歌翻译
工业机器人操纵器（例如柯机）的应用可能需要在具有静态和非静态障碍物组合的环境中有效的在线运动计划。当可用的计算时间受到限制或无法完全产生解决方案时，现有的通用计划方法通常会产生较差的质量解决方案。我们提出了一个新的运动计划框架，旨在在用户定义的任务空间中运行，而不是机器人的工作空间，该框架有意将工作空间一般性交易，以计划和执行时间效率。我们的框架自动构建在线查询的轨迹库，类似于利用离线计算的以前方法。重要的是，我们的方法还提供了轨迹长度上有限的次级优势保证。关键的想法是建立称为$ \ epsilon $ -Gromov-Hausdorff近似值的近似异构体，以便在任务空间附近的点也很接近配置空间。这些边界关系进一步意味着可以平稳地串联轨迹，这使我们的框架能够解决批次查询方案，目的是找到最小长度的轨迹顺序，这些轨迹访问一组无序的目标。我们通过几种运动型配置评估了模拟框架，包括安装在移动基础上的操纵器。结果表明，我们的方法可实现可行的实时应用，并为扩展其功能提供了有趣的机会。
translated by 谷歌翻译
肌肉骨骼障碍（MSD）是尤其是体力劳动中的主要健康问题之一，特别是在手动处理工作中。在几个文献中，肌肉疲劳被认为与MSD密切相关，特别是对于肌肉相关疾病。除了许多现有的肌肉疲劳评估和MSD风险分析的分析技术外，提出了一种新的肌肉疲劳模型。新的拟议模型反映了外部负载，工作量历史和个体差异的影响。该模型在数学中很简单，可以在实时计算中轻松应用，例如实时虚拟工作模拟和评估中的应用。通过比较计算的METS，并用3个现有的动态模型进行定性或定量验证，使用24个现有静态模型进行数学验证。该建议的模型显示了预测所有24个静态模型的高度或中等相似之处。验证结果与三种动态模型也有望。模型的主要限制是，它仍然缺乏更具动态情况的实验验证。与行业肌肉疲劳的相关性是导致工业MSDS的主要原因之一，特别是对身体工作。对肌肉疲劳的正确评估是确定工作休息方案的必要条件，并降低MSD的风险。
translated by 谷歌翻译
我们为具有大量集群的高维数据提出了一种简单有效的聚类方法。我们的算法通过评估具有集群中心的子集的DataPoints的距离来实现高性能。我们的贡献比K-Means的贡献大大效率，因为它不需要全部比较数据点和群集。我们表明我们近似的最佳解决方案与确切的解决方案相同。然而，与最先进的群集提取这些集群，我们的方法在提取这些集群方面具有更高的效率。我们将我们的近似与一系列标准化聚类任务的精确k均值和替代近似方法进行比较。为了评估，我们考虑算法复杂性，包括收敛的操作数，以及结果的稳定性。
translated by 谷歌翻译
飞行机器人通常相当细腻，在面对碰撞的风险时需要保护性围墙，而高复杂性和有效载荷降低是碰撞弹性飞行机器人的反复出现的问题。受节肢动物的外骨骼的启发，我们设计了一个简单，开源的，易于制造的半刚性结构，具有柔软的接头，可以承受高速影响。使用外骨骼，保护壳成为主要机器人结构的一部分，从而最大程度地减少了其有效载荷能力的损失。我们的设计易于使用廉价组件（例如竹串）和消费级3D打印机来构建和自定义。结果是认知，这是一种低于250G的自动脉动四轮摩托车，可在高达7m/s的速度下生存多个碰撞。除了其碰撞弹性外，使用Python或Buzz可以易于编程，还携带传感器，使其可以飞行大约。 17分钟无需GPS或外部运动捕获系统，具有足够的计算能力，可以在板载板上运行深神网络模型，并旨在促进与自动化电池交换系统的集成。通过大大降低破坏自己的硬件或环境的风险，这种结构成为高风险活动（例如在混乱的环境或加固学习培训中飞行）的理想平台。源代码，3D文件，说明和视频可通过项目网站（https://thecognifly.github.io）获得。
translated by 谷歌翻译