我们提出了一个多能结构的算法框架,该结构从简单的紧凑结构演变为各种复杂的3-D结构,以设计形状可转换,可重新配置和可部署的结构和机器人。我们的算法方法提出了一种将由统一的构件组成的紧凑结构转换为大型,所需的3D形状的方法。类似于可以根据编码的信息成长为预编程形状的多能干细胞,我们称之为DNA,称为合子结构的紧凑型面板可以通过对其连接路径进行编程,可以演变成任意的3D结构。我们的堆叠算法通过将所需结构的体素化表面成反比,从而获得了这一编码序列。应用堆叠算法获得的连接路径,可以将指定的Zygote结构的紧凑型堆叠面板部署到各种大型3D结构中。我们在概念上通过分别释放商业弹簧铰链和热驱动的形状合金(SMA)铰链来证明我们的多能发展结构。我们还表明,所提出的概念可以在较小的工作区中制造大型结构。
translated by 谷歌翻译
两种尺寸的模块化机器人的良好理论模型是边缘连接的方形模块配置,可以通过所谓的滑动移动重新配置。 Dumitrescu和Pach [图形和Combinatorics,2006]证明,始终可以将N $ Squares的一个边缘连接配置重新配置为任何其他使用$ O(n ^ 2)$滑动移动,同时保持配置连接每时每刻。对于某些配置,重新配置可能需要$ \ omega(n ^ 2)$滑动移动。然而,可能就足够较少。我们证明它是难以最小化给定对边缘连接配置的滑动移动的数量。在正面,我们呈现收集和紧凑,一个输入敏感的就地算法只需要$ O(\ bar {p} n)$ slide移动,将一个配置转换为另一个配置,其中$ \ bar {p} $两个边界框的最大周边。正方形仅在边界盒内移动,除了可以通过与边界框相邻的位置移动的时间最多的一个正方形。 $ O(\ bar {p} n)$绑定永远不会超过$ o(n ^ 2)$,并且在只需$ n $和$ \ bar {p} $ 。我们的算法建立在基本原理上,可以有效地转换模块化机器人的良好连接的组件。因此,我们迭代地提高配置内的连接,最终到达一个固体$ xy $-monotone组件。我们实施了聚集&紧凑,并通过实验进行了比较了Moreno和Searist的原始修改,Dumitrescu和PACH算法(MSDP)的[Eurocg 2020]。我们的实验表明,在所有类型的方形配置上,聚集和紧凑始终如一地优于MSDP。
translated by 谷歌翻译
当考虑$ N $标记的机器人的运动计划时,我们需要通过一系列平行,连续的,无碰撞的机器人运动来重新布置给定的启动配置为所需的目标配置。目的是在最短的时间内达到新配置;一个重要的约束是始终保持群体连接。以前已经考虑过这种类型的问题,最近值得注意的结果可实现不一定连接的重新配置:如果将起始配置映射到目标配置,则需要最大的曼哈顿距离$ D $,则总体时间表的总持续时间可以是限制为$ \ Mathcal {O}(d)$,这是最佳选择的恒定因素。但是,只有在允许断开连接的重新配置或用于缩放的配置(通过将给定对象的所有维度通过相同的乘法因子增加到相同的乘法因子增加)时,才能实现恒定拉伸。我们通过(1)建立$ \ omega(\ sqrt {n})$的下限来解决这些主要的开放问题可以实现重新配置。此外,我们表明(3)决定是否可以实现2个制造物,而可以检查多项式时间是否可以实现1个制造pan。
translated by 谷歌翻译
改变表面型材的能力允许生物系统有效地操纵并混合到周围环境中。目前的表面变形技术依赖于具有少量固定状态或直接驱动整个系统。我们发现了一个独立于级别的辅助超材料的子集具有具有星形图结构的状态轨迹。在中央节点,小粗轨可以在轨迹之间移动材料,使我们能够局部换档泊松比,导致材料在加载下采用不同的形状。虽然可能的形状的数量呈指数呈指数呈尺寸,但随机地发现一个的概率是消失的。通过积极地通过节点点引导材料,我们生产不需要输入以维持形状的重新编程表面,并且可以在复杂的3D形状上显示任意的2D信息。我们的作品在微设备,触觉显示器,制造和机器人系统中开辟了新的机会。
translated by 谷歌翻译
近年来,在平衡(超级)图分配算法的设计和评估中取得了重大进展。我们调查了过去十年的实用算法的趋势,用于平衡(超级)图形分区以及未来的研究方向。我们的工作是对先前有关该主题的调查的更新。特别是,该调查还通过涵盖了超图形分区和流算法来扩展先前的调查,并额外关注并行算法。
translated by 谷歌翻译
讨论了与科学,工程,建筑和人为因素相关的月球表面上的运输设施问题。未来十年制造的后勤决策可能对财务成功至关重要。除了概述一些问题及其与数学和计算的关系外,本文还为决策者,科学家和工程师提供了有用的资源。
translated by 谷歌翻译
虽然在各种应用中广泛使用刚性机器人,但它们在他们可以执行的任务中受到限制,并且在密切的人机交互中可以保持不安全。另一方面,软机器鞋面超越了刚性机器人的能力,例如与工作环境,自由度,自由度,制造成本和与环境安全互动的兼容性。本文研究了纤维增强弹性机壳(释放)作为一种特定类型的软气动致动器的行为,可用于软装饰器。创建动态集参数模型以在各种操作条件下模拟单一免费的运动,并通知控制器的设计。所提出的PID控制器使用旋转角度来控制多项式函数之后的自由到限定的步进输入或轨迹的响应来控制末端执行器的方向。另外,采用有限元分析方法,包括释放的固有非线性材料特性,精确地评估释放的各种参数和配置。该工具还用于确定模块中多个释放的工作空间,这基本上是软机械臂的构建块。
translated by 谷歌翻译
拼图解决问题,从一组非重叠的无序视觉碎片构建一个连贯的整体,是许多应用的基础,然而,过去二十年的大部分文献都集中在较不太现实的谜题上正方形。在这里,我们正规化一种新型的拼图拼图,其中碎片是通过用任意数量的直切割的全局多边形/图像切割而产生的一般凸多边形,这是由庆祝的懒人辅助er序列的产生模型。我们分析了这种难题的理论特性,包括在碎片被几何噪声被污染时解决它们的固有挑战。为了应对此类困难并获得易行的解决方案,我们摘要作为一种具有分层循环约束和分层重建过程的多体弹簧质量动态系统的问题。我们定义了评估指标,并在普通植物和图案谜题上呈现实验结果,以表明它们是完全自动溶解的。
translated by 谷歌翻译
将计算谐波分析工具扩展到常规格子的经典设置到更普通的图形和网络的设置是非常重要的,最近已经完成了许多研究。由IRION和SAITO(2014)开发的通用HAAR-WALSH变换(GHWT)是图形上的信号的多尺度变换,这是古典哈拉和沃尔什哈拉德变换的概括。我们提出了扩展的广义Haar-Walsh变换(eGHWT),这是Thiele和Villemoes(1996)的适应时频倾斜的概括。 eGHWT不仅检查了图形域分区的效率,还可以同时查看“续间域”分区。因此,图形信号的EGHWT及其相关的最佳基础选择算法显着提高了以前的计算成本,$ O(n \ log n)$的先前GHW的性能,其中$ n $是一个节点的数量输入图。虽然GHWT最佳基础算法在$ \ mathbb {r} ^ $可能的正交基础中寻求给定任务的最适合的正常正常基础。在$ \ mathbb {r} ^ n $,eghwt最佳基础算法可以找到一个通过在$ \ mathbb {r} ^ n $中搜索超过0.618美元\ cdot(1.84)^ n $可能的正交基础。本文介绍了EGHWT最佳基础算法的细节,并使用包括真正曲线信号的若干示例以及作为曲线图信号观看的传统数字图像来展示其优越性。此外,我们还通过将它们视为从其列和行生成的图表的张量乘积来展示如何扩展到2D信号和矩阵形式数据,并展示其对图像近似的应用的有效性。
translated by 谷歌翻译
Self-assembly of modular robotic systems enables the construction of complex robotic configurations to adapt to different tasks. This paper presents a framework for SMORES types of modular robots to efficiently self-assemble into tree topologies. These modular robots form kinematic chains that have been shown to be capable of a large variety of manipulation and locomotion tasks, yet they can reconfigure using a mobile reconfiguration. A desired kinematic topology can be mapped onto a planar pattern with optimal module assignment based on the modules' locations, then the mobile reconfiguration assembly process can be executed in parallel. A docking controller is developed to guarantee the success of docking processes. A hybrid control architecture is designed to handle a large number of modules and complex behaviors of each individual, and achieve efficient and robust self-assembly actions. The framework is demonstrated in both hardware and simulation on the SMORES-EP platform.
translated by 谷歌翻译
空间优化问题(SOP)的特征是管理决策变量,目标和/或约束功能的空间关系。在本文中,我们关注一种称为空间分区的特定类型的SOP,这是一个组合问题,这是由于存在离散空间单元。精确的优化方法不会随着问题的大小而扩展,尤其是在可行的时间限制内。这促使我们开发基于人群的元启发式学来解决此类SOP。但是,这些基于人群的方法采用的搜索操作员主要是为实参与者连续优化问题而设计的。为了使这些方法适应SOP,我们将域知识应用于设计空间感知的搜索操作员,以在保留空间约束的同时有效地通过离散搜索空间进行有效搜索。为此,我们提出了一种简单而有效的算法,称为基于群的空间模因算法(空间),并在学校(RE)区域问题上进行测试。对现实世界数据集进行了详细的实验研究,以评估空间的性能。此外,进行消融研究以了解空间各个组成部分的作用。此外,我们讨论空间〜如何在现实生活计划过程及其对不同方案的适用性并激发未来的研究方向有帮助。
translated by 谷歌翻译
本文介绍了Cerberus机器人系统系统,该系统赢得了DARPA Subterranean挑战最终活动。出席机器人自主权。由于其几何复杂性,降解的感知条件以及缺乏GPS支持,严峻的导航条件和拒绝通信,地下设置使自动操作变得特别要求。为了应对这一挑战,我们开发了Cerberus系统,该系统利用了腿部和飞行机器人的协同作用,再加上可靠的控制,尤其是为了克服危险的地形,多模式和多机器人感知,以在传感器退化,以及在传感器退化的条件下进行映射以及映射通过统一的探索路径计划和本地运动计划,反映机器人特定限制的弹性自主权。 Cerberus基于其探索各种地下环境及其高级指挥和控制的能力,表现出有效的探索,对感兴趣的对象的可靠检测以及准确的映射。在本文中,我们报告了DARPA地下挑战赛的初步奔跑和最终奖项的结果,并讨论了为社区带来利益的教训所面临的亮点和挑战。
translated by 谷歌翻译
休眠季节葡萄树修剪需要熟练的季节性工人,这在冬季变得越来越缺乏。随着在短期季节性招聘文化和低工资的短期季节性招聘文化和低工资的时间内,随着工人更少的葡萄藤,葡萄藤往往被修剪不一致地导致葡萄化物不平衡。除此之外,目前现有的机械方法无法选择性地修剪葡萄园和手动后续操作,通常需要进一步提高生产成本。在本文中,我们展示了崎岖,全自治机器人的设计和田间评估,用于休眠季节葡萄园的端到最终修剪。该设计的设计包括新颖的相机系统,运动冗余机械手,地面机器人和在感知系统中的新颖算法。所提出的研究原型机器人系统能够在213秒/葡萄藤中完全从两侧刺激一排藤蔓,总修枝精度为87%。与机械预灌浆试验相比,商业葡萄园中自治系统的初始现场测试显示出休眠季节修剪的显着变化。在手稿中描述了设计方法,系统组件,经验教训,未来增强以及简要的经济分析。
translated by 谷歌翻译
本文采取了一步,为人形机器人提供自适应形态能力。我们提出了一种系统的方法,可以使机器人盖变形其形状,其整体尺寸适合人体机器人的人体测量值。更确切地说,我们提出了一个封面概念,该概念由两个主要组成部分组成:骨骼,这是一个称为Node的基本元素和一个软膜的重复,该元素将盖子包裹起来并用其运动构成变形。本文重点关注盖子骨骼,并解决了节点设计,系统建模,电动机定位以及变形系统的控制设计的挑战性问题。封面建模侧重于运动学,并提出了定义系统运动限制的系统方法。然后,我们应用遗传算法来找到运动位置,以使变形盖完全致动。最后,我们提出了控制算法,使覆盖物变为随时间变化的形状。通过进行四个不同的方尺寸盖,分别具有3x3、4x8、8x8和20x20节点的运动学模拟来验证整个方法。对于每个封面,我们应用遗传算法来选择运动位置并执行模拟以跟踪所需形状。仿真结果表明,提出的方法可确保封面跟踪具有良好跟踪性能的所需形状。
translated by 谷歌翻译
三角形网格是3D对象的最受欢迎的表示,但是许多网格表面都包含拓扑奇异性,代表了显示或进一步正确处理它们的挑战。这样的奇异性是通过扫描过程或通过变形转换(例如偏离设置)创建的网格表面中存在的自我交流。网格折叠包括一个特殊的筛网表面自相交的情况,其中3D模型的面相交并逆转,相对于网格表面的展开部分。提出了一种识别和修复网格表面折叠的新方法,该方法利用了折叠的结构特征,以有效地检测折叠区域。检测后,卸下折叠,并根据3D模型的几何形状填补了折叠的任何空白。所提出的方法直接适用于简单的网格表面表示,而它不执行3D网格的任何嵌入(即Voxelization,投影)。该方法的目标是以最有效的方式以保留原始结构的方式促进网格退化程序。
translated by 谷歌翻译
Tendon-driven robots, where one or more tendons under tension bend and manipulate a flexible backbone, can improve minimally invasive surgeries involving difficult-to-reach regions in the human body. Planning motions safely within constrained anatomical environments requires accuracy and efficiency in shape estimation and collision checking. Tendon robots that employ arbitrarily-routed tendons can achieve complex and interesting shapes, enabling them to travel to difficult-to-reach anatomical regions. Arbitrarily-routed tendon-driven robots have unintuitive nonlinear kinematics. Therefore, we envision clinicians leveraging an assistive interactive-rate motion planner to automatically generate collision-free trajectories to clinician-specified destinations during minimally-invasive surgical procedures. Standard motion-planning techniques cannot achieve interactive-rate motion planning with the current expensive tendon robot kinematic models. In this work, we present a 3-phase motion-planning system for arbitrarily-routed tendon-driven robots with a Precompute phase, a Load phase, and a Supervisory Control phase. Our system achieves an interactive rate by developing a fast kinematic model (over 1,000 times faster than current models), a fast voxel collision method (27.6 times faster than standard methods), and leveraging a precomputed roadmap of the entire robot workspace with pre-voxelized vertices and edges. In simulated experiments, we show that our motion-planning method achieves high tip-position accuracy and generates plans at 14.8 Hz on average in a segmented collapsed lung pleural space anatomical environment. Our results show that our method is 17,700 times faster than popular off-the-shelf motion planning algorithms with standard FK and collision detection approaches. Our open-source code is available online.
translated by 谷歌翻译
translated by 谷歌翻译
组合优化是运营研究和计算机科学领域的一个公认领域。直到最近,它的方法一直集中在孤立地解决问题实例,而忽略了它们通常源于实践中的相关数据分布。但是,近年来,人们对使用机器学习,尤其是图形神经网络(GNN)的兴趣激增,作为组合任务的关键构件,直接作为求解器或通过增强确切的求解器。GNN的电感偏差有效地编码了组合和关系输入,因为它们对排列和对输入稀疏性的意识的不变性。本文介绍了对这个新兴领域的最新主要进步的概念回顾,旨在优化和机器学习研究人员。
translated by 谷歌翻译
培训和测试监督对象检测模型需要大量带有地面真相标签的图像。标签定义图像中的对象类及其位置,形状以及可能的其他信息,例如姿势。即使存在人力,标签过程也非常耗时。我们引入了一个新的标签工具,用于2D图像以及3D三角网格:3D标记工具(3DLT)。这是一个独立的,功能丰富和跨平台软件,不需要安装,并且可以在Windows,MacOS和基于Linux的发行版上运行。我们不再像当前工具那样在每个图像上分别标记相同的对象,而是使用深度信息从上述图像重建三角形网格,并仅在上述网格上标记一次对象。我们使用注册来简化3D标记,离群值检测来改进2D边界框的计算和表面重建,以将标记可能性扩展到大点云。我们的工具经过最先进的方法测试,并且在保持准确性和易用性的同时,它极大地超过了它们。
translated by 谷歌翻译
尽管使用多个无人机(UAV)具有快速自主探索的巨大潜力,但它的关注程度很少。在本文中,我们提出了赛车手,这是一种使用分散无人机的舰队的快速协作探索方法。为了有效派遣无人机,使用了基于在线HGRID空间分解的成对交互。它可确保仅使用异步和有限的通信同时探索不同的区域。此外,我们优化了未知空间的覆盖路径,并通过电容的车辆路由问题(CVRP)配方平衡分区到每个UAV的工作负载。鉴于任务分配,每个无人机都会不断更新覆盖路径,并逐步提取关键信息以支持探索计划。分层规划师可以找到探索路径,完善本地观点并生成序列的最小时间轨迹,以敏捷,安全地探索未知空间。对所提出的方法进行了广泛的评估,显示出较高的勘探效率,可伸缩性和对有限交流的鲁棒性。此外,我们第一次与现实世界中的多个无人机进行了完全分散的协作探索。我们将作为开源软件包发布实施。
translated by 谷歌翻译