20230206 Thứ Hai
tỷ lệ kèo góc nhà cái vật lý không gian mạng tương tác: tạo ra các chuyển động toàn thân giàu tiếp xúc
Nền tảng sử dụng dữ liệu đo lường tỷ lệ kèo góc nhà cái, phân tích cơ xương khớp và học máy, để cho phép phát triển robot hình người và mô phỏng robot
Thực hiện các chuyển động giống tỷ lệ kèo góc nhà cái liên quan đến nhiều tiếp điểm là thách thức cho robot Về vấn đề này, một nhà nghiên cứu từ Khoa học Đại học Tokyo đã hình dung ra một nền tảng nhân vật không gian mạng tương tác (ICPH) với các yếu tố hoàn toàn hình người (sinh đôi vật lý) và mô phỏng (sinh đôi kỹ thuật số) ICPH kết hợp dữ liệu đo lường của tỷ lệ kèo góc nhà cái, phân tích cơ xương khớp và học máy để thu thập và tăng cường dữ liệu Do đó, ICPH có thể hiểu, dự đoán và tổng hợp các chuyển động liên hệ toàn thân
tỷ lệ kèo góc nhà cái tự nhiên thực hiện nhiều nhiệm vụ phức tạp Chúng bao gồm ngồi xuống, nhặt thứ gì đó từ bàn và đẩy một chiếc xe đẩy Các hoạt động này liên quan đến các phong trào khác nhau và yêu cầu nhiều liên hệ, điều này gây khó khăn cho việc lập trình robot thực hiện chúng
Gần đây, Giáo sư Eiichi Yoshida của Đại học Khoa học Tokyo đã đưa ra ý tưởng về một nền tảng nhân vật không gian mạng tương tác (ICPH) để giải quyết vấn đề này Nó có thể giúp hiểu và tạo ra các hệ thống giống tỷ lệ kèo góc nhà cái với các chuyển động toàn thân giàu tiếp xúc Công việc của anh ấy làXuất bản trongBiên giới trong robot và AI
Prof Yoshida mô tả ngắn gọn các nguyên tắc cơ bản của nền tảng2155_2498
Nghiên cứu này đặt ra một số câu hỏi chính Làm thế nào có thể bắt chước chuyển động của tỷ lệ kèo góc nhà cái? Làm thế nào robot có thể học và mô phỏng hành vi của tỷ lệ kèo góc nhà cái? Và làm thế nào robot có thể tương tác với tỷ lệ kèo góc nhà cái một cách trơn tru và tự nhiên? Giáo sư Yoshida giải quyết chúng trong khuôn khổ này Đầu tiên, trong khung ICPH, chuyển động của tỷ lệ kèo góc nhà cái được đo bằng cách định lượng hình dạng, cấu trúc, góc, vận tốc và lực liên quan đến chuyển động của các bộ phận cơ thể khác nhau Ngoài ra, chuỗi các liên hệ được thực hiện bởi một tỷ lệ kèo góc nhà cái cũng được ghi lại Do đó, khung cho phép mô tả chung về các chuyển động khác nhau thông qua các phương trình vi phân và việc tạo mạng chuyển động tiếp xúc mà người hình người có thể hành động
Thứ hai, Digital Twin học mạng này thông qua các phương pháp tiếp cận mô hình và học máy Chúng được bắc cầu với nhau bằng phương pháp tính toán gradient phân tích Học tập liên tục dạy mô phỏng robot cách thực hiện trình tự liên lạc Thứ ba, ICPH làm phong phú mạng chuyển động liên hệ thông qua tăng dữ liệu và áp dụng kỹ thuật lượng tử hóa vector Nó giúp trích xuất các ký hiệu thể hiện ngôn ngữ của chuyển động tiếp xúc Điều đó, nền tảng cho phép chuyển động tiếp xúc thế hệ trong các tình huống thiếu kinh nghiệm Nói cách khác, robot có thể khám phá các môi trường chưa biết và tương tác với tỷ lệ kèo góc nhà cái bằng cách sử dụng các chuyển động trơn tru liên quan đến nhiều tiếp điểm
Có hiệu lực, tác giả đưa ra ba thách thức Chúng liên quan đến các mô tả chung, tiếp tục học tập và tượng trưng cho chuyển động tiếp xúc Điều hướng chúng là cần thiết để hiện thực hóa ICPH Sau khi được phát triển, nền tảng mới sẽ có nhiều ứng dụng
"Dữ liệu từ ICPH sẽ được công khai và được triển khai thành các vấn đề thực tế để giải quyết các vấn đề xã hội và công nghiệp Robot hình người có thể giải phóng tỷ lệ kèo góc nhà cái khỏi nhiều nhiệm vụ liên quan đến việc đốt cháy nghiêm trọng và cải thiện sự an toàn của chúng, chẳng hạn như việc điều khiển các phân đoạn bởi tỷ lệ kèo góc nhà cái thông qua cặp song sinh kỹ thuật số của họ, điều này sẽ cho phép người hình người thực hiện lắp đặt thiết bị lớn và vận chuyển đối tượng, "Giáo sư Yoshida nói, trên các ứng dụng của ICPH
tham chiếu
| Tiêu đề của giấy gốc | : | Hướng tới sự hiểu biết và tổng hợp các chuyển động nhân học giàu tiếp xúc thông qua tỷ lệ kèo góc nhà cái vật lý mạng tương tác |
| Tạp chí | : | Biên giới trong robot và AI |
| doi | : | 103389/frobt20221019523 |
|
Tiêu đề:Nền tảng nhân vật (ICPH) tương tác để đầu tư các chuyển động giống như tỷ lệ kèo góc nhà cái giàu tiếp xúc
Chú thích:ICPH sử dụng dữ liệu đo lường tỷ lệ kèo góc nhà cái, phân tích cơ xương khớp và học máy, cho phép các robot hình người hoàn chỉnh (cặp song sinh vật lý) và mô phỏng robot (cặp song sinh kỹ thuật số) để hiểu, dự đoán và tổng hợp các chuyển động tiếp xúc giống tỷ lệ kèo góc nhà cái
tín dụng:Eiichi Yoshida từ Đại học Khoa học Tokyo
Loại giấy phép:Nội dung gốc
Hạn chế sử dụng:Không được sao chép mà không có sự cho phép
Về Đại học Khoa học Tokyo
tỷ lệ kèo góc nhà cái góc(TUS) là một trường đại học nổi tiếng và được kính trọng, và là trường đại học nghiên cứu tư nhân chuyên khoa khoa học lớn nhất ở Nhật Bản, với bốn cơ sở ở trung tâm Tokyo và vùng ngoại ô của nó và ở Hokkaido Được thành lập vào năm 1881, trường đại học đã liên tục đóng góp cho sự phát triển của Nhật Bản trong khoa học thông qua việc khắc sâu tình yêu đối với khoa học trong các nhà nghiên cứu, kỹ thuật viên và nhà giáo dục
Với sứ mệnh "tạo ra khoa học và công nghệ cho sự phát triển hài hòa của thiên nhiên, tỷ lệ kèo góc nhà cái và xã hội", TUS đã thực hiện một loạt các nghiên cứu từ khoa học cơ bản đến ứng dụng TUS đã chấp nhận một cách tiếp cận đa ngành để nghiên cứu và thực hiện nghiên cứu chuyên sâu trong một số lĩnh vực quan trọng nhất hiện nay TUS là một công đức nơi tốt nhất trong khoa học được công nhận và chăm sóc Đây là trường đại học tư duy nhất ở Nhật Bản đã sản xuất một người chiến thắng giải thưởng Nobel và là trường đại học tư duy nhất ở châu Á sản xuất những người chiến thắng giải thưởng Nobel trong lĩnh vực Khoa học Tự nhiên
Giới thiệu về Giáo sư Eiichi Yoshida
Từ Đại học Khoa học Tokyo
Eiichi Yoshida là giáo sư tại Khoa Điện tử ứng dụng, Khoa Kỹ thuật Nâng cao tại Đại học Khoa học Tokyo Ông nhận bằng tiến sĩ kỹ thuật tại Đại học Tokyo năm 1996 Ông là thành viên của IEEE Ông đã nhận được Chevalier, L'ordre National Du Mérite từ chính phủ Pháp năm 2016 Lợi ích nghiên cứu của ông bao gồm cơ học và cơ điện tử, robot và hệ thống thông minh, và robot thông minh Ông đã xuất bản hơn 200 bài nghiên cứu, đã được trích dẫn hơn 8000 lần Ông hiện đang làm việc trên nền tảng vật lý mạng tương tác có thể hiểu và tổng hợp các chuyển động giống như tỷ lệ kèo góc nhà cái giàu liên lạc
Quan hệ phương tiện truyền kèo nhà cái tỷ lệ bóng đá | Đại học Khoa học Tokyo
