机器人领域的一些Key insights

操作应回归物理本质

  • 提出人：Matthew T. Mason，卡耐基梅隆大学的机器人学教授
  • blog：https://mtmason.com/the-heart-of-robotic-manipulation/
  • 观点：
    • 操作的关键在于理解并利用物理世界的基本规律
    • 举例：摩擦锥 friction cone（给定法向压力的情况下，最大能产生的侧向摩擦力所构成的锥体）
      • 应用：机器人抓取时需要考虑摩擦锥，来保证操作的稳定
        • 抽屉想要推进柜子，如果接触的方向不对，推力会被摩擦锥的反力所抵消，从而被卡住（如下左图）
        • 抓硬币如果夹角太大，摩擦锥的力无法互相抵消，就抓不住（如下右图）
        • 嵌套的玻璃杯要用很大的力抽出来，这个力可能也会捏碎玻璃杯

在这里插入图片描述

在这里插入图片描述

  • 评价：Mason暗示当前机器人学过于关注深度学习和数据驱动方法，而忽视了对基本物理交互原理的理解和利用。
# 机器人
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

【信息融合与状态估计】时滞系统的协方差交叉融合估计研究（Matlab代码实现）

时滞系统广泛存在于工业过程、通信网络、机器人控制等领域，其状态估计面临信息异步性、估计偏差和相关性未知等挑战。协方差交叉（Covariance Intersection, CI）融合估计作为一种有效的信息融合方法，在处理具有未知相关性的多源信息时展现出独特优势。本文针对时滞系统，研究了协方差交叉融合估计方法，通过时间对齐、时滞补偿等技术，解决了时滞数据的处理和多源异步信息的融合问题，提高了状态估计

avatar DAMO开发者矩阵

【信息融合与状态估计】时滞系统的协方差交叉融合估计研究（Matlab代码实现）

时滞系统广泛存在于工业过程、通信网络、机器人控制等领域，其状态估计面临信息异步性、估计偏差和相关性未知等挑战。协方差交叉（Covariance Intersection, CI）融合估计作为一种有效的信息融合方法，在处理具有未知相关性的多源信息时展现出独特优势。本文针对时滞系统，研究了协方差交叉融合估计方法，通过时间对齐、时滞补偿等技术，解决了时滞数据的处理和多源异步信息的融合问题，提高了状态估计

avatar DAMO开发者矩阵

Work Agent深度解读：AI长程任务执行的底层逻辑与应用边界

AI技术的落地形态正在发生明显转变，从过去以问答交互为主的对话模型，逐步转向可以自主推进多步骤工作的智能体形态。早期大模型只能完成单轮问答，用户给出问题，模型返回一段文本，任务随即终止；随后多轮对话能力出现，模型可以承接上下文，在一轮又一轮交互中持续响应指令。工具调用能力的普及，让AI不再局限于文本生成，能够调动搜索、表格计算、文件读写等外部能力。Work Agent的出现，把这些能力串联成可自主

avatar DAMO开发者矩阵