- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器人小农
机器人该做哪些备件呢？（本体部分）
书接上回，上回我们说到机器人控制系统部分的备件，这次我们来说说本体部分。如果你没看到上一期可以点击这个链接 机器人该做哪些备件呢？（控制部分） 相对于控制柜来说本体的备件要少很多。 备货等级按照：1必备，2中等，3消耗品，4不常备 备件名称：工艺管线包 备货等级：1，3 说明：管线包实际上属于消耗品，其特点是种类烦多、零件难找、生产必备、易损坏等，所以管线包是必备的同时也是消耗品 备件名称：内部管线包 备货等级：2 说明：内部管线包是机器人驱动和马达之间的重要链接部分。原厂安装长度还是比较合理的，一般不会因为运动导致拉扯。 备件名称：拖链 备货等级：1 说明：有导轨的机器人必定会有拖链。由于是一个经常运动的部件，损坏老化是避免不了的。所以拖链或者拖链内的线束算是个易损件。 备件名称：皮带 备货等级：1 说明：部分型号的机器人会有皮带传动（例如KR360），这类皮带传动的机器人需要定期更换皮带并且经常检查皮带张紧力和磨损程度的。一般在两年内建议更换一次。
1.1K10编辑于 2022-06-29 - 来自专栏机器人课程与技术
机器人编程趣味实践18-他山之石(功能包)
机器人操作系统功能包可以使用如下两种方式使用： sudo apt install xxx colcon build xxx 第一种是打包的安装文件，第二种是源代码编译。 如何自己编写功能包后续细说，本节介绍如何使用github下载的功能包源码编译使用。 先上一个思考题： 模型之简 模型之细 代码也是类似，有极简风，也有全家福。 executable For more help and usage tips, see https://colcon.readthedocs.io colcon build 完成后显示： 如果要使用自编译功能包中的程序
54730发布于 2021-12-02 - 来自专栏机器人网
众包：让机器人学习的更快更好
华盛顿大学计算机科学家最近展示了众包如何快速高效教育机器人完成任务。机器人将不再只是从一个人身上学习，而是有可能在更大范围的在线社区内，询问摆放餐具或者为花园浇水的最佳方法。 研究团队设计了一项研究，利用在线众包社区以教育机器人搭建简单的模型——汽车，树木，乌龟，蛇等等用乐高彩色积木搭建的模型。然后再让机器人搭建类似的物体。 但是只是基于参与者提供的少数几个模型，机器人不能完成这个任务。 为了得到更多关于建造模型的输入，机器人向众包求助。 这项研究将在今年11月举办的人类计算与众包大会上发表。 布朗大学伍斯特理工学院，康奈尔大学的研究团队也在进行类似理念的研究，开发机器人使其可以能够通过众包学习新技能。 华盛顿大学的研究团队目前正在利用众包和在线资源教育机器人完成更复杂的任务，例如在多层的建筑物中找寻物品。
1.1K40发布于 2018-04-12 - 来自专栏新智元
MIT「迷你猎豹」秒速3.9米刷新四足机器人世界记录，但还是跑不过苏炳添
MIT四足机器人刷新世界记录，靠的是合成数据训练机器！ 自2014年立项以来，MIT的机器猎豹项目在四足机器人界屡有突破和贡献。 MIT机器猎豹，四足机器人里跑得最快 当下，各种机器人公司和项目，为了刷存在感，同时也给投资人信心，最时兴让机器人玩杂耍。 考虑到没练过的普通人类整体旋转的角速度也就是每秒6-9弧度（花样滑冰运动员能转出每秒40弧度以上），机器猎豹打转的敏捷度已经很值得称道了。 2021年起，加州大学伯克利分校的研究团队就在用模拟环境训练两足机器人Cassie。据称Meta的AI团队也在用模拟环境训练四足机器人。 这种管线操作模式能用来训练机器猎豹，就能用来训练流水线机器人。 而且合成数据+强化学习这种模式还有个好处，就是摆脱了传感器的关注局限、让AI更加高效流畅地得出结果。
1.1K20编辑于 2022-03-21 - 来自专栏机器人课程与技术
蓝桥ROS机器人系统更新和功能包安装记录
ubuntu/ `lsb_release -cs` main" > /etc/apt/sources.list.d/ros-latest.list' 预计5分钟，完成上述配置，然后更新和安装功能包就都没问题啦
56620编辑于 2022-05-01 8GB 显卡跑 MiniMax H3 视频生成：从 OneClick 包到全自动化管线的完整实录
本文沉淀完整的自动化管线：启动参数、API 全自动提交脚本、5 条实测方法论、8 个踩坑实录。所有数据来自 20+ 次真实采样，全部在本机完成，模型不出本地。 二、环境与启动参数（8G 卡能跑的关键）整合包：MiniMax H3 OneClick（ComfyUI 便携版）。 显存门槛：8 秒是快慢分界线任务帧数实测耗时5-7 秒竖屏/横屏124-175 帧6-9 分钟10 秒243 帧54-61 分钟帧数超过 ~192（8 秒），采样中间态塞不进 8GB 显存，全程换页，慢 全部踩坑和方法论已整理成 AI Agent 可直接执行的自动化手册——拿到手册的 AI 在装好 OneClick 包的机器上，python h3_i2v.py 首帧.png "提示词" 6.6 <seed > 960 544 一条命令即可复现整条管线。
74510编辑于 2026-10-10- 来自专栏智药邦
人工智能在药物发现领域的应用：编年史和未来展望
2015年 这一年，一家著名的人工智能公司XtalPi在麻省理工学院校园和中国成立，该公司从一开始就专注于将量子物理、人工智能、云计算和大规模机器人工作站集群相结合。 目前，XtalPi提供由人工智能和（机器人）湿实验室驱动的药物发现解决方案（包括小分子和抗体），在为临床候选药物确定新分子的“0到1” 创新过程中发挥着更加突出的作用。 另一家领先企业Recursion Pharmaceuticals似乎在整体上不断取得进展，因为该公司采用了一种强大的多方面方法来构建其端到端人工智能引擎操作系统，以及高通量生物实验设施和机器人生产线。 他估计，人工智能已经帮助节省了6-9个月的药物开发时间，这可以转化为显著的资金节省和加速。 数据是人工智能竞赛的新重点 最后，领先的人工智能公司已经认识到，生成和拥有自己独特的生物数据至关重要。 一些公司，如Moderna、Recursion Pharmaceuticals和XtalPi，自然而然地发展成为数字生物技术公司，拥有人工智能控制的机器人高通量设施，可大规模运行临床前实验。
1.4K10编辑于 2025-01-22 - 来自专栏爬虫0126
Python爬虫抓取表情包制作个性化聊天机器人
在现代社交媒体和即时通讯应用中，使用表情包已经成为一种流行的沟通方。本文将介绍如何利用Python编写一个简单而有趣的聊天机器人，并通过爬虫技术来抓取各类表情包，使其具备个性化特点。 1.确定需求与功能 -定义聊天机器人需要实现哪些基本功能； –思考是否要加入自定义回复、关键词匹配等高级特性。 `` 4．构建聊天机器人 使用Python编写一个简单的对话系统，可以根据用户输入进行回复，并随机使用抓取到的表情包作为附加内容。 同时，可以通过用户反馈和交互数据来优化聊天机器人的回复效果。 6.引用相关研究成果: 在编写过程中可以参考已有文献资料以提高项目质量。 请注意，在使用爬虫技术获取表情包时，请确保遵守相关法律法规及版权要求，并尽可能选择稳定可靠、资源丰富多样的来源。
62020编辑于 2023-08-31 - 来自专栏机器人课程与技术
ROS机器人操作系统新发布软件包摘录--（2018.03）
ROS机器人操作系统功能包摘录--（2018.04） 可以编译并改进源码用于公选课研究论文的提交（适用本科一年级-三年级，专业不限）。 安装此软件包需要3个主要步骤：克隆dialogflow repo，设置您的Google云项目以及设置Dialogflow。 SwRI的ROS-I团队还推出了机器人混合里程碑4，TSDF实现的智能零件重构，以及新完全集成到ROS顺序凸优化器中的Trajopt。 有一个拐点或临界点，对于高级机器人来说，这似乎是一个合适的时间。 這點和 Dask 比較像，比起 MQTT 來說更適合傳遞比較大的資料包。
2.4K40编辑于 2022-04-29 - 来自专栏机器人课程与技术
蓝桥ROS机器人之第一个功能包helloros
helloros cmake_minimum_required(VERSION 2.8.3) project(helloros) ## Compile as C++11, supported in ROS Kinetic and newer # add_compile_options(-std=c++11) ## Find catkin macros and libraries ## if COMPONENTS list like find_package(catkin REQUIRED COM
86650编辑于 2022-05-01 - 来自专栏ATYUN订阅号
The Crafty Robot推出基于AI的纸板机器人工具包Smartibot
这种想法是The Crafty Robot的Smartibot背后的推动力，Smartibot是一种基于人工智能的纸板机器人工具包，可教孩子们电路，电机和代码的基本原理。 在设计网格中拖放控制元素几分钟后，你可以让机器人追逐你的猫，沿着房子周围跟着玩具车，或给你端来一杯咖啡。 Atkin说：“在智能手机上运行AI的另一个好处是，我们可以通过更新应用程序轻松安全地为每个人的机器人添加额外功能。我们计划在机器人发货后不久就将手势识别AI和语音识别功能加入到应用程序中。 之后，我们将开始使用我们自己的训练数据开发新的AI，这将允许机器人之间进行一些超级有趣的交互。理想情况下，我真的希望为用户提供工具来训练他们自己的AI，以便在机器人中使用。 这是总部位于伦敦的创业公司The Crafty Robot的第二次众筹活动，于2015年推出了同名机器人，一种USB为动力的可编程机器人，该机器人装有装饰纸板模板。
76750发布于 2018-07-27 - 来自专栏机器人课程与技术
ROS2新书推荐-从ROS2入门下一代机器人操作系统编程
---- 概述 下一代机器人操作系统ROS2是用于机器人应用程序开发的中间件。ROS2与ROS1不直接兼容，因为基于ROS1的经验已经在很大程度上重新实现了ROS2。 就安全性而言，ROS1不适合商用机器人开发，因为通信内容未加密并且没有身份验证功能。 本书是ROS2的简介和入门，它将成为未来机器人应用程序开发的事实上的标准。它涵盖了从基本操作到连接方法以利用ROS1资源和程序包开发方法的所有内容。 这本书不仅对那些想开始机器人开发的人有用，而且对ROS1用户也很有用。 本书的纲要 引言 这是ROS的概述。 create_autonomy 6-4 my_ROS2_create_autonomy 6-5 更新package.xml 6-6 更新消息，服务和操作定义 6-7 更改编译系统 6-8 更新源代码 6-
2.8K51发布于 2020-02-19 - 来自专栏世隆科技的专栏
世隆科技：探地雷达（GPR）工作原理——高频电磁波的地下 “透视” 逻辑
其工作过程可类比“地下雷达”，兼具非破坏性、高分辨率的特点，广泛应用于地质勘探、管线探测、工程检测、考古挖掘等场景（尤其适合与特种机器人结合，实现复杂地形下的自动化探测）。 四、应用场景与原理的结合（以特种机器人搭载为例）当探地雷达与轮式/四足全地形机器人结合时，其工作原理可针对性适配复杂场景：1. 机器人携带雷达系统移动，通过预设路径实现连续扫描，解决人工探测难以到达的地形（如山地、废墟、有毒环境）；2. 机器人的定位模块（GPS/IMU）与雷达数据同步，将反射信号与探测位置精准匹配，生成“位置-深度”关联的三维探测图；3. - 适用场景：地下管线/管线探测、公路/铁路路基检测、地质灾害（空洞、滑坡）预警、考古勘探、军事排雷等。
2.6K10编辑于 2025-11-28 - 来自专栏运维技术迷
xz文件压缩工具的用法
安装 一般Linux/Unix都默认安装了xz命令，如果没有安装，需要进行安装，安装方法非常简单， 在centos下，直接运行： yum install xz 也可以使用源码包安装： 先下载该工具源码包 compression, 3-5 good (压缩预设; 0-2快速压缩，3-5好) compression, 6- 9 excellent compression; default is 6 (压缩，6-9优秀压缩; 默认为6)) -e, --extreme
1.9K80发布于 2018-03-26 - 来自专栏机器人网
构建变革制造业的焊接系统
以最适合点焊为关键词进行开发的原机型ES165D/200D，将点焊用管线包内置于机器人内部，为设备的高密度设置作出了相应的贡献。 此次开发的MS165/210与ES165D/200D同样将管线包置于机器人内部，是最适合于设备更小型化，更高密度配置的点焊机器人。 而作为机器人避免干涉的4个要素，则是回转干涉半径、机器人宽度、机器人底座、机器人上臂粗细。 ES165D/200D和 MS165/210的配线包电缆的处理方法的比较如图5 ，底座的比较图如图6所示 。 图5 配线包电缆处理方法比较 图6 底座比较 图7 上臂比较 关于底座的形状，重新修正零件，实现了图7所示干涉半径的最小化。
93760发布于 2018-04-13 具身智能WAM模型训练的数据闭环：UMI采集与腾讯云存储支撑方案
数据质量：需满足任务/场景/物体足够多样、动作与视频时间同步/空间标定/相对轨迹可解算、不受机器人本体限制三大要求。 规模化瓶颈：WAM时代的数据瓶颈并非“缺少机器人”，而是能否低成本持续采集真实、多样、可对齐的人类操作数据。 模型训练→推理部署→数据回流”端到端闭环，包含端侧采集（任务查看、数据采集存储上传）、云端管理（数据统计、视觉/轨迹/数据查看、人工+AI标注审核、生成训练数据集）、训练能力（VLA/WAM端到端训练管线 端云一体化数据闭环落地路径 同一套无本体UMI数据资产可同时服务VLA动作学习与WAM世界状态预测： 端侧通过Grip/Ego/DEX设备采集人类行为数据，覆盖具身数据采集场、高校/职校实训中心、众包碎片化采集场景 对接VLA/WAM训练管线（Pi0.5/DreamZero），训练完成后部署至工业机器人L1、通用机器人L0。 机器人应用产生的数据回流至平台，形成数据飞轮，持续迭代模型。
97710编辑于 2026-06-11- 来自专栏Flink实战应用指南
[AI新知] 吴恩达创立的Landing.AI发表摄影机即时追踪作业员行为就能检测产线组装正确性
如AI解决方案，提供企业在五种常见制造场景中运用的缺陷检测技术，包括管线中气液体的泄漏、微小颗粒的追踪和侦测、表面工艺的瑕疵侦测、透过辨认几何图形来侦错、以及不同微小零组件的分类。 王冬岩进一步说明，首先，是选定小的专案来执行，确保可以6-9个月见效，以建立企业应用AI的信心；第二，则是透过各种管道辅助企业招揽AI人才、建立团队；第三，是提供公司高层与职员相关课程来学习，培养新的思维与观念
88000发布于 2019-07-11 - 来自专栏RTSP服务器
低延迟RTSP播放器为什么总被低估？一篇文章讲透工程级设计要点
工业视觉、安防监控、无人机回传、应急指挥、机器人等场景之所以对播放器挑剔，本质原因就在于它影响的是整条业务链路的“时效性与可靠性”。 但在真实项目里，RTSP 播放器要扛住的是一整套工程难题： 时序与弱网控制：在 Jitter、NAT 丢包、网络抖动下，如何做抖动缓冲、追帧、丢帧恢复，既不炸延迟又不频繁卡顿。 设备生态兼容：各种 IPC、AI 摄像头、机器人/车载终端的“奇葩码流”，如何做到“拉得起、播得稳”。 包体大且依赖繁多，移动端集成困难 低延迟效果完全取决于“管线拼法”，实现正确延迟需要深度调优 适合科研或复杂媒体系统，不适合追求“即插即用低延迟播放”的业务环境。 但链路要自己搭 能播，但不保证低延迟 / 稳定性 / 弱网可用性 跨平台差异大，移动端成本极高 几乎不提供业务所需的可观测性和回调体系 如果项目诉求包括： 100–200 ms 稳定低延迟 弱网（丢包/
79500编辑于 2025-11-19 语音AI Agent编排框架！Pipecat斩获10K+ Star，60+集成开箱即用，亚秒级对话延迟接近真人反应速度！
再看一个更实际的例子——带电话接入的客服机器人：from pipecat.transports.services.daily import DailyTransportfrom pipecat.serializers.twilio ）：一切皆管线，处理器串联成流水线，数据帧在管线中流动，清晰可预测Bidirectional Frames（双向帧流）：数据下行（用户→AI），控制信号上行（打断、取消），实现自然的对话交互Composable （可组合）：Pipeline本身也是一个Processor，管线可以嵌套管线，构建任意复杂的处理图Vendor-Neutral（供应商中立）：STT、LLM、TTS每层都可以独立替换供应商，不绑架开发者 延伸思考：智能客服、语音导航、儿童陪伴机器人、老年人健康助手、车载语音交互、智能家居语音控制……只要你的场景涉及"实时听+实时说+实时想"，Pipecat 都能成为你的技术底座。 重量级背书：不是草根项目Pipecat 已经获得了多个行业巨头的关注和集成支持：注：NVIDIA 的合作最为深入（有专属扩展包和 Blueprint 页面），AWS 和 Genesys 目前主要体现为技术集成和内容合作
1.9K10编辑于 2026-03-06- 来自专栏GPUS开发者
小盒子跑大模型：英伟达 Jetson 内存优化，边缘 AI 也能玩转大模型
现在生成式 AI 越来越火，大家都想把大模型搬到机器人、自动驾驶、智能摄像头这类边缘设备上，不用依赖云端也能本地运行。但边缘设备有个大难题：内存太小，大模型动不动就占好几 GB，很容易跑崩、卡顿。 总内存收益：底层优化≈1GB，推理管线≈412MB，模型量化≈5~10GB。 二、第一层：BSP 与 JetPack 底层优化（基础层） BSP（板级支持包）+JetPack 是边缘 AI 的系统底座，通过关闭无用服务 + 释放预留内存，最高可回收897MB。 2.1 关闭图形桌面与 UI 服务（最高省 865MB） 适用于无显示器的无头部署（机器人、工业设备），命令直接执行： # 设置系统默认启动为多用户无图形模式 sudo systemctl set-default 四、第三层：推理管线优化（DeepStream） 针对视频 / 传感器推理管线，最高省 412MB，适合视觉 AI 场景： 核心命令（DeepStream）： # 禁用OSD/Tiler，使用FakeSink
1K10编辑于 2026-04-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号