8-3 图的遍历 和树的遍历类似,图的遍历也是从某个顶点出发,沿着某条搜索路径对图中所有顶点各做一次访问。 若给定的是连通图,则从图中任一顶点出发顺着边可以访问到该图中所有的顶点。
1.在192.168.190.186的服务器上执行ssh-keygen,连续按3次回车,完成生成公钥和私钥,其中id_rsa为私钥,id_rsa_pub为公钥,到/root/.ssh目录下可看到刚刚命令生成的私钥和公钥文件。
触觉学科的现状与未来 Part 3 触觉与数字世界 简介:触觉的内容相信大家已经有所了解,但如何像视觉一样,如视频电话一般应用于数字世界中呢? 本期徐磊研究员将类比视觉在数字世界的呈现,为我们讲述触觉呈现于数字世界的难度。 内容难度:★★☆(计算机专业或有一定计算机知识储备的大学生) ?
然而,七年来,它一直在致力于开发人机交互的新次元——一种触觉手套,可以再现抓握物体或用手在表面上滑动等感觉。 在简化的层面上,Meta 的触觉原型是一个手套,内衬大约 15 个脊状充气塑料垫,被称为执行器,被布置成贴合佩戴者的手掌、手指的下侧和指尖。 许多公司已经致力于开发可追踪用户手部或提供触觉的可穿戴设备。有些甚至集成了温度感觉。 目前,研究团队正试图弄清楚 VR 触控的真实程度如何。 “触觉手套的一个有趣之处在于,它与试听内容不同,我们无法准确再现现实。”Abrash 说。视觉上最先进的屏幕可以呈现出非常真实的图像,听觉上声波可以捕捉人们说话的特征。 “在我看来,如果触觉手套奏效,你就可以抚摸一只狗,但它会是一只虚拟的狗,而且体验会略有不同,”Abrash 说。“但在情感上、体验上它会感觉很真实。”
点击劫持中间件和装饰器提供了简捷易用的,对点击劫持的保护。这种攻击在恶意站点诱导用户点击另一个站点的被覆盖元素时出现,另一个站点已经加载到了隐藏的frame或iframe中。
触觉学科的现状与未来 Part 2 触觉的分类 简介:触觉作为人体最先最早发展的一种感知,它的两个分类:动觉和压觉又有着什么样的区分呢? 本期徐磊研究员将继续从人体生理的角度向我们介绍人体的两个触觉的分类:动觉和压觉。 内容难度:★★☆(计算机专业或有一定计算机知识储备的大学生) ?
本系列是《玩转机器学习教程》一个整理的视频笔记。通过之前的小节了解了多项式回归的基本思路,有了多项式就可以很轻松的对非线性数据进行拟合,进而求解非线性回归的问题,但是如果不合理的使用多项式,会引发机器学习领域非常重要的问题过拟合以及欠拟合。
近日,Oculus向其开发人员知识库添加了新的文档,这个文档详细介绍了Oculus SDK的“Buffered Haptics(缓冲触觉)”功能,这种功能能为Touch控制器编程更高级的触觉反馈方式。 Oculus最新的“Buffered Haptics(缓冲触觉)”功能可以让开发人员更加精确地控制触觉反馈。 ? 该SDK支持两种控制器触觉,一种是缓冲,一种是非缓冲。 Oculus建议这两种方法不要同时使用以避免不可预知的触觉行为。 非缓冲触觉更易于概念化和控制,并且相当于以特定频率(160Hz或者320Hz)和振幅(0至255)简单地切换震动。 Oculus SDK提供了一个触觉样本的App,并给出了通过使用缓冲触觉就可以实现一些触觉效果的实例: 1、在每个波周期结束时,平滑的正弦波振动具有“嗡嗡声逐渐减弱”的效果 2、在左右控制器上进行振动平移 根据玩家们在虚拟世界的表现,可能会出现一些有趣的动态触觉。
近几年,给设备装上「触觉」逐渐成了新的研究热点,尤其是在「元宇宙」概念的加持下,加上触感无疑能让虚拟世界的真实感大大提升。 为了模拟真实纹理,研究人员首先会要求用户使用定制工具来触摸真实纹理,然后使用触觉设备触摸一组虚拟纹理候选,其中触觉反馈通过连接到设备触控笔的Haptuator来传输。 触觉设备在视频游戏、时装设计和手术模拟中越来越受欢迎,即使在家里,我们也开始看到用户使用与笔记本电脑一样流行的那些触觉设备。 比如第一人称视频游戏加入触觉以后,会极大提升玩家的真实感。 论文作者表示,当我们通过工具与环境交互时,触觉反馈只是一种形式,一种感官反馈,音频是另一种感官反馈,两者都非常重要。 从电子游戏到时装设计,一切都在集成触觉技术,而现有的虚拟纹理数据库可以通过这种用户偏好方法得到改进。
但触觉反应需要毫秒级,20Hz以上才能捕捉到“正在滑”和“已经滑了”的临界点。 两种信号塞进同一个低频Transformer,视觉来不及看,触觉来不及反应。 第三层,表征太浅。 一句话总结:视觉数据对灵巧手来说,本质上是不够用的——触觉不是锦上添花,而是必选项。 谁先解决“触觉怎么加”的架构问题,谁就可能在灵巧手这个赛道上卡住位置。 怎么做到的? 触觉信号怎么编码是另一个关键设计。 触觉传感器有零点漂移和高频噪声,直接拿原始电压值喂给模型,模型很可能把传感器噪声当成接触特征学进去。 传统大模型范式几乎以视觉数据为主,没有针对触觉模态的有效利用方案。T-Rex论文里那个17%掉到6%的实验,恰好说明了这一点——不是触觉没用,是现有多模态大模型架构消化不了触觉。 但如果触觉数据成为核心壁垒,灵巧手就不仅仅是执行器,而是整个感知-决策-执行链条中数据价值最高的一环。谁掌握触觉数据的采集能力和模型训练能力,谁就掌握了议价权。
首先,我们讨论人类 "触觉" 的生理和编码方式,及其在传递触觉数据等任务中的重要性。 最后,具体分析两篇关注在具体应用场景中向机器人引入触觉传感技术的文章。 一、人类「触觉」 首先,我们来分析人类的触觉究竟是什么。 ,例如基于光纤的触觉传感元件的触觉阵列、基于 MEMS 气压计的触觉阵列传感器和基于嵌入式相机的指尖传感器等; 大面积触觉传感器(类似于人类手臂、背部和其他身体部位的皮肤):与指尖触觉传感器不同,这种类型的传感器并不需要强调高空间分辨率的特性 与触觉传感器的快速发展相比,对触觉传感器产生信息的理解(触觉感知)发展尚不成熟。目前针对触觉感知的研究主要包括物体识别、形状识别、姿态识别、感知融合等。 [触觉探索(Tactile Exploration)] 触觉探索是一种通过触觉提取未知物体属性的有效方法。
不论是谁,首先想到的都是用这个技术在VR里复现接吻的甜蜜触觉。研究者也不例外。 自然,也包括亲吻时情侣间唇舌互动的各种触觉体验。 很多人看到了商机:FIG的技术要是商用落地的话,世界上首个能远程虚拟复刻接吻的元宇宙硬件设备就诞生了。 这套设备可以让你同时体验大蜘蛛扑脸、黏液从脸上流进嘴里的视觉和触觉。 研究人员目前只能为距离嘴唇最近的物体产生触觉,并不能实现多节点触觉。 好在,用户通常只会把一个物体放到嘴边(例如拿起杯子喝水)。 场景中使用的触觉参数 效果嘛,简而言之就是——大受欢迎! 也许这个结果并不是那么令人惊讶,毕竟触觉提高了真实感和沉浸感。 尤其是触觉可以提供用户视野之外的VR事件信息,极大增强了用户的体验。 当然,研究人员并没有止步于此。
这家成立两年半的公司以其先进的触觉传感器硬件而闻名,最著名的是基于视觉的单色触觉传感器,它将超过 11 万个有效传感单元封装在一个指尖大小的模块中。 触觉信息对于提供接触状态反馈至关重要,这样机器人才能引导其手和手指执行可靠的操作。没有触觉感知,机器人的能力将受到严重限制。 因此,自然需要增强 VLA 方法来整合触觉信息。扩展了 VLA 框架以包含触觉数据,从而创建了 VTLA 模型。触觉传感器的另一个优势是基于视觉的:捕获指尖表面变形的视觉图像。 技术:基于单色视觉的触觉感知团队多年来一直深入研究基于视觉的触觉感知,并开发了世界上第一个基于单色视觉的触觉传感技术。为什么选择这条技术路径?开始研究触觉传感器后,便理解了需求。 随着人们越来越认识到触觉数据的必要性,所有这些都将齐头并进。去年,DAIMON 推出了多维、高分辨率、高频率的基于视觉的触觉传感器。与传统触觉传感器相比,其核心优势在哪里?它可能改变哪些行业?
“向多感官触觉反馈的新转变——即同时传递多种类型的触觉刺激——正在提升用户体验,但也带来了新的工程和感知挑战。 设计有效的、可穿戴的多感官触觉设备需要深入理解人类触觉感知,研究团队指出了当今领域的几个关键挑战。 最大的障碍之一是皮肤接触力学的变异性,因为皮肤弹性、感受器分布和湿度等外部因素的差异会改变触觉刺激的感知方式。另一个问题是触觉掩蔽,即多种触觉(如振动和皮肤拉伸)可能相互干扰,降低感知清晰度。 流体驱动利用加压空气或液体产生动态触觉,正在软机器人和基于纺织品的触觉可穿戴设备中获得关注,为舒适性和适应性提供了新的可能。 此外,遥操作和机器人技术也将显著获益,因为带有触觉反馈的远程控制机器人系统允许用户“感受”远距离的物体,提高机器人手术等精细任务中的精度。尽管取得了显著进展,作者仍强调需要进一步探索多感官触觉感知。
二、实现方案:先验初定位 + 触觉精定位(双级逼近) 第一级:粗定位到“大概率安全区” 传感器:移动底盘的 2D 激光雷达 + 机械臂关节编码器。 底盘激光扫描轮廓,识别大致中心轴和朝向。 第二级:基于工具端的触觉逼近(核心创新) 此时,末端已处于内部“绝对安全”的大致位置,但精确 5mm 未知。 不依赖视觉:用“触觉”直接感知,无需建模,无遮挡问题。 自动适应不同:无论曲面如何,探测总会找到真实釉面,回退距离绝对准。 速度快:整个探测运动距离不过几十毫米,5mm/s 速度下耗时不到 2 秒。 总结 在视觉和先验模型都不可靠的限制下,最工程化的解决方案是“以柔克刚”:把清洁模组本身变成一个高敏触觉探针,配合底盘粗定位,通过一次超轻接触来“教会”机器人釉面在哪里。 这套方法叫做 “触觉自定位”,也是当前先进制造、医疗器械和清洁机器人中处理不确定环境的经典范式。有了它,就不必纠结于看到或算准,而是让机器人自己“摸”出准确位置。
机器人触觉传感器并非徒有其表某大学和某大学的研究人员克服了一个实现低成本先进机器人触觉的主要障碍。作者认为,潜伏在许多触觉传感器论文边缘的问题,恰恰在于机器人皮肤本身。 随着这一误差被消除,廉价的机器人皮肤将能使机器人模仿人类的触觉,感知物体的曲线和边缘,这对于正确地抓握物体至关重要。 当在混合物中添加碳纳米管等导电填料时,所得复合材料就成为了触觉传感器的理想候选材料,其电阻会在受压时发生局部变化。但是,为了接收电信号,传感器需要进行电接触。 在揭示大量触觉传感文献中可复现性问题的同时,格雷森挑战研究界,要求使用论文中描述的质量检查方法来建立更高的标准。
习题8-3 数组循环右移 本题要求实现一个对数组进行循环右移的简单函数:一个数组a中存有n(>0)个整数,将每个整数循环向右移m(≥0)个位置,即将a中的数据由(a0 a1⋯an−1)变换为
受人类皮肤层启发,其三层触觉传感器使其能够抓握并区分各种形状和表面纹理的物体,而不仅仅是检测到接触。每个柔软、充气的手指关节都可以通过前臂的肌肉进行控制。 机器学习算法则专注于处理来自人工触觉感受器的信号,以创造逼真的触感。“来自手指的感官信息被转换为神经语言,通过电神经刺激提供自然的感官反馈。” 这些信号桥接大脑和神经,允许手根据其触觉进行弯曲、松开或反应。其结果是创造出一个能直观“知道”自己正在触摸什么的机器人手,就像神经系统一样。“如果你拿着一杯咖啡,怎么知道它要掉了? “我们的系统受到神经系统的启发——它模拟了手的触觉感受器,产生类似神经的信息,这样义肢的‘大脑’,也就是它的计算机,就能理解物体是热是冷、是软是硬,还是正从手中滑落。”
该系统将多光谱成像、摩擦电感测与惯性测量融为一体,并通过构建 8.5B 参数的触觉语言模型 DOVE,实现了触觉信号从底层感知到高层语义推理的突破。 为了处理极其复杂的触觉输入,系统并行集成了四组预训练的 CLIP(对比语言—图像预训练)模型作为模态编码器,将图像化的触觉特征(包括颜色、纹理、温度和材质信号)提取为深层特征向量。 图 5 触觉语言大模型 DOVE DOVE 的训练通过三阶段策略实现从底层感知到高层认知的递进:首先利用 CLIP 将异构传感器信号转化为通用的图像表征;随后通过投影层将触觉特征精准对齐至语言模型空间; 最后针对 Vicuna 骨干网络进行微调,使其能够结合常识对触觉指令进行复杂推理。 DOVE 不仅解析当前的物理数据,还能将实时的触觉反馈与预训练的大模型常识相结合,从而推断物体的潜在功能并做出逻辑决策。
彻底改变触觉:研究人员探索可穿戴多感官触觉技术的未来从虚拟现实到康复和通信,触觉技术已经彻底改变了人类与数字世界的交互方式。 向多感官触觉反馈的新转变,意味着同时提供不止一种类型的触觉刺激,正在提升用户体验,但也带来了新的工程和感知挑战。 设计有效、可穿戴的多感官触觉设备需要对人类触觉感知有深刻的理解,研究团队指出了该领域目前面临的几个关键挑战。 最重大的障碍之一是皮肤接触力学存在差异性,因为皮肤弹性、受体分布以及湿度等外部因素的不同,会改变触觉刺激的感知方式。另一个问题是触觉掩蔽,即振动和皮肤拉伸等多种触觉感觉可能相互干扰,降低感知清晰度。" 此外,远程操作和机器人技术也将显著获益,因为具有触觉反馈的远程控制机器人系统允许用户从远处"感觉"物体,提高了机器人手术等精细任务的精度。