机器人

GAZEBO探索――给机器人加上bumper

匿名 (未验证) 提交于 2019-12-02 23:42:01
版权声明: https://blog.csdn.net/wubaobao1993/article/details/91890839 写在前面 最近在做GAZEBO的时候,遇到了给机器人添加bumper的问题,着实踩了很多坑,而且在google上查到的答案很多都不对,仅仅有一个方法给出了本质,这里特别记录一下,希望可以帮助更多的小伙伴。 GAZEBO与ROS不一样 首先这里必须要说清楚的一个事情就是,我们在学习ROS的时候,使用urdf文件或者xacro文件表示我们的机器人,并且ROS提供了urdf相关的一些包来可视化我们的模型, 但是,对于GAZEBO而言,并不认识urdf或者xacro文件,它只认识sdf文件 ,这也是在GAZEBO官网上只能看到教sdf文件的教程的原因,我们能在ROS中直接启动GAZEBO并在其中模拟机器人的运动,是因为中间GAZEBO将urdf文件转为了sdf文件,之后能被GAZEBO识别。 给机器人添加bumper 之所以说了上述的东西,主要的原因是因为sdf文件中其实多了很多urdf中没有的东西(多数是一些tag的attribution),比如我们在写visual标签的时候,一般都是不写name这个attribution的,但是在GAZEBO做转换的时候,会添加name这个属性,这个属性我们是不能从urdf文件中推断出来的!!! 举个例子

干货!英国最大的上市水务公司RPA案例分享

匿名 (未验证) 提交于 2019-12-02 23:42:01
公用事业服务往往要消耗大量的人力、财力。近年来,随着人力成本的不断提高,导入RPA成了公用事业公司缩减工时,节约成本的最佳选择。 如今,全球有越来越多的公用事业公司正在实施并看好RPA。英国的联合公用事业公司(United Utilities),就在导入RPA后显著提升了工作效率。 公司背景(项目背景) 联合公用事业公司(United Utilities,UU)是英国最大的上市水务公司,主要经营英格兰西北部,大约700万人口的生活用水和废水处理业务。UU于2017年11月导入RPA,次年1月便实现了首个流程的自动化。公司的IT团队正专注于研究RPA及其应用领域,目前已通过RPA实现了20个流程的自动化,另有12个流程正在开发中。 应用流程 1进入申请系统,确认负责人,向客户发送预约到访短信 导入RPA前:8名员工花费6.4小时手动完成。 导入RPA后:1个机器人30分钟内完成。 实施效果:公司每年为该流程节约了近2000小时,且发送日期、发送人等记录均有日志可查。 虽然人工作业有所减少,公司却没有因此裁员。“通过节省时间,原先负责发送短信的员工就有了更多时间与客户进行交流。RPA的目的不是裁员,而是将无需动脑也无需业务知识的工作流程自动化。”项目负责人Genevieve Wallace Dean表示。 2不按流量计费的客户可申请免费水表,应客户要求对用水量进行测量 导入RPA前

2020人工智能博览会&人工智能展览会

匿名 (未验证) 提交于 2019-12-02 23:40:02
从智慧出行到无人驾驶、无人商店等,未来30年智能技 近年来,物联网作为一种新的生产要素,与经济、社会全面融合,为经济增长注入新活力,加速了全球化进程和经济格局变迁。发展智慧城市已成为全球共识。在中国,基于物联网技术、以互联网平台为重要载体的经济发展迅速,并得到中国政府的大力支持。物联网的蓬勃发展,需要与之相适应的高质量、高规格的交流平台、展示平台和推广平台,“亚洲物联网博览会”的举办适逢其时。 在国家提倡“一带一路”的大背景下,加强一带一路国际资源,统一思想,一带一路经济战略实施“中国制造2025”制定“互联网+”行动计划,推动互联网、云计算、大数据、物联网、人工智能等与智慧城市结合,促进智慧城市建设的全面发展。定于2020年03月26日-28日在中国南京召开“2020中国国际人工智能展览会”(AIOTE展)术将深入到社会的方方面面。以AI为核心的智能互联网时代的到来,正在掀起“第四次工业革命”的浪潮。人工智能时代将带来N倍速的产业升级机会。AI技术会为越来越多的产业赋能,让产业更优化。在产业不断创新发展、智能融合、技术推动的新形势下,创业者需要一场可以指导各产业发展、厘清各产业发展脉络、引导并链接资本风向、有重大影响力和启发性的行业聚会。 随着国家中国智造2025战略实施,智能产品、智能制造与互联网的深度融合、跨业创新,成为家电消费电子行业发展趋势

二连杆机器人的动力学

匿名 (未验证) 提交于 2019-12-02 23:40:02
版权声明:本文为博主原创文章,未经博主允许不得转载 https://blog.csdn.net/tianjilieren/article/details/91419946 clc;clear;close; %syms L1 L2 m1 m2 g q1 q2 dq1 dq2 ddq1 ddq2 real Ts=0.01; L1=1; L2=1; m1=10; m2=10; ORI=[1 0 0;0 1 0;0 0 1]; q1=30*pi/180; q2=10*pi/180; g=-9.81; dq1=30*pi/180; dq2=30*pi/180; ddq1=40*pi/180; ddq2=5*pi/180; T12=[cos(q2) -sin(q2) 0 L2*cos(q2);sin(q2) cos(q2) 0 L2*sin(q2);0 0 1 0;0 0 0 1]; T01=[cos(q1) -sin(q1) 0 L1*cos(q1);sin(q1) cos(q1) 0 L1*sin(q1);0 0 1 0;0 0 0 1]; T23=eye(4,4); T={T01;T12;T23} V{1}=zeros(6,1); dV{1}=[0;0;0;0;g;0]; A1=[0;0;1;0;L1;0]; A2=[0;0;1;0;L2;0]; A={A1;A2}; dq=[dq1

机器人避障当前成就与可研究方向

匿名 (未验证) 提交于 2019-12-02 23:38:02
版权声明:https://blog.csdn.net/zjguilai https://blog.csdn.net/zjguilai/article/details/91362672 机器人导航模块组成 全局导航算法与环境表示 局部避障算法 轨迹与控制 当前可研究方向 机器人导航模块 定位: 核心算法 1)SLAM:激光LSD-SLAM,视觉vSLAM 2)UWB(室内导航机器人定位系统),RFID,GNSS等等 UWB: https://blog.csdn.net/yuyangyg/article/details/77043253 RIFD: 经典的Landmark算法,核心思想是部署参考 RFID标签 ,来推算目标位置。 GNSS: http://www.agvba.com/4271.html http://www.xjishu.com/zhuanli/52/201810508463.html 辅助算法 EKF等 导航: 全局规划 A*, RRT , D* 局部避障 APF(人工势场法) VFH: Vector Field Histogram 算法,简称VFH算法,直译为“向量场直方图算法”。 https://baike.baidu.com/item/VFH%E7%AE%97%E6%B3%95/22898373?fr=aladdin 轨迹与控制 如图: 全局导航算法与环境表示

face recognition

匿名 (未验证) 提交于 2019-12-02 23:38:02
As compared with other biometrics systems using fingerprint/palmprint and iris, face recognition has distinct advantages because of its non-contact process. Face images can be captured from a distance without touching the person being identified, and the identification does not require interacting with the person. In addition, face recognition serves the crime deterrent purpose because face images that have been recorded and archived can later help identify a person. However, the IoT paradigm comprises of a diverse array of vertical markets and is not a homogenous entity. Take the Industrial

移动说:搞了这么多年,原来腾讯才是我们最大的对手

匿名 (未验证) 提交于 2019-12-02 23:38:02
微信等语音应用对传统通信业务已构成实质威胁,工信部即将发放虚拟运营商牌照的消息更是雪上加霜。通讯一哥移动也不得不深思,搞了这么多年,没想到最大的竞争对手竟然是腾讯。基于通讯网络我们可以共享云端生活,为人类生活提升品质。就商业竞争而言,跨行跨界已经成为主流,如今是商业模式不仅要和同行竞争还要警惕跨行产业。 早在2003年10月,支付宝诞生,绝不会有人想象到它会对银行构成威胁。10年后的2013年6月,支付宝的“兄弟”余额宝以其高收益和便捷性,迅速蚕食全国银行市场……然而,银行业面临的跨业竞争不仅仅在第三方支付,还有电子商务公司,甚至通讯企业。 商场竞争变化之快,在职场也有所体现,商业快速发展,对职场人员的要求也在加大,马云、刘强东等行业巨头都纷纷要求员工996工作制,日后的职场人压力越来越大,也更加表名提升能力,让自己成为创造性人才才是未来不被淘汰的唯一法门。 即主持机器人、旅游机器人、医疗机器人、人工智能又添新人――电话机器人。电话机器人好不好用?它们都具有人工不能比拟的优势,工作积极,便于管理。而且电话机器人仅一套软件系统就能参与工作,智能语音机器人价格更是在以往机器人成本上再次减轻企业成本。而这一转变恰好是现在企业所需要的模式,最好一套系统就能代替人工。职场不如工厂不需要大型的机械臂来协作工作,只要智能化的模拟人工作业,达到脑力创造性工作。

智能语音电话机器人的主要几个模块以及三大核心点

匿名 (未验证) 提交于 2019-12-02 23:37:01
人与机器的战争不会停止,李在石与阿尔法围棋的对决刚刚落下帷幕,又一传统行业迎来智能挑战。 自2016年人工智能技术发展成熟,对呼叫中心进行了大规模的行业转型,呼叫中心行业演变成智能呼叫中心系统。两者区别在于机器系统呼叫与人工坐席呼叫。 呼叫中心就是在一个相对集中的场所,由一批服务人员组成的服务机构,处理服务对象的信息查询、咨询、投诉等业务的同时,可以进行服务对象回访、满意度调查等呼出业务。 智能客服系统一般包含语音识别、自然语言理解、对话管理、自然语言生成、语音转换等五个主要的功能模块,例如像欧能智能电话机器人等等,类似都是智能客服系统,智能客服系统最大的优势是能降低企业客服运营成本、提升用户体验。 我们可以了解到智能客服系统主要有三个核心点,我们大致可以知道电话机器人好不好用,而市面上大量出现的电话机器人代理商,提供的电话机器是否符合市场需求。 (1)通过人工客服日常积累的问题集,建立一个高质量、高扩展性的语料库,并在此基础上通过各种渠道获取尽可能多的行业问答知识。语料库是客服机器人寻找答案的来源,语料库覆盖面越广意味着机器人可以回答的问题越多。 (2)用户所提的问题的形式通常都是非标准化的,同一问题的问法多种多样,因此必须将各种形式的问题归一化,以便同知识库中的标准问法匹配。 (3)最后,在大型语料库中快速高效地检索出正确的答案也是一个不小的挑战。 通过电话机器人的3点核心技术

2019年AI智能会淘汰一批电销行业,你还不知道吗

匿名 (未验证) 提交于 2019-12-02 23:36:01
2019年会有一大批电销行业被淘汰,你了解吗? 智能语音机器人对于电销行业来说已经不再陌生,从观望到使用过程不需要太久,只要你足够了解可要赶紧用起来,不然行业竞争很快会出现淘汰赛。电销机器人系统相比使用人工具有哪些方面的优势,今天我们来好好说一说: 智能语音系统 1、智能语音机器人并不存在离职问题,大家订购机器人一年,我们的电话机器人就为大家兢兢业业的工作一年,还能够实行续约。 2、智能语音机器人多少钱?智能语音机器人使用价值根据年份算,一台机器人一年的花销是一万二,不需要保险、不需要奖金更不需要培训。 这样算下来机器人的成本一个月仅需要一千块钱,成本仅到达人工销售的四分之一。 3、全局来看,我们的电销语音系统从客户的数量和质量上,都对大家销售成绩的提升有着不可忽视的作用。 智能语音机器人相比于电销人员,工作能力毫不逊色,能够迅速的对潜在客户实行筛选,从中找到意向客户。 4、相比于电销人员不断上升的人力成本,我们的智能语音机器人能够帮大家节省更多的人力成本,每个月仅需要一千元,没有额外的耗费,就能够为你一直工作下去。 并且,电销语音系统不存在离职的问题,只要大家一直租赁着机器人,机器人就能够一直为你工作下去,忠心耿耿。 其实很多人找工作的时候一听到“电销”两个字就避之不及,与销售的工作不一致,电销人员大部分的时间段都用在了拨打寻找意向客户上面。电话机器人好不好用。 5、然而

移动机器人建图与导航代码实现――1.Hector SLAM

匿名 (未验证) 提交于 2019-12-02 23:34:01
Hector SLAM 这一部分利用hector slam完成建图和定位,暂无全局定位功能,使用2D激光雷达和里程计。测试中使用的GUI改编自https://www.cnblogs.com/scomup/p/7074847.html 。 整体分为4步: 1.motion prediction,即估计当前姿态和上一时刻的变化量 2.scan matching,通过激光点云修正上一步的估计,也是该算法的重点 3.map update,更新地图 4.pose update,更新姿态 首先我们需要确定地图的格式,采用栅格地图。设一个二维数组 \(\overline{M}\) ,值域为 \([-\infty, +\infty]\) ,数值越大,表示该点为障碍物的概率越大,反之越小。将其映射到 \((0, 1)\) 上,可以看作概率,因此设 \(M_{ij} = \frac{e^{\overline{M}_{ij}}}{1+e^{\overline{M}_{ij}}}\) ,即可看作是概率栅格地图。源码在GridMap.py中,地图更新部分有很慢的Python实现,在注释部分中,也有较快的C++实现(c_extern/map_update.cpp),测试效率差30倍。 考虑激光点云中的一个点 \(P\) 和当前机器人位置 \(Q\) , \(P\) 附近的点是障碍物的概率应该增大,从 \(Q\