Video Friday는 친구가 수집 한 주별 멋진 로봇 비디오입니다. IEEE 스펙트럼 로봇 공학. 우리는 또한 향후 몇 개월 동안 다가오는 로봇 이벤트의 주간 달력을 게시합니다. 제발 이벤트를 보내주세요 포함을 위해.
클라와 2025: 2025 년 9 월 5 ~ 7 일, 중국 심천
2025 년: 2025 년 9 월 23 ~ 24 일, 샌프란시스코
CORL 2025: 2025 년 9 월 27 ~ 30 일, 서울
IEEE 인간형: 2025 년 9 월 30 일 – 서울
세계 로봇 서밋: 2025 년 10 월 10 일 ~ 12 일, 일본 오사카
2025 년에 갈 것입니다: 2025 년 10 월 19 ~ 25 일, 중국 항저우
오늘의 비디오를 즐기십시오!
보스턴 다이내믹스가 돌아 왔고 그들의 춤 으로봇 개는 그 어느 때보 다 더 크고, 더 좋고, 대담합니다! 그들이“죽은”로봇을 생생하게 가져 오는 것을 지켜보고, 이전에 동기화 된 댄스 루틴을“좋은 진동”으로 전 한 적이 없습니다.
그리고 훨씬 더 흥미롭게도, 그들이 어떻게 작동하게했는지에 대한 토론이 있습니다.
[의뜻[보스턴 역학 ]]
나는 특히 a 로봇이 넘어집니다. 나는 그것이 다시 백업되는지 여부에 관심이있다.
[의뜻[Limx Dynamics ]]
로봇은 와이어 팁에 고정 메커니즘이 장착 된 작은 비행 앵커를 사용하여 여러 전선을 환경에 자율적으로 연결합니다. 제어 및 환경 인식을위한 온보드 RGB-D 카메라로 안내 된이 시스템은 준비되지 않은 환경에서 와이어 첨부 파일을 가능하게하고 동시 멀티 와이어 연결을 지원하여 작동 범위의 와이어 구동 로봇을 확장합니다.
[의뜻[JSK 로봇 실험실 ]에[[도쿄 대학 ]]
감사합니다, 신타로!
거의 얼굴이없는 로봇의 경우, 이것은 꽤 좋은 감정입니다.
[의뜻[화분 ]]
인간의 움직임으로부터의 학습 기술은 전신 인 휴머노이드 제어를위한 일반화 가능한 정책을 향한 유망한 경로를 제공하지만, 두 가지 주요 초석은 다음과 같습니다. (1) 운동성 참고 문헌을 강력하고 실제 하드웨어에 대한 극도로 역동적 인 동작으로 신실하게 변형시키는 확장 가능하고 고품질의 모션 추적 프레임 워크 및 (2) 이러한 모션 프리미티브를 효과적으로 학습하고 이들이 작업을 수행 할 수있는 증류 접근법으로 확장 할 수 있습니다. 우리는 이러한 격차를 안내 확산을 통해 다재다능하고 자연주의적인 휴머노이드 제어를위한 인간의 움직임으로부터 배울 수있는 실제 프레임 워크 인 MIMIM을 통해 이러한 차이를 다룹니다.
[의뜻[하이브리드 로봇 공학 ]]
오픈 소스 메탈 메이크 로봇 로봇 메비 비타를 소개합니다. 모든 구성 요소는 전자 상거래를 통해 조달 할 수 있으며 로봇은 최소한의 부품으로 구축됩니다. 모든 하드웨어, 소프트웨어 및 학습 환경은 오픈 소스로 릴리스됩니다.
[의뜻[메비타 ]]
감사합니다, 켄토!
나는 항상 가구를 옮기거나 물건을 운반하는 데 도움이되도록 로봇 (또는 외골격)을 빌릴 수 있다는 것이 매우 유용하다고 생각했습니다.
[의뜻[깊은 로봇 공학 ]]
새로운 연구에 따르면 작은 물 벌레가 팬과 같은 프로펠러를 사용하여 초당 최대 120 개의 신체 길이의 속도로 스트림을 가로 질러 지퍼를지는 방법을 설명합니다. 그런 다음 연구원들은 비슷한 팬 구조를 만들어 곤충 크기 로봇을 추진하고 조작하는 데 사용했습니다. 이 발견은 홍수 나 다른 도전적인 상황에서 작동 할 수있는 소규모 기계를 설계 할 수있는 새로운 가능성을 제공합니다.
[의뜻[조지아 기술 ]]
다리 로봇의 동적 운동은 모바일 로봇의 작동 범위를 확장하는 데 중요한 주제입니다. 학습 기반 컨트롤러의 견고성을 보존하면서 다양한 지형에서 일반화 된 다리 운동을 달성하기 위해이 백서는 강화 학습을 사용하여 엔드 투 엔드 컨트롤러의 일부로 훈련 된 로봇 프로프리오 시크 (Robot Froprioception)에서 조절 된주의 기반 맵 인코딩을 학습 할 것을 제안합니다. 우리는 네트워크가 로봇이 다양하고 도전적인 지형을 동적으로 탐색 할 때 미래의 발판에 대한 대초원 영역에 집중하는 법을 배웁니다.
Moonshot Podcast Deep 다이브 비디오 인터뷰 시리즈의 다섯 번째 작품에서 X의 Moonshots의 주장 Astro Teller Jeff의 선구적인 작업 스케일링 신경망의 기원에 대한 대화를 위해 Google DeepMind의 최고 과학자 Jeff Dean과 함께 앉아 있습니다. 그들은 AI가 Jeff의 상상력, 가장 초기의 Google Brain 프레임 워크, 이미지 인식 및 연설 대 텍스트에서 AI가 어떻게 진화하는지 등을 사로 잡았을 때 처음으로 논의합니다.
[의뜻[Moonshot 팟 캐스트 ]]