최신 로봇 동향 awesome robot videos
[ Paper ] via [ University of California San Diego ]
이 로봇은 전자 장치 없이 걸을 수 있으며, 3D 프린터에서 바로 압축 가스 카트리지를 추가해야 합니다. 또한 한 번에 한 가지 소재로 인쇄할 수도 있습니다. 캘리포니아 대학교 샌디에이고와 BASF의 연구원들은 Advanced Intelligent Systems 저널의 고급 온라인 간행물에서 로봇을 개발한 방법을 설명합니다 . 그들은 사용 가능한 가장 간단한 기술인 데스크톱 3D 프린터와 기성품 인쇄 소재를 사용했습니다. 이러한 설계 방식은 견고할 뿐만 아니라 저렴합니다. 각 로봇을 제조하는 데 약 20달러가 듭니다.
[ Figure ]
왜 휴머노이드 로봇이 인간처럼 걷기를 원하나요 ? 이상하게 보이지 않기 위해서겠죠. 하지만 우리와 같은 관절과 근육 배열이 없는 시스템이 우리를 따라하려고만 하면 최적의 움직임을 보일 것이라고 상상하기는 어렵습니다.
[ Paper ] via [ Georgia Tech ]
어떻게 그럴 수 있는지는 모르겠지만, 이 작고 부드러운 로봇 벌레는 믿을 수 없을 만큼 개성적으로 움직입니다.
소프트 액추에이터는 소프트 로봇 , 의료 기기 및 촉각 시스템을 구현하는 데 필수적입니다 . 그러나 많은 소프트 액추에이터는 구성을 유지하기 위해 전력이 필요하고 제어를 위해 하드 회로에 의존하여 잠재적인 응용 분야가 제한됩니다. 이 작업에서는 외부 제어 쌍안정 작동 또는 자체 조절 비안정 진동을 위한 최초의 소프트 전자기 시스템을 시연합니다.
[ Boston Dynamics ]
고맙네요, 엘렌!
만약 인간이 하는 것이라면 골반을 180도 회전시키면 '브레이크 댄싱'에 '브레이크'가 걸리게 될 것입니다.
[ Posha ]
제 동료들은 이 요리 로봇에 깊은 인상을 받았는데, 그 이유는 언론인들이 항상 무료 음식에 깊은 인상을 받기 때문일 수도 있습니다.
[ Paper ] via [ Dragon Lab ]
이것은 SPIDAR라는 하이브리드 공중-지상 4족 로봇에 대한 우리의 최신 연구로, 추력 지원 크롤링 동작을 포함하여 공중 및 지상 영역 모두에서 독특하고 복잡한 이동 스타일을 보여줍니다. 이 연구는 International Symposium of Robotics Research (ISRR) 2024 에서 발표되었습니다 .
[ Unitree ]
고맙네요, 모주!
유니트리의 시험장에서 촬영한 이 새롭고 신선한 영상은 인간형 지능의 급속한 발전을 보여줍니다. 매일 스릴 넘치는 일이 생깁니다!
[ iRobot ]
로봇 진공 청소기 용 대형 도크를 개척한 iRobot 은 이제 로봇 진공 청소기용 대형 도크에서 벗어나고 있습니다.
[ Delft University of Technology ]
유명한 실험이 하나 있는데, 죽은 물고기를 해류에 넣으면 생체역학적 설계 때문에 헤엄치기 시작한다는 것입니다. 어떻게 된 일인지, 러닝머신에 있는 구동되지 않는 네 발 로봇으로도 같은 일을 할 수 있습니다.
[ MagicLab ]
이 커플이 로봇만 있고 인간은 단 한 명도 없는 거대한 쇼핑몰을 돌아다니는 걸 보면 약간 겁이 납니다.
[ Boston Dynamics ]
Gap Inc.는 바닥부터 천장까지 상자가 쌓인 트레일러에서 하역하는 육체적으로 힘든 작업을 Stretch가 담당함으로써 부상과 이직률을 낮추고, 직원들이 안전을 지키기 위한 자동화 에 열광하는 모습을 보았습니다.
[ NASA ]
2012년 화성 에 도착한 이래로 NASA의 큐리오시티 로버는 화성의 암석, 토양, 공기 샘플을 섭취하여 화성의 과거와 현재의 거주 가능성을 더 잘 이해해 왔습니다. 탐사에서 특히 흥미로운 것은 유기 분자 입니다 . 바로 생명의 구성 요소입니다. 이제 큐리오시티의 기내 화학 연구실은 "컴벌랜드"라는 진흙에서 장쇄 탄화수소를 감지했습니다. 이는 화성에서 발견된 가장 큰 유기물입니다.
[ University of Toronto ]
토론토 대학교 로봇 연구소 세미나는 UC 버클리 의 세르게이 레빈이 로봇 기초 모델 에 관해 진행합니다 .
범용 사전 학습된 모델은 자연어 처리 , 컴퓨터 비전 및 기타 분야를 혁신했습니다. 원칙적으로 이러한 접근 방식은 로봇 공학에 이상적이어야 합니다. 주어진 로봇 플랫폼 및 애플리케이션에 대한 대량의 데이터를 수집하는 것은 어려울 가능성이 높기 때문에 광범위한 기능을 제공하는 일반적인 사전 학습된 모델은 실제 애플리케이션에 대한 규모에 따른 로봇 학습을 가능하게 하는 이상적인 레시피를 제공합니다.
일반적인 AI 연구의 관점에서 이러한 접근 방식은 또한 가장 큰 AI 과제 중 일부에 대한 유망하고 흥미로운 접근 방식을 제공합니다. 구체화된 경험에 대한 대규모 훈련이 다양한 물리적 기능을 제공할 수 있다면, 이는 광범위한 기능을 갖춘 로봇을 설계하는 것과 관련된 실질적인 문제뿐만 아니라 상황에 따른 문제 해결, 물리적 이해 및 의사 결정의 기초에 대한 빛을 비출 것입니다. 그러나 이러한 잠재력을 실현하려면 여러 가지 어려운 장애물을 처리해야 합니다. 로봇 기반 모델을 훈련하는 데 어떤 데이터를 사용해야 합니까? 훈련 목표는 무엇입니까? 정렬 또는 사후 훈련은 어떻게 수행해야 합니까? 이 강연에서 이러한 과제 중 일부에 어떻게 접근할 수 있는지 논의하겠습니다.
spectrum.ieee.org/video-friday-robot-escape
KCONTENTS