肩部复杂的类人肌骨机器人手臂连杆机构

Shoulder complex linkage mechanism for humanlike musculoskeletal robot arms

Shuhei Ikemoto1, Yuya Kimoto2, and Koh Hosoda1

Graduate School of Engineering Science, Osaka University

摘要：

人体的肩关节复合体由肩胛骨、锁骨、肱骨、胸部等组成，在承担手臂运动所施加的负荷的同时，实现广泛的运动。为了模拟和开发它的作用，一些具有复杂肩机制的肌肉骨骼机器人手臂已经被开发。然而，尽管许多研究小组已经尝试使用连接和关节来设计结构，这些连接和关节忠实地对应于人类肩膀复合体中的骨头和关节，但其功能未能成功复制，因为生物学上看似合理的设计严重地损害了工程上的可信性。在这篇文章中，我们提出了一个连杆机制，可以重现复杂的三维肩胛骨运动，并考虑了生物和工程之间的权衡。随后，通过使用类似于人体肌肉的气动人工肌肉驱动该机构，验证了设计的有效性。此外，我们在实验中提出机器人是由人的表面肌电信号控制。我们证明，由于其运动学与人体肌肉骨骼系统相似，所提出的设计简化了表面肌电图信号与气动人工肌肉(PAM)控制输入之间的转换。

介绍：

制造行为方式与人类一样复杂的机器人一直是机器人技术早期的主要目标之一。为了达到这个目的，仿生方法，即通过模仿生物系统来构建工程系统，以阐明和利用他们的设计，已经在机器人领域引起了相当多的关注。具有类似于人类肌肉骨骼系统的机械结构的肌肉骨骼机器人是该领域仿生机器人的典型类型。特别是近年来，真实模仿人体肌肉骨骼结构设计的肌肉骨骼机器人手臂经常被开发出来。

从生物力学文献中得到的人类上肢肌肉骨骼系统的机械结构可以很容易地转化为肌肉骨骼机器人相应机制的设计[1,2]。但由于肩架结构的复杂性和与典型工程机械设计的差异性，设计相应的肩架结构非常困难。肩关节复合体由肩胛骨、锁骨、肱骨和胸部四部分组成，如图1所示。此外，这些部分实现了四个关节:胸锁关节(SC)，矢锁关节(AC)，肩胛胸关节(ST)和肩胛肱关节(GH)。基于完全不同的关节工程方法，这些多自由度关节(DOFs)提供了关节稳定性和广泛的运动范围。虽然已经研究了开发具有肩部复杂机制的肌肉骨骼机器人手臂的方法，并如实地模拟骨骼和关节[3,4,5]，但是在机器人中很难实现肩部复合体的功能。特别是肩膀的复杂动作，尤其是肩胛骨的三个DOFs动作，已经很难重现。

到目前为止，仿生方法已经被用来实现类人肩部复合体，仿生方法是尽可能地模拟生物系统的组成，从而获得相应的功能。另一方面，并没有建立起一种生物启发工程设计，它不是单纯地模仿生物系统，而是从生物知识中汲取灵感，使工程系统具有与系统相同的功能。例如,考虑实现一个肘关节和腕关节,只有一个自由度,很多肌肉骨骼机器人采用一个容易设计的铰链关节,而不是采用仿生关节,将包括一个窝,一头两个联系,韧带、关节囊和肌腱因为它已经认识到铰链关节是可以满足的生物工程设计的关节。如果关节本身的构造不是机器人设计的重点，很明显，铰链关节的使用是更好的选择，就简单和可靠性而言。考虑承担复杂的实现上面的例子而言,如果其复杂的三自由度运动是通过一种机制包括连杆、铰链、滑块,和其他的机械部件,它将提供重要的和有用的替代设计一个肩膀肌肉骨骼机器人的复杂机制,同时保持原来的函数。在本研究中，我们假设保持自由度对应于肩部复合体的生物启发工程设计。文献中提出的替代设计通常采用只对应于GH关节的球形关节，这可能被认为是对肩部复杂结构的过于简化的实现，而且由于肩胛骨的复杂三维运动，这是一个困难的技术挑战。

在这篇文章中，我们提出了一个连杆机制，可以重现复杂的三维肩胛骨运动，同时考虑生物和工程的可能性之间的权衡。本文的其余部分组织如下。第2节讨论在生物力学、生理学和机器人技术领域对肩部复合体进行的相关工作。第3节介绍了所提出的能够实现肩部复杂运动的连杆机构。为了验证该设计，该机构由气动人造肌肉驱动，这种肌肉被放置在类似于人体肌肉的位置。第四节概述了一个实验,让一个机器人是由人类的表面突变信号,并显示一个简单的线性回归和神经网络可以实现信号转换从表面肌动电流图(表)信号来控制输入由于与人类的肌肉骨骼系统运动相似。第五部分是本文的总结。

2.相近工作

在这一节中，我们调查与我们的连杆机构的发展有关的工作，可以实现复杂的肩部运动。首先，我们给出了肩部复杂的细节，并着重于必须由肩部复杂连杆机构复制的定量数据。其次，讨论了具有复杂肩部机构的肌肉骨骼机器人，以强调肩部复杂连杆机构的新颖和有用性。最后，我们介绍了基于sEMG信号的机器人控制的相关工作，并将其应用于评价所开发的肩部复合机构的有效性。

2.1人类肩关节复合体

如图1所示，肩膀复合体主要由四个部分和四个关节组成。在肩部复合体中，肩胛骨和肱骨被认为是表现出独特运动[1]的骨骼。此外，关于肱骨与肩胛骨的相对运动存在一些观察和假设[6,7]。

在这个复杂的结构中，ST关节是肩胛骨和胸腔之间的一个连接点，它的功能是最难以理解和复制的。它由一个没有关节囊和软骨的功能性关节组成，但在功能上表现为一个关节。因此，如果没有肌肉的作用，它就不能表现出这种功能，而解剖学上的关节通常被称为关节。因为在肩胛骨和胸腔之间有一块肌肉，我们假设ST关节将肩胛骨表面限制在胸腔[8]的表面。在机器人技术术语中，ST关节被视为肩胛骨的两个自由度约束。由于有额外的自由度约束由AC关节和SC关节提供，原来的6自由度肩胛骨相应变成了3自由度关节。图2显示了肩胛骨相应的三自由度运动。由于传统的球关节已经足够模拟SC和AC关节，因此，只要设计适当的ST关节的机械设计，就可以再现肩胛骨的运动。

在文献中可以找到许多生物力学和生理学的著作。相反，关于肩胛骨运动的定量数据很难找到。在[1]中，可以找到关于拉伸/收缩运动的定性数据，如表1所示。然而，据我们所知，没有关于上升/下降和向上/向下旋转运动的定量数据。另一方面，肱骨的ROM很容易找到，如表2所示。上述生物力学和生理数据表明，可以设计一种能够再现拉伸/收缩运动的连杆机制，并通过聚焦于肱骨的ROM来评估该机制。复制肩胛骨运动是提出的肩膀复杂连杆机构的主要要求。

将肩关节复合体作为一种机制复制的难点在于既要实现肩胛骨的运动，也要实现肱骨的运动。因为肱骨运动将用于评估机制，如上所述，它必须解决。如果ST关节成功实现肩胛骨位，影响肱骨位的关节只有GH关节。肩关节是构成肩关节复合体的解剖关节之一，但其ROM和稳定性均优于球形关节。虽然它本质上是肩胛骨和肱骨之间的连接，但是肩胛骨和肱骨之间的几个接触点涉及到运动，因为肩胛骨的形状很复杂。换句话说，当肱骨做较大的动作时，可以将接触点切换到其他合适的位置，这样既能保持较大的ROM，又能保持较高的稳定性。因此，具有等效ROM的关节是提出的肩部复杂连杆机构的额外要求。

2.2肌肉骨骼机器人的肩部复合体机制

到目前为止，已经开发了一些具有肩部复杂机制的肌肉骨骼机器人[4,5,9,10,11,12]。然而，这些病例的主要焦点是肩胛骨如何与胸腔接触。在人的ST关节，这两个部分可以非常平稳的移动，而接触面帮助减少接触压力，因为这两个部分之间的肌肉。由于在工程术语中很难模拟ST关节的构造，这些肌肉骨骼机器人往往采用简化的ST关节设计。例如，Sodeyama等[9]采用了肩胛骨和胸骨的球形简化形状来实现表面接触。Ikemoto等人[11]重点关注了接触状态和形状模仿之间的权衡，以达到足够的ROM和稳定性。然而，尽管它们的设计不同，这些作品呈现了相同的基本概念，即将ST关节作为肩胛骨和胸骨两部分之间的连接点。这就要求执行器附着在复杂的肩部机构上，以便产生足够的力量来维持胸廓上的肩胛骨。否则，肩胛骨就不能顺畅地移动，或者会因为离开胸腔而失去ST关节的功能。虽然这与人肩复杂结构所满足的要求是一致的，但是对执行机构的复杂控制进行仿真是非常困难的。一般来说，用一个零件拉动另一个零件来实现关节是对动物关节的忠实模仿，但工程模仿无法达到类似的效果。因此，由于没有其他有意义的替代工程设计，上述机器人大多使用球关节、铰链关节和/或它们的组合。

本文提出的肩部复杂连杆机构是第一个将复杂肩胛骨运动模拟为连杆机构的机构，其设计与实际机构完全不同，但在工程有效设计中提供了相似的功能。

除了ST关节，连接肩胛骨和肱骨的GH关节，与球形工程关节相比，能够提供非常宽的ROM。

对于GH关节有两种类型的实现。我们称第一个关节为开放关节，它由一个球和一个杯子组成，分别对应于头和骨窝。在上述有关肌肉骨骼机器人的研究中，以开放关节作为GH关节的机器人较少[13,5]。开放性关节可有较宽的范围和较高的解剖可信性。另一方面，关节脱离可能是由于缺乏其他软组织的支持，如韧带、肌肉和关节囊。由于ST关节很难通过简单的结构模拟来实现，在目前的工程技术条件下，开放关节仍然难以应用于GH关节。代替开放关节，许多肌肉骨骼机器人使用商业可获得的关节作为他们的生长关节。因为他们不受关节脱离问题的影响，我们称第二类关节为紧密关节。一个典型的紧密关节是一个球形关节，它提供三个自由度，与[14]中使用的旋转中心相同。然而，与生长激素关节相比，它没有足够的ROM，因为罩住球的杯子足以防止关节脱位。或者，在[4,15]中，GH关节的三个自由度是通过小于三个自由度的关节组合来实现的。这可以提供足够的ROM而不脱离，但每一个轴的扭矩可以不同时，执行机构附加，因为运动学的差异。为了解决这个问题，我们之前提出了半开式联合[11]。拟议的关节也包括一个杯子和一个球，但爪子附在杯子周围，握着球。如果连接到球部分的连杆倾斜并与爪碰撞，爪可以通过被动地与杯部分旋转来避免连杆停止运动。然而，由于目前的实现仍然是太大，不能安装在肩胛骨，缩小是必需的。

在本研究中，我们采用了缩小结构的半开放关节，并将其安装在研制的肩部复杂连杆机构的肩胛骨连杆上。由于该机构不存在关节脱离，不需要执行器控制来维持关节功能，因此我们可以通过简单的考虑运动来实现和控制执行器。

2.3基于sEMG的机器人控制

sEMG常被非专业用户视为直观地控制机器人运动的一种含义。总之，实现基于sEMG的机器人控制的主要问题是构造一个从用户的sEMG信号到机器人输入信号的映射。由于人类和机器人之间的差异，如运动学的差异，映射通常是强烈的非线性。虽然基于运动学和/或动力学模型的控制系统是最直接的方法[16,17]，但如果控制目标是具有许多自由度的复杂机器人，那么它并不总是现实适用的。为了克服这个问题，非线性映射技术已经被使用，如前馈神经网络[18,19]和支持向量机[20,21,22]。因为非线性被认为是由人和机器人的机械结构之间的运动学差异推导出来的，如果他们彼此相似，映射就变得更容易。

在本研究中，为了验证所开发的肩部复杂连杆机构，我们在该机构上安装了气动人工肌肉(PAMs)，并进行了基于semg的控制实验。机械相似性和连杆机构(不需要执行机构来保持关节功能)的映射将得到简化。

3.提出肩部复杂联动机制

图3给出了所提机制的硬件设计概述。在该连杆机构中，有两种不同的机械设计对应于ST关节和GH关节。在本节中，我们首先详细讨论这两点。然后介绍了控制系统，为验证该机制的实验做准备。

3.1执行ST关节

为了实现ST关节作为连杆机构的功能，我们使用绘制的椭圆的一部分来插值表1所示的肩胛骨连杆的特征点，假设它们的角度是线性变化的。图4显示了插值的结果。图中，点A、点B、点C分别为AC关节、SC关节和肩胛骨内侧端旋转中心。当肩胛骨最大限度地收缩时，点B和点C移动到位置B和C。红线为插值轨迹，表示如下

$\frac{\left ( x-x_{0} \right )^{2}}{a^{2}} + \frac{\left ( y-y_{0} \right )^{2}}{b^{2}} = 1$

其中，a、b、x0、y0分别是144.48mm、113.04mm、-3.5mm、3.0mm。轨迹是圆心（-3.5，3.0）[mm]的长短轴为144.48 [mm]和113.04 [mm]的椭圆的一部分。因此，如果我们有一个连杆，它的末端画椭圆，我们可以通过一个关节将连杆的末端连接到肩胛骨表面来复制它的拉伸/收缩运动。

为了实现这样的连杆，我们使用了一个写椭圆的轨迹机构。到目前为止，已经有人提出了许多网。在我们的研究中，我们采用了阿基米德的椭圆量规，因为它可以很容易地实现一个连杆机构。图5说明了阿基米德的椭圆量规原理。如图所示，它由两个正交布置的直线滑块和一个通过1自由度关节连接到滑块上的连杆组成。图6显示了基于仿真结果开发的椭圆量规机制。由于将两个滑块垂直放置在一个平面上在机械设计上是困难的，因此它们被放置在不同的平行平面上，以便在水平切面视图中是正交的。该连杆有两个可围绕两个轴旋转的单自由度关节，它们正交地固定在滑块上。

通过使用开发的椭圆量规连杆，可以复制肩胛骨伸展/收缩运动，我们有关于所采取的姿势的定量数据，如表1所示。至于上升/下降和向上/向下旋转，没有定量数据，如第2节所解释。在开发的肩部复合机构中，首先使用两个椭圆量规连杆机构，并将其两端通过球面关节与肩胛骨垂直堆叠。通过这种机构，确保两个椭圆量规连杆具有不同的角度，从而使肩胛骨可旋转。随后，我们安装了两个直线滑块，它们在肩胛骨表面的同一条线上滑动，并在滑块上的两条椭圆量规端连接了两个球面关节。这种机制允许肩胛骨的上升和下降。因此，开发的肩胛骨复合机构可以实现肩胛骨的三自由度区分运动，这是以前从未使用连杆机构实现的。

利用kutzba - gruebler s方程可以确定肩部复杂连杆机构的自由度

其中M、N、J、fi分别表示每个关节I的自由度、连杆数、关节数和自由度。虽然图3包含了一个与GH关节相对应的三自由度关节，但由于它不影响肩胛骨的自由度，因此不考虑该关节。在所开发的肩部复杂连杆机构中，交流和SC关节是通过三自由度球面关节来实现的。两个网线用于ST接头。每个椭圆量规都有一个旋转的自由度，在与滑块的连接部分有两个球面关节，每个滑块都有一个自由度。此外，这些关节位于组成肩胛骨，锁骨，胸，两个滑块和两个拉索的连杆之间。因此，由式2得到的总DOFs M数为4。

由于锁骨是由两个位于两端的三自由度球面关节支撑的，因此允许它绕长轴进行一自由度无关的旋转而不影响其他连杆机构。因此，我们确认了肩胛骨有三个像人类一样的dof。

3.2实现GH关节

图7显示了GH关节的设计。传统的球关节由于其齿面宽度较大，不适合实现GH关节。如图所示为与我们课组[11]提出的关节类似的高级球关节及其实现宽ROM的原理，如图所示，四个爪托着与肱骨连杆相连的球部分。当连杆碰到爪子时，它们会自动阻止运动，因为它们附着在一个可被动旋转的外壳上。虽然这一原理与之前的研究[11]相同，但其致密性、耐久性和摩擦性能都得到了改善。

3.3控制系统

为了实验验证所开发的肩部复杂连杆机构，我们安装了PAMs来驱动该机构。图8给出了由13个PAMs驱动的肩部复合机器人的概述。PAMs的灵活性使得它可以很容易地像人体肌肉那样排列。由于开发的肩部复杂连杆机构不需要通过控制臂臂来维持其关节功能，因此对臂臂的控制可以集中在手臂姿态和动作的生成上。

图9展示了机器人的控制系统。每个PAM都连接到一个空气流量控制阀(MPYE-series, FESTO)，并通过压力传感器(PSE530, SMC)进行测量。所有PAMs采用PID压力反馈控制，使用RTAI real-time Linux将采样/控制频率保持在50 [Hz]。为了测量sEMG信号，我们使用了11个无线sEMG传感器及其服务器(Trigno无线系统)。每个传感器节点测量一个sEMG信号并通过2.4 [GHz]无线通信发送服务器信息。数据通过最大自愿收缩[23]进行归一化。采样率为2 [kHz]，每40个采样后重新计算均方根值。此外，一个截止频率为3 [Hz]的低通滤波器应用于50 [Hz]的sEMG信号。

表3比较了人类的肱骨ROM和肩部复杂连杆机构的ROM。在表中，被动ROM表示肱部连杆的ROM，通过不驱动PAMs强行移动肱部获得，反之亦然。从该表中可以看出，肩部复杂连杆机构的被动ROM与人类的被动ROM相似。然而，主动ROM比被动ROM小，并不能与人的等效，因为PAMs没有充分的收缩和低效的排列。虽然当肩部复杂连杆机构用于开发肌肉骨骼机器人手臂时，主动ROM的改进是必要的，但充分的被动ROM证实了该机构在本研究目标方面的有效性。换句话说,我们开发机制通过专注于制图/收缩运动,但是海拔/抑郁和向上/向下旋转运动被认为是成功实现因为肱骨罗可以复制的被动罗,即原罗提供的机制。因此，我们使用基于肩膀复杂连杆机构的机器人进行实验，尽管机器人的主动ROM比人的小。

4.实验评价

在本节中，我们描述了一个验证肩部复杂连杆机构设计的实验。为了控制肩部复杂连杆机构的姿态，以便能够承担与人相同的姿态，需要一种方法，适当转换sEMG信号到期望的压力。在本节中，我们概述了一个实验，在这个实验中，我们使用线性回归模型和传统的前馈神经网络来构建映射。如果肩部复杂的连杆机构与人的高度相似，则由于运动学上的相似性，从肌电信号到所需压力的映射被认为是简单的。因此，如果线性回归模型能够表现出与神经网络相当的性能，这就意味着映射简单，开发的肩部复杂连杆机构设计成功，与人类具有很高的相似性。

在本节中，我们首先解释监督数据是如何获得的。然后我们展示我们的结果和分析。

4.1实验设置

为了构建从肌电信号到期望压力的映射，需要获取肩部复杂连杆机构和人体肩部复杂在相同姿态下所获得的相应数据集。但由于它们的运动学模型非常复杂，很难得到解析的数据集。为了避免这个困难，我们采用以下步骤来获得数据集

(i)通过手动改变所需的压力并记录它们，使PAMs采取12种不同的姿态。

(ii)让受试者在三种不同的加载条件下模拟这12种不同的姿势，并记录2秒的肌电信号。

(iii)将这些sEMG信号与期望的压力相结合，分别对应于人类和机器人的相同姿态。

表4显示了步骤1中使用的肩膀复杂连杆机构的12种不同姿势。在步骤2中，受试者保持0、1和2 [Kg]的重量，同时保持肘部完全伸展。表5显示了利用sEMG传感器测量的目标肌肉，这些肌肉参与了肩部的复杂运动。请注意，附着在肩部复杂连杆机构上的PAMs的排列大致与这些肌肉相对应。在每次试验之间，受试者至少休息60秒。步骤3得到12种不同姿态对应的36个数据点作为监督数据集。

4.2结果与讨论

图10和图11分别比较了受试者在慢速和快速运动情况下的肘部轨迹。在神经网络中使用了5个隐藏单元，因为该结构在试错过程中表现出最好的性能。从图中可以看出，线性回归模型与神经网络的表现一样好。这意味着从表面肌电信号到所需压力的转换(必须用两种方法来解决)非常简单，可以认为线性回归模型可以解决。因此，虽然仍然存在较大的误差，但我们认为是其他问题的影响造成了这些误差。可以认为PAMs的排列发挥了关键作用，因为在这些图中，垂直运动的效果明显好于其他方向。图10和11的比较显示，图10比图11具有更好的跟踪性。我们假设慢速运动比快速运动更容易跟随，因为用于两个实验的监督数据都是静态获得的。换句话说，图10中的问题主要是对监督数据进行插值和平滑，而图11中还需要进行外推。

为了验证讨论的有效性，我们使用主成分分析来可视化表面肌电信号。图12显示了sEMG信号的可视化。图中，点和线分别表示监控数据和用于控制的sEMG信号。如前所述，我们可以清楚地看到，在实验中，用于控制的给定的sEMG信号似乎在经过监督数据的区域之外(图11)。

尽管有监督数据点的数量不足，但是对垂直运动的跟踪效果很好，线性回归模型和神经网络之间没有明显的差异。这表明从表面肌电信号到期望压力的映射可以被认为是一个线性映射。因为它是更自然的假设强烈非线性的映射当我们不在乎复制人类的年代肩复杂的运动学特性,这些结果导致这样的结论:肩复杂机制开发也有类似的运动属性的人类肩复杂。

结论：

在这篇论文中，我们提出了一个能够复制复杂的三维肩胛骨运动的连杆机制，并考虑了生物学和工程合理性之间的权衡。肩部复杂的联动机制的发展，显示了广泛的运动相当于人的肩胛骨。为了进一步验证，我们安装了由PID控制器控制的PAMs，它们的排列方式类似于人类的肌肉。在实验中，通过线性回归模型和神经网络测试了基于表面肌电信号的控制，即从被试相应肌肉的肌电信号中计算出所需的压力。分析结果表明，这些线性方法和非线性方法之间没有明显的差异。这表明，由于肩部复杂的连杆机制，从sEMG信号到期望压力的映射得到了简化。从运动范围和运动学两个方面成功地验证了所开发的肩部复杂连杆机构的有效性。虽然有必要增加研究对象的数量，并应用统计调查来得出更有力的结论，但我们相信本文所呈现的结果对肌肉骨骼机器人的设计有重要的贡献。

参考：

肩部复杂的类人肌骨机器人手臂连杆机构相关推荐

发展型机器人：由人类婴儿启发的机器人. 2.3 类人婴儿机器人
2.3 类人婴儿机器人发展型机器人技术的研究诞生于21世纪初,它引发了各种类人婴儿机器人的研究和平台制造.伴随着更新型.更标准的类人成人机器人平台的研发,婴儿机器人也已经在一些发展型机器人研究中使 ...
优友机器人价格_优友U05类人型机器人换汤不换药
在过去机器人听起来似乎和现在的社会太遥远,但是随着科技的进步,机器人已不再是那么神秘了.尽管现在的机器人层出不穷,但功能单一,没有多大的创新,只不过是换汤不换药.和电影里的机器人相差甚远. 北京时间1 ...
阿西莫机器人价格_ASIMO（阿西莫）：Honda全球最先进的类人型机器人
ASIMO(阿西莫)的名字来源于Advanced(新纪元).Step in(进入).Innovative(创新).Mobility(移动工具)的首字母缩写,承载了Honda对"移动文化&qu ...
拟人肌肉骨骼气动人工肌肉驱动的10自由度机器人手臂
Anthropomorphic musculoskeletal 10 degrees-of- freedom robot arm driven by pneumatic artificial mu ...
MIT类人机器人开始耍杂技了，看这个后空翻它漂亮吗？
来源:机器之心本文约1500字,建议阅读5分钟最近,各式机器人可以说是十分火热了,机器人选手也可以后空翻了. 最近,各式机器人可以说是十分火热了.今年,腾讯发布了多模态四足机器人 Max,继 Max ...
【论文笔记】基于强化学习的机器人手臂仿人运动规划方法
文章目录摘要关键词 0 引言学者研究阶段一:采集运动数据,分析运动过程特征阶段二:设计仿人变量.建立仿人标准和约束阶段三:用智能算法提升仿人运动机器人性能本文工作 1 问题描述及方法架构 ...
类人机器人AI系统进阶模型 - 试论计算机模拟意识
类人机器人AI系统进阶模型 - 试论计算机模拟意识一.思维不可超越原理思维具有不可超越性,这是一个客观存在. 任何理论都源于思维,思维是不可超越的. 无论宇宙多么浩渺无际,大自然多么变化无常, 人 ...
Nao 类人机器人，Aldebaran Robotics公司
Nao 类人机器人,Aldebaran Robotics 公司,被SOFTBANK 收购,阿里巴巴.富士康参股. https://www.aldebaran.com/en 一家法国的公司. htt ...
日本展示类人机器人强大功能引发伦理思考
据国外媒体报道,日本最新展示了一些功能强大的类人机器人.这种类人机器人是日本一位机器人专家Hiroshi Ishiguro创造的,他也是大阪大学制度创新系的教授.这种机器人是在东京国家新兴科学和发明博 ...
上海交大研究人员使用非侵入性脑机接口和计算机视觉引导对机器人手臂进行共享控制...
对于某些严重残疾患者来说,使用脑机接口(BCI)控制机械臂进行伸手和抓握活动是最常见的应用之一,对于基于脑电图(EEG)的非侵入性BCI而言,这具有很大的挑战性. 在该项研究中,来自上海交通大学的研究 ...

肩部复杂的类人肌骨机器人手臂连杆机构

肩部复杂的类人肌骨机器人手臂连杆机构相关推荐

最新文章

热门文章