- LocoMan：像人类一样行走并操作物体，提升效率。
- 集成肢体操控功能增强了 LocoMan 的通用性。
- LocoMan 融合视觉与学习技术，有望实现自主性与适应性。
卡内基梅隆大学、华盛顿大学和Google DeepMind的联合研究为一种突破性的四足机器人铺平了道路，该机器人能够同时行走和抓取。这种通过机器人实现的新发展将通过提高机器人在复杂栖息地移动时的敏捷性和适应性，成为一项革命性的突破。
LocoMan的适应性设计使处理物体的任务变得更加容易。
这款新开发的四足机器人名为LocoMan，其肢体具有独特特征，旨在执行物体操作。与使用关节臂进行操作的古代机器人模型不同，LocoMan利用其独特的形态来更灵活地感知其肢体的排列，而不是使用上部安装的机械臂进行操作任务。
如果实施得当，这一功能以及软件中的其他功能可以确保操作模式之间的无缝过渡。LocoMan功能的基础是一个全面的全身控制（WBC）框架，该框架促进了五种操作模式之间的无缝过渡：单手抓取、脚部操作、双臂操作、移动和移动操作。LocoMan在小腿处拥有两个操作器并保留了原始腿部，这种相互作用赋予了LocoMan模仿6D姿态的强大能力，从而广泛接近不同的复杂操作任务。
现实世界中的灵巧表现
LocoMan的复杂性和精细性在动手实验中受到挑战，展示了其敏捷性和适应性。演示机器人轻松完成了人类的工作，包括开门、将电源插头插入插座以及从狭窄空间中拾取物体等任务。
该机器人非常适合准确快速地移动和操作环境。此外，其近乎零的成本效益以及在不同领域使用的能力展示了其在可预见的未来现实世界应用中的潜力。
在未来，研究人员旨在通过将上述技术集成到机器人中，使LocoMan的能力与最新的计算机视觉和机器学习相匹配。该机器人利用视觉语言模型来理解视觉顺序，并处理来自人类的语音命令，从而增强交互过程，使其几乎自然化。它包含通过回收机制访问机器人行动的可能性，从而在很大程度上提高自主性并改善适应性。
集成肢体操作提高效率
LocoMan的开发代表了机器人技术的重要一步，为解决该问题提供了一种新方法。因此，导航和操作复杂环境变得更加高效。
该机器人通过肢体内置的操作功能采用这一特性，这在其他类型的四足机器人中可能看不到，从而提高了多功能性和技能。随着新兴的计算机视觉和机器学习方法的出现，LocoMan将能够解决更多实际问题的集合。因此，新的智能和自适应类机器人系统即将到来。
不要只是阅读加密货币新闻，要真正理解它。订阅我们的通讯。 免费。
免责声明。 本文提供的信息不构成交易建议。 Cryptopolitan.com 对于基于本页信息进行的任何投资，我们不承担任何责任。我们强烈建议在进行任何投资决策之前，进行独立研究或咨询合格的专业人士。
Emman Omwanda
Emmanuel Omwanda 的专业领域是加密货币市场，涵盖基本面和技术面分析。在加入 Cryptopolitan 之前，他曾供职于多家加密媒体网站，包括 CoinEdition、The Crypto Basic、CryptoNews Flash 和 DroomDroom。他拥有肯尼亚内罗毕大学数学与计算机科学理学学士学位（BSc.），目前正处于传播与媒体研究文学学士课程的最后一年。
