跳至主要內容

Physical AI Lab

  • 首頁
  • 實體 AI 基礎
  • VLA 與 VLM
  • Sim-to-Real
  • 機器人基礎模型
  • Unitree 人形機器人
  • 한국어
  • English
  • 日本語
  • 简体中文

Physical AI Lab 編輯部

機器人再生制動與直流母線設計

2026-08-22 作者: Physical AI Lab 編輯部
機器人再生制動與直流母線設計的繁體中文重點圖

機器人制動能量透過直流母線、電池、其他軸或制動電阻傳遞,同時尊重電源、電壓、電流、熱和停止限制,並整理真實機器人部署前需要核對的條件、指標與失敗證據。

分類 機器人資料與硬體

機器人電纜線束:反覆彎折、EMI、遮蔽與接地

2026-08-22 作者: Physical AI Lab 編輯部
機器人電纜線束:反覆彎折、EMI、遮蔽與接地的繁體中文重點圖

設計機器人電纜線束,用於彎曲、扭轉、應力釋放、電源訊號分離、遮蔽、接地、電壓降和運動週期驗證,並整理真實機器人部署前需要核對的條件、指標與失敗證據。

分類 機器人資料與硬體

機器人直流母線電壓選擇:24 V、48 V 與更高電壓

2026-08-22 作者: Physical AI Lab 編輯部
機器人直流母線電壓選擇:24 V、48 V 與更高電壓的繁體中文重點圖

選擇機器人直流匯流排電壓作為最小到最大範圍,涵蓋功率、電流、佈線、馬達轉速、再生、元件額定、保護和服務,並整理真實機器人部署前需要核對的條件、指標與失敗證據。

分類 機器人資料與硬體

依轉矩與負載週期選擇機器人馬達

2026-08-22 作者: Physical AI Lab 編輯部
依轉矩與負載週期選擇機器人馬達的繁體中文重點圖

計算一個機器人馬達的尺寸,包含工作週期、關節負載、齒輪比、 RMS 轉矩、峰值持續時間、速度-電壓限制、驅動電流和熱測試。

分類 機器人資料與硬體

VDA 5050 與 ISO 21423:AMR 互操作性比較

2026-08-22 作者: Physical AI Lab 編輯部
VDA 5050 與 ISO 21423:AMR 互操作性比較的繁體中文重點圖

根據目前狀態、範圍、版本、符合性證據和遷移規劃,比較 VDA 5050 和 ISO 21423 的 AMR 互操作性。

分類 機器人資料與硬體

機器人車隊作業的多機器人任務分配

2026-08-22 作者: Physical AI Lab 編輯部
機器人車隊作業的多機器人任務分配的繁體中文重點圖

透過可行性篩選、完成時間成本、擁堵、電池續航、優先順序、穩定重新分配和故障歸屬等因素構建多機器人任務分配,並整理真實機器人部署前需要核對的條件、指標與失敗證據。

分類 機器人資料與硬體

AMR 交通死鎖預防與恢復

2026-08-22 作者: Physical AI Lab 編輯部
AMR 交通死鎖預防與恢復的繁體中文重點圖

透過建模共享資源、預留出口、檢測迴圈等待以及透過明確的所有權和租賃進行恢復,防止 AMR 流量僵局,並整理真實機器人部署前需要核對的條件、指標與失敗證據。

分類 機器人資料與硬體

AMR 自動停靠效能測試指南

2026-08-22 作者: Physical AI Lab 編輯部
AMR 自動停靠效能測試指南的繁體中文重點圖

測試 AMR 自動對接,從分級和檢測到接近、物理接觸、充電確認、重試、取消和脫離對接,並整理真實機器人部署前需要核對的條件、指標與失敗證據。

分類 機器人資料與硬體

Nav2 成本地圖層:靜態、障礙、體素與膨脹設定

2026-08-22 作者: Physical AI Lab 編輯部
Nav2 成本地圖層:靜態、障礙、體素與膨脹設定的繁體中文重點圖

將 Nav2 靜態、障礙、體素、膨脹和禁區層設定為一個定時環境合約,然後驗證標記、清除、陳舊和清理,並整理真實機器人部署前需要核對的條件、指標與失敗證據。

分類 機器人資料與硬體

Nav2 行為樹與恢復設計

2026-08-22 作者: Physical AI Lab 編輯部
Nav2 行為樹與恢復設計的繁體中文重點圖

設計和測試 Nav2 行為樹恢復,包含上下文錯誤、 RecoveryNode 重試限制、進度檢查、紀錄記錄和安全升級。

分類 機器人資料與硬體
較舊的文章
較新的文章
← 上一頁 頁面1 … 頁面15 頁面16 頁面17 … 頁面27 下一頁 →

探索實體 AI

  • 實體 AI 基礎
  • VLA 與 VLM
  • Sim-to-Real
  • 機器人基礎模型
  • Unitree 人形機器人

查看所有繁體中文文章

關於本站

Physical AI Lab 依據論文、官方文件與公開部署證據,解析實體 AI、機器人學習及真實環境應用。

한국어 · English · 日本語 · 简体中文

© 2026 Physical AI Lab · 繁體中文版 · 한국어 · English · 日本語 · 简体中文