諧波減速器原理:波發生器、柔輪與剛輪 2026-08-22 作者: Physical AI Lab 編輯部 理解諧波驅動如何利用橢圓波發生器、柔性花鍵和齒數差來創造緊湊的高比機器人運動,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。
機器人致動器類型:電動、液壓、氣動、線性與柔順系統 2026-08-22 作者: Physical AI Lab 編輯部 比較機器人致動器類型,涵蓋運動、連續和峰值輸出、精度、合規性、能源基礎設施、熱量、雜訊、維護和安全,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。
機器人編碼器指南:絕對、增量、光學、磁回饋和雙回饋 2026-08-22 作者: Physical AI Lab 編輯部 根據位置、換相、精度、延遲、環境和故障需求選擇機器人編碼器,然後驗證馬達端和輸出端回饋,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。
機器人無框馬達:轉子、定子、氣隙、冷卻與關節整合 2026-08-22 作者: Physical AI Lab 編輯部 瞭解無框馬達的轉子和定子如何透過機械對準、軸承、冷卻、回饋、換向和驗證,成為機器人關節,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。
人形機器人致動器產業:馬達、減速器、感測器與規模化 2026-08-22 作者: Physical AI Lab 編輯部 繪製從馬達和減速器到編碼器、軸承、驅動、關節模組、測試和批次製造的人形機器人致動器供應鏈,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。
機器人致動器結構:馬達、減速器、感測器、傳動、軸承與制動器 2026-08-22 作者: Physical AI Lab 編輯部 追蹤機器人致動器從電力透過馬達和傳動到關節輸出,包括回饋、軸承、剎車、外殼和熱路徑,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。
物理 AI 感測器:攝影機、光達、IMU、編碼器、力與觸覺 2026-08-22 作者: Physical AI Lab 編輯部 根據測量、速率、不確定性和任務值,比較機器人攝影機、深度感測器、光達、 IMU、編碼器、力轉矩和觸覺感測器。
機器人學習的遙操作資料:記錄、同步、整理與評估 2026-08-22 作者: Physical AI Lab 編輯部 瞭解遙操作如何將人類控制轉化為同步機器人回合,介面選擇如何影響標籤,以及恢復資料為何重要,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。
料箱揀選 AI:機器人如何感知雜亂、規劃抓取並重試 2026-08-22 作者: Physical AI Lab 編輯部 瞭解 bin-picking AI 如何將 RGB 和深度資料轉化為物件候選、碰撞檢查抓取、驗證揀選和受控重試。
機器人動作資料:訓練回合記錄什麼,為何僅靠影片不夠 2026-08-22 作者: Physical AI Lab 編輯部 機器人動作資料將觀察、狀態、指令、命令和結果對齊。瞭解每集的需求、資料收集方式以及質量評估,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。