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

機器人資料與硬體

機器人資料、感測器、運算平台、致動器與系統整合。

機器人深度相機怎麼選?立體視覺、ToF 與結構光比較

2026-08-222026-08-22 作者: Physical AI Lab 編輯部
機器人深度相機怎麼選?立體視覺、ToF 與結構光比較的繁體中文重點圖

立體視覺、ToF 與結構光在距離、材質、日照及移動下各有失效模式。本文整理機器人深度相機選型、採購驗證與實機測試方法。

分類 機器人資料與硬體

QDD 準直接驅動致動器:低減速比關節設計與控制

2026-08-222026-08-22 作者: Physical AI Lab 編輯部
QDD 準直接驅動致動器:低減速比關節設計與控制的繁體中文重點圖

QDD 以低減速比、大扭矩馬達與快速控制換取回驅性及衝擊耐受。本文整理關節設計、供電、散熱、控制與整機部署的取捨。

分類 機器人資料與硬體

VDA 5050 3.0 指南:訂單、狀態、區域與路徑共享

2026-08-222026-08-22 作者: Physical AI Lab 編輯部
VDA 5050 3.0 指南:訂單、狀態、區域與路徑共享的繁體中文重點圖

VDA 5050 3.0 定義主控系統與移動機器人的通訊語意。本文整理訂單、狀態、自由導航區域、路徑共享與互通測試。

分類 機器人資料與硬體

Open-RMF 如何整合機器人機隊、門禁與電梯

2026-08-222026-08-22 作者: Physical AI Lab 編輯部
Open-RMF 如何整合機器人機隊、門禁與電梯的繁體中文重點圖

Open-RMF 協調多個機器人機隊與門禁、電梯等共用資源,但不取代機器人本機導航。本文說明介面責任、狀態同步與故障驗證方法。

分類 機器人資料與硬體

機器人邊緣 AI:延遲、功耗、雲端與裝置端推論怎麼分工

2026-08-222026-08-22 作者: Physical AI Lab 編輯部
機器人邊緣 AI:延遲、功耗、雲端與機載推論怎麼分工的繁體中文重點圖

邊緣 AI 的重點不是把所有模型塞進機器人,而是依控制期限、功耗、網路風險與資料治理分配裝置端和雲端工作。

分類 機器人資料與硬體

VIO 與 SLAM 有何不同?移動機器人與無人機定位指南

2026-08-222026-08-22 作者: Physical AI Lab 編輯部
VIO 與 SLAM 有何不同?移動機器人與無人機定位指南的繁體中文重點圖

低延遲局部狀態通常交給 VIO,長時間漂移修正與地圖一致性則交給 SLAM 後端;兩者常是分工而非二選一。

分類 機器人資料與硬體

倉儲揀選機器人如何運作?架構、指標與導入判斷

2026-08-222026-08-22 作者: Physical AI Lab 編輯部
倉儲揀選機器人如何運作?架構、指標與導入判斷的繁體中文重點圖

真正可用的揀選系統,必須把 WMS、物料搬運、機械手臂、末端工具、驗證與例外流程接成同一條作業鏈。

分類 機器人資料與硬體
較新的文章
← 上一頁 頁面1 … 頁面14 頁面15

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