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。

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

移動機器人的全域規劃器與局部控制器比較

2026-08-22 作者: Physical AI Lab 編輯部
移動機器人的全域規劃器與局部控制器比較的繁體中文重點圖

將全域路由生成與本地指令可行性分離,然後透過定時證據診斷路徑有效性、控制器跟蹤、進展、目標和重新規劃,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

rosbag2 錄製與回放:QoS、時間戳與安全重放

2026-08-22 作者: Physical AI Lab 編輯部
rosbag2 錄製與回放:QoS、時間戳與安全重放的繁體中文重點圖

透過檢查主題覆蓋、 QoS 話題覆蓋、時間戳、突發吞吐量、儲存、壓縮、時鐘行為和安全回放,可靠地使用 rosbag2。

分類 機器人資料與硬體

URDF 與 SDFormat 在機器人模型與模擬中的比較

2026-08-22 作者: Physical AI Lab 編輯部
URDF 與 SDFormat 在機器人模型與模擬中的比較的繁體中文重點圖

比較 URDF 和 SDFormat 的機器人連結、關節、框架、感測器、物理和世界,並學習如何在 Gazebo 中驗證模型轉換。

分類 機器人資料與硬體

機器人時間同步:PTP、硬體時鐘與時間戳

2026-08-22 作者: Physical AI Lab 編輯部
機器人時間同步:PTP、硬體時鐘與時間戳的繁體中文重點圖

透過追蹤基準時鐘來源、 PTP 硬體時鐘、系統時間和樣本時間戳來對準機器人感測器,然後測試偏移、漂移、抖動和恢復。

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6 頁面7 頁面8 … 頁面15 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