机器人数据与硬件

根据测量原理、延迟、运动模糊、动态范围、静态细节、事件率、同步和机器人任务测试，比较事件摄像机和帧摄像机，并整理真实机器人部署前需要核对的条件、指标与失败证据。

根据扫描几何、定位、障碍物高度、点密度、运动畸变、计算、环境和故障响应，选择移动机器人的2D 或 3D LiDAR。

校准机器人IMU的偏差、比例、轴对准、温度、振动和时序，然后在重启、运动和外部观测中验证估计器，并整理真实机器人部署前需要核对的条件、指标与失败证据。

将VIO摄像机-IMU运动估计与 SLAM 映射、回环检测和重新定位分离，然后定义帧、延迟、协方差、校正和重启行为。

通过同步电压、电流、温度、模型、静止修正和任务验证，估算机器人电池的SoC、 SoH及剩余运行时间，并整理真实机器人部署前需要核对的条件、指标与失败证据。

机器人制动能量通过直流母线、电池、其他轴或制动电阻传递，同时尊重电源、电压、电流、热和停止限制，并整理真实机器人部署前需要核对的条件、指标与失败证据。

设计机器人电缆线束，用于弯曲、扭转、应力释放、电源信号分离、屏蔽、接地、电压降和运动周期验证，并整理真实机器人部署前需要核对的条件、指标与失败证据。

使用电机端和负载端编码器观察传输误差，改善接头位置，同时对齐比值、方向、零点、时间和环路带宽，并整理真实机器人部署前需要核对的条件、指标与失败证据。

根据测量的q轴电流估算机器人关节转矩，同时考虑转矩常数、传动比、效率、重力、惯性、摩擦和饱和度，并整理真实机器人部署前需要核对的条件、指标与失败证据。

通过建模共享资源、预留出口、检测循环等待以及通过明确的所有权和租赁进行恢复，防止 AMR 流量僵局，并整理真实机器人部署前需要核对的条件、指标与失败证据。