机器人产业热点技术、发展现状及趋势解析

机器人（robot）一词，最早出现在1920年捷克科幻作家恰配克的《罗索姆的万能机器人》中，原文作“Robota”，后来成为英文中通行的“Robot”。更科学的定义是1967年由日本科学家森政弘与合田周平提出的：“机器人是一种具有移动性、个体性、智能性、通用性、半机械半人性、自动性、奴|隶性等7个特征的柔性机器。”

2022-01-12
阅读123
下载0
14页
docx

面向UUV回收过程的单目视觉导引灯阵跟踪方法

无人水下航行器（UUV）在进行水下作业过程中, 受到自身可携带载荷和环境的制约, 导致其作业时间不能过长和作业距离不能过远, 需要在一定时间内回收以供给能量、获得数据并布置新任务。深入研究UUV视觉跟踪问题, 对实现UUV快速、准确、安全的回收有着重要意义。基于此, 文中对UUV回收的单目视觉多目标跟踪问题进行了研究。以非线性卡尔曼滤波器为基础, 提出基于非对称光阵列的UUV回收跟踪方法。首先, 对单目摄像机采集的水下图像进行预处理, 提取光源阵列的特征信息。其次, 初始化目标轨迹, 提出了基于非对称L型光源阵列的轨迹确定方法。再次, 权衡观测器与滤波器设计了寻优代价矩阵, 应用改进的匈牙利算法将检测与目标轨迹相匹配, 并根据匹配结果对卡尔曼滤波器的先验结果进行修正。最后, 通过水下目标跟踪实验, 验证了所提方法的工程有效性。

2022-01-12
阅读120
下载0
14页
docx

室内无线定位原理与技术研究综述

针对卫星信号在室内定位不可用和存在定位误差的问题，分析了室内定位误差的主要来源，对室内定位的信道模型、算法原理和常用技术进行了研究。首先提出TOA/RSS二步加权最小二乘混合定位法和TOA/AOA排序加权混合定位法两种混合参数定位方法，可有效提高定位精度及鲁棒性；其次分析了各种定位技术的优缺点并比较了成本和定位精度，在实际应用中应当根据环境变化程度和精度需求来选取相应的定位技术；最后阐述了室内定位的特点与未来趋势，为该领域的研究方向提供了参考。

2022-01-12
阅读132
下载0
13页
docx

复杂电力（能源）系统的分布式感知与协同估计/检测研究综述

近年来，“互联网+”智慧能源、电力市场改革、新能源革命等一系列举措引发了电力系统信息大爆炸，导致海量的电力设备、电器以及用户需要连接。信息的感知、连接、传输、处理、应用及发布，范围越来越广，规模越来越大并出现了大规模、复杂的高维的动态系统，伴随着海量数据集。而集中式信号处理在处理这类问题时，存在着通信负担重、计算复杂度高、可扩展性差、鲁棒性差等缺点。因此集中式信号处理方式已经明显不适用，需要新业务、新模型、新算法来解决。在大规模复杂电力系统中采用分布式信号处理是有效的解决方法。本文从多个角度对国内外分布式感知和协同估计进行梳理和综述，为后期研究提供一定的理论基础。

2022-01-12
阅读408
下载0
13页
docx

面向隧道智慧空间的高精度定位导航关键技术及应用

隧道是现代立体交通的重要组成部分，能够显著提升公路和铁路的交通效能，有效缓解特大城市的交通拥堵。上海、广州、武汉、南京、郑州等国家重点城市建设了一批城市隧道，这对隧道空间的智能化管理水平和信息化服务能力提出了更高的要求。另一方面，隧道作为国防基础设施，还应满足物资输送、应急疏散等需求。无论民用还是国防应用，位置信息对于实现隧道智能管控都至关重要。

2022-01-12
阅读125
下载0
16页
docx

SLAM的动态地图和语义问题

以前说过SFM和SLAM的称呼，计算机视觉的同行多半说SFM，而机器人的行业流行说SLAM，到底区别在哪里？有说SFM是假设背景不动，那么outlier是什么？当年做IBR（image-based rendering）的时候，以panorama view为例，也是假设场景物体不动，可总是有不静止的物体，比如水，比如树叶，甚至不配合的人们走动，会产生鬼影吗？结果也提出了一堆的解决方法。SFM和MVG（multiple view geometry）紧密相关吧，都面临计算机视觉的共同问题，动态环境是回避不了的。

2022-01-12
阅读190
下载0
56页
docx

自动驾驶基础--SLAM简介

SLAM是Simultaneous LocalizationandMapping的缩写，意为“同时定位与建图（同步定位与地图构建）”，是业界公认视觉领域空间定位技术的前沿方向。它是指运动物体自身位置不确定的条件下，根据传感器的信息，一边计算自身位置，一边构建环境地图的过程,同时利用地图进行自主定位和导航。它主要用于解决机器人在未知环境运动时，如何通过对环境的观测确定自身的定位和运动轨迹，同时构建出周围环境的地图。

2022-01-12
阅读122
下载0
12页
docx

基于视觉的目标跟踪研究现状调研

视觉目标跟踪是计算机视觉中的一个重要研究方向，有着广泛的应用，如：视频监控，人机交互，无人驾驶等。过去二三十年视觉目标跟踪技术取得了长足的进步，特别是最近两年利用深度学习的目标跟踪方法取得了令人满意的效果，使目标跟踪技术获得了突破性的进展。本文旨在简要介绍：目标跟踪的基本流程与框架，目标跟踪存在的挑战，目标跟踪相关算法，以及目标跟踪最新的进展等，希望通过这篇文章能让读者对视觉目标跟踪领域有一个较为全面的认识。

2022-01-11
阅读145
下载0
27页
docx

上一页 1 …… 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 …… 2193 下一页共 17543 条



立即登录

没有账户，需要注册

登录用户可享受以下权益

免费下载方案
服币提现
发布方案得服币
交易分成

精品推荐

2026“人工智能+”行业发展蓝皮书

2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

阅读1874
下载7

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。

阅读2358
下载11

中服设备健康管理系统产品介绍

中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。有效降低设备故障率、减少停机损失，简化线下运维管理流程。助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。

阅读2167
下载9

OpenClaw替我干科研

OpenClaw:不仅是对话窗口，更是行动助手一人工智能代理(AI Agent)正深刻重塑科学研究基本范式，OpenClaw成为2026年开源AI代理平台代表。

阅读1988
下载0

最新上线

2026人工智能时代全球教师关键能力报告

跨越文化与地域的差异，全球4636名教师在15项能力中的集体选择指向了一个“五维关键能力模型”:学习力、教学力、共情力、创新力与引导力。尽管不同地区教师的侧重点有所不同(如海外教师更专注数智素养与幸福力)，但从全球总样本加权来看，这五项能力拥有最广泛的共识，成为人工智能时代教师专业价值的基础。它们相互交织，共同构建了一个动态的、相互赋能的全球教师五维关键能力模型。

阅读354
下载1

2026西门子收购战略分析及对我工业软件做大做强启示报告

工业软件是现代工业的“数字大脑”与“神经网络”，是制造业数智化转型升级的“软基础”。在人工智能、数字孪生与物理AI加速融合背景下，工业软件竞争正从单点产品竞争转向“平台能力+数据体系+行业知识+生态网络”的系统竞争，头部企业通过持续并购整合快速构建全链条能力版图，成为全球产业演进的重要特征。其中，西门子近年来围绕工业软件连续开展战略性收购，逐步形成覆盖研发设计、工程仿真、生产制造、运维服务和工业智能的全生命周期能力体系，成为全球工业软件由工具软件向工业智能平台演进的重要代表。

阅读307
下载1

2026我国道路货运能源转型技术路径研究-基于行业调研报告

自2014年进入中国市场以来，智慧货运中心始终致力于打造合规、高效、可持续的中国物流货运行业，助力实现智慧货运中心的全球减碳目标。智慧货运中心支持工业和政府部门在排放测算与减排方面的政策目标，并且依托“零排放货运行动”平台，积极推广新能源重卡的应用。同时，基于可持续航空燃料在全球货运航空减排中的重要作用，智慧货运中心也着力构建面向中国及亚洲地区的行业交流平台。为实现零排放货运的长期目标，智慧货运中心将在所有项目中建立系统性机制，全面跟踪并评估潜在与已实现的减排成效。

阅读372
下载1

2026通用型智能体L1-L5分级安全框架白皮书

自2022年大语言模型(Large Language Model, LLM)取得突破以来，人工智能(ArtificialIntelligence,AI)正从“生成式工具”逐渐演进为“自主行动主体”。以大语言模型作为推理与决策核心的智能体(Agent)，能够感知环境、规划路径、调用工具、保持记忆，在有限人类监督下自主完成多步骤的复杂任务。2025年以来，智能体的数量和能力呈持续增长态势，应用场景和发展规模不断扩大，为千行百业的发展提供巨大的赋能价值。然而，与高速发展的智能体技术相伴的是日益凸显的安全挑战。近期国内外频发的智能体安全事件，以及政策界和学术界相继发布的安全风险提示均表明，技术演进与安全治理之间存在显著的时间差。