欠驅動(dòng)靈巧手被控制的自由度多于驅動(dòng)源的數目，缺少驅動(dòng)源的部分則進(jìn)行耦合隨動(dòng)。欠驅動(dòng)手硬件集成度高，整體系統簡(jiǎn)潔高效、體積小、質(zhì)量輕，便于進(jìn)行動(dòng)力學(xué)分析。但是，欠驅動(dòng)機械手的高集成性一定程度上也是犧牲高自由度性能的結果，存在功能性不足，尤 其是對于精度要求比較高的手指精巧控制無(wú)法勝任。
優(yōu)勢：對比全驅動(dòng)方案，少一 個(gè)甚至少兩個(gè)執行器，對節省手臂、手腕的空間和重量，都 是非常大的提升，而且具有更 好的順應性。
缺點(diǎn)：不具備完全重復的運動(dòng)軌跡，在需要精密操作的情景 下，表現可能不如全驅動(dòng)方案， 甚至不如耦合方案。
具有完全可重復的運動(dòng)軌跡,適合某些功能性和精細操作較高的場(chǎng)合,在工業(yè)場(chǎng)合， 例如組裝、測量等情況下有更好的表現,沒(méi)有合理的運動(dòng)學(xué)分析控制時(shí)，整體的靈活性差
機器人的觸感靈巧手Linker Hand具備20個(gè)主動(dòng)自由度,包括柔性電子皮膚,實(shí)現精細觸覺(jué)感知,構建全球最大的靈巧操作數據集,包含了大量的人手操作數據,覆蓋了各 種復雜的抓取和操作任務(wù)
當人們認為機器人是有意圖的代理時(shí)，他們的大腦以類(lèi)似的方式處理自己和機器人的行動(dòng)結果,意圖歸因在人機交互中起著(zhù)至關(guān)重要的作用,可能包括通過(guò)言語(yǔ)指令等非交互性手段來(lái)調整人們對機器人意圖的感知
移動(dòng)機器人系統用于解決探索性化學(xué)中的三個(gè)主要問(wèn)題以及根據數據決定下一步做什么,移動(dòng)機器人做出與人類(lèi)研究人員相同或相似的決定比人類(lèi)快得多
大模型可加快人形機器人復雜任務(wù)訓練速度,提升任務(wù)生成速度及縮短理解周期;1 提升人形機器人語(yǔ)言處理能力 2 提升人形機器人場(chǎng)景理解能力 3 提升人形機器人運動(dòng)控制能力 4 提升人形機器人數據訓練能力
NLP 大模型在語(yǔ)言的歧義、文化差異及多樣化、情感分析困難;CV 大模型算法處理復雜；多模態(tài)大模型融合不同模態(tài)的信息并提高模型的標識能力
NLP 大模型是人工智能領(lǐng)域的重要研究方向,CV大模型是指基于深度學(xué)習的計算機視覺(jué)模型,多模態(tài)大模型是指將文本、圖像、視頻、音頻等多模態(tài)信息聯(lián)合起來(lái)進(jìn)行訓練的模型
機器人大腦提高人形機器人的人-機-環(huán)境共融交互能力,支撐全場(chǎng)景落地應用;機器人小腦提升人形機器人非 結構化環(huán)境下全身協(xié)調魯棒移動(dòng)、靈巧操作及人機交互能力
英偉達 GR00T讓人形機器人理解自然語(yǔ)言文本,語(yǔ)音,視頻,以模仿人類(lèi)運動(dòng);阿里云機器人大模型可賦予機器人知識庫問(wèn)答,工藝流程代碼生成,機械臂軌跡規劃,3D目標檢測和動(dòng)態(tài)環(huán)境理解等全方位能力
純視覺(jué)方案：成本低,技術(shù)成熟度高,產(chǎn)業(yè)鏈成熟度高,符合人眼邏輯;易受天氣影響,易受光照影響,算力需求較高,需要大量圖像訓練集;激光雷達方案:識別率高,環(huán)境適應力強,產(chǎn)業(yè)鏈成熟度高
攝像頭可實(shí)現測距，但精度較低,通過(guò) AI 算法識別，但難 以識別非標準障礙物;毫米波雷達縱向精度高，橫 精度低;激光雷達是高精度,3D 建模，易識別;
本田 ASIMO由四個(gè)運行著(zhù) VxWorks 實(shí)時(shí)操作系統的處理器構成;歐洲 ICUB使用名為 ARCHER 的學(xué)習型算法體系;特斯拉 Optimus用Optimus 的神經(jīng)網(wǎng)絡(luò )
