深度分析
UMI-3D:結合輕量 LiDAR 的腕式操作介面與 3D SLAM 技術
為解決視覺 SLAM 在遮蔽與動態環境下的限制,研究團隊將輕量 LiDAR 整合至腕式操作介面,形成 UMI-3D,並以 LiDAR 為主的 SLAM 取得精確的公尺尺度姿態,同時同步校正視覺與點雲,提升資料品質,使機械手臂在大變形與關節式物件操作上成功率顯著提升,此舉亦為未來大規模機器人資料收集提供可行路徑。
深度分析
為解決視覺 SLAM 在遮蔽與動態環境下的限制,研究團隊將輕量 LiDAR 整合至腕式操作介面,形成 UMI-3D,並以 LiDAR 為主的 SLAM 取得精確的公尺尺度姿態,同時同步校正視覺與點雲,提升資料品質,使機械手臂在大變形與關節式物件操作上成功率顯著提升,此舉亦為未來大規模機器人資料收集提供可行路徑。
深度分析
在動態異常偵測環境中,傳統模型假設單一正常分布,導致情境變化時判斷失誤。研究提出跨模態情境推論,將部分感測資料視為操作情境,另部分作為異常指標,實現條件化異常評估。實驗顯示此方法提升判斷穩定性,對未來多模態偵測具重要影響。