一、面向机器人应用的虚拟现实系统（论文文献综述）
王帅[1]（2021）在《装配线仿真与装配件检测关键技术研究及应用》文中认为装配线仿真与装配件检测是装配线管控的重要任务。装配是智能制造的重要生产阶段,装配线是智能制造的关键组成单元,装配线管控也是装配制造中不可或缺的管理控制方式。中国制造2025科学和技术发展规划将数字化和智能化设计制造列为关键研究领域之一,装备制造业列为国家工业化和现代化的重要支柱产业之一,汽车产业列为重点产业项目之一。本论文以汽车装配线为研究对象,从装配线的前期搭建,布局优化实现装配效益最优,再到装配线的后期建成,装配件检测确保装配质量最佳。针对整条装配线布局仿真和装配件检测的主要问题进行深入的研究,紧密结合“三个之一”的“中国智造”核心需求,主要围绕四个关键技术:多目标布局优化、混合现实布局仿真、深度学习目标检测和混合现实装配检测,开展如下研究工作:1.基于组合多目标优化的机器人装配线的三维安全布局方法。针对现有的布局优化方法缺乏考虑机器人的高度信息和装配范围容易产生不安全布局的问题。首先,定义机器人等不规则设备的建模规则,使用蒙特卡罗（Monte Carlo）方法模拟机器人实际装配作业空间;再建立具有安全指标的装配线布局模型,兼顾物流成本最低和占地面积最小的多优化目标;然后,采用改进的结合优化方法求解该模型,有效提升主流的多目标优化算法求解该模型多样性和收敛性不佳的情况;最后,通过安全指标的阈值筛选确定安全布局,三维安全验证确保布局方案的安全性、多样性和经济性。2.基于混合现实的装配线布局人机交互方法。针对混合现实布局设计应用较少且人机交互不够直观灵活的问题,提出一种基于混合现实装配线布局的人机交互方法,为布局设计者提供直观便捷的辅助决策指导。视线跟踪和手势识别结合的方法进行目标选择,提升布局设计者单一手势选择的交互操作感和使用舒适性。针对传统布局需要实地布置,还需要不断的测试调整费时费力的问题,提出虚拟端和现实端数据驱动的装配线仿真方法。以数据驱动为载体,高保真度的完成装配线中各种设备间的信息交互,节约时间成本和人力成本,提高布局设计的时效性。3.基于深度学习的装配件质量检测方法。针对传统图像识别需要人工特征提取耗时长的问题,提出一种基于卷积神经网络目标识别的装配质量检测的方法,有效保证装配件的装配质量和效果。应用Alex Net和Faster R-CNN叠加,实现不同种类装配件的自适应装配检测。针对人为疲劳导致的装配失误,质量检测可跟踪记录检测过程,从管理端、操作端可视化装配线的工艺流程、生产节拍等装配信息。4.混合现实装配检测中深度学习数据增强方法。针对混合现实中装配操作者佩戴Holo Lens移动头戴显示设备具有检测视角多自由度且受检测环境影响大的问题,提出一种混合现实装配检测中深度学习数据增强方法。首先,采用人为最佳数据增强策略的数据预处理方法生成增强数据集;再用改进的图像增强方法,解决图像增强后装配件的部分检测目标特征失真的情况。该方法能有效生成数据增强集,无需大量的人工样本标注,既能有效提升检测模型的泛化能力,又能提高装配检测的识别精度。依托中国科学院沈阳计算技术研究所承担的国家级项目,理论研究成果已经应用于面向大型复杂结构件的多机器人协同制造子系统和基于数字孪生的智能车间管控技术之智能装配线的安全仿真子系统。本论文对装配线仿真与检测具有重要的应用意义。
魏强[2]（2021）在《面向康复训练的下肢外骨骼系统集成与主动控制技术研究》文中提出随着社会经济发展及老龄化人口增长,由心脑血管疾病及意外损伤引起的下肢运动功能障碍频发,严重影响了患者个体的日常生活与工作。下肢外骨骼机器人作为能够帮助下肢运动功能障碍人群进行康复治疗的新型康复设备,在提升康复效果、节省人力物力等方面具有优势。目前,下肢外骨骼机器人正逐步转入市场推广,然而在实际应用方面仍存在许多共性问题,如外骨骼系统会给用户造成较大承重负载、人-机运动不协调、控制方案中未融入人体主观运动意图、外骨骼步态多为仿生理论生成不具备人体个性化特征等。以上问题会导致用户在康复训练中参与度低,依从性差,进而影响康复效果。本文针对目前研究中存在的部分共性问题,设计集成了系列化的下肢外骨骼系统,以此为基础面向不同应用对象给出了不同主动控制策略中的关键技术方案,具体如下:（1）针对下肢外骨骼控制中人-机运动不协调问题,从人-机刚度匹配角度设计基于人体变刚度技能传递的下肢外骨骼协同控制方案。首先建立由肌肉活动水平调制的人体关节刚度估计模型,实现由表面肌电（surface electromyography,sEMG）信号对关节刚度的实时估计;然后构建外骨骼动力学与关节可变阻抗模型,采用模糊估计器逼近未知动力学动态参数,同时设计人-机协同控制器,并通过Lyapunov直接法证明了在人-机刚度匹配及动力学模型估计中产生的误差的有界性;最后通过实验开展验证,结果显示了该控制方案的可行性与对人-机协调性提升方面的有效性。（2）针对控制方案中未融入人体主观运动意图问题,提出基于连续运动意图识别的随动下肢外骨骼主动控制方案。首先结合双目相机与OpenPose算法获取人体的三维跟踪信息,解决双目相机获取深度信息时复杂的特征点匹配问题,建立移动辅助架非完整约束下的运动学模型,设计对人体位置实时随动跟踪的速度控制器;其次,设计基于长短时记忆（long short-term memory,LSTM）的神经网络模型用于多通道sEMG信号到关节角度的连续映射,以获取人体运动意图;然后,为判断步行运动模式,提出基于足底力分布特征的步态相位识别方法,设计基于屏障Lyapunov函数的轨迹跟踪控制器,利用屏障Lyapunov函数来确保系统未知非线性项的有界性,从而实现全局渐近跟踪;最后通过实验开展验证,结果显示了整体控制方案的有效性,并通过实验对比结果验证了 LSTM网络模型对关节角度比传统方法预测精度高,以及在设计的轨迹跟踪控制器作用下会有更小的跟踪误差。（3）针对下肢外骨骼步态不具备人体个性化特征问题,设计结合虚拟现实（virtual reality,VR）技术与由脑电（electroencephalogram,EEG）信号解码的外骨骼主动步态生成方案。首先,提出一种基于高斯过程回归（gaussian process regression,GPR）的关键步态参数预测方法,以预测的关键步态参数构造步态轨迹的约束条件,由多项式插值规划获得人体单步个性化步态轨迹。然后,为形成连续运动步态,提出以运动想象下的EEG信号对单步运动分类触发的方法,创新性地结合了 VR技术,避免了利用视觉刺激等诱发手段产生EEG信号而引起的视觉疲劳。一方面,开发以森林、草地为主题环境的VR场景,设置相关标记提示用户进行分类动作的运动想象。另一方面,由共空间模式（common spatial pattern,CSP）算法提取EEG信号特征,基于支持向量机（support vector machine,SVM）对行走/停止运动想象时的EEG信号进行分类。最后,通过实验验证了方案的有效性,结果显示生成的GPR模型对关键步态参数预测误差率为5%左右,同自发运动想象相比VR环境下更容易产生差异性的EEG信号。
杨晓佳[3]（2021）在《基于示教器的机器人运动控制仿真系统研究与开发》文中研究指明近年来,工业机器人在工业生产中的应用越来越多,因此对工业机器人相关人才的需求呈爆炸式增长,导致了工业机器人领域的高端技能型人才变得供不应求,人才培养面临严峻挑战。本文基于Unity3D虚拟现实引擎和Qt5开发平台,结合职业教育相关理念,开发出一款基于示教器的工业机器人运动控制仿真系统,从使用者角度出发,实现其操作示教器以控制虚拟环境中机器人实时运动的体验真实感。首先,对ABB工业机器人进行运动学轨迹分析,以设计机器人合适的运动轨迹;利用3ds Max对ABB工业机器人及弧焊周边设备进行模型创建,为弧焊工业机器人仿真运动控制的实现和运动控制界面的设计提供现实基础。其次,对机器人虚拟运动仿真系统的总体方案进行设计与规划,包含系统构成、界面功能实现、典型案例设计、开发平台规划,在Unity3D中进行模型的渲染、烘焙等工作,搭建虚拟仿真系统控制界面,运用C#语言实现认知模块场景的基本信息交互,组装模块的基本设备以及位置布局的交互操作。再次,根据机器人示教类型及特点,对示教系统进行设计,包含示教平台开发、示教功能实现、示教操作逻辑等。在Qt5开发平台上运用Python语言进行程序开发,编译后在树莓派上运行,实现操作模块中机器人单轴运动与示教器之间的控制交互,编程模块根据示教器控制指令实现机器人仿真运动。最后,研究了工业机器人运动控制仿真平台与示教系统之间的通信方案,采用TCP/IP通信协议和Socket通信接口,实现Unity3D系统端与示教系统端的网络通信。研究可实现使用者从对工业机器人的基本认知到运动操作,再到独立编程的系统学习与提升。
魏冬[4]（2021）在《基于人机协同策略的随动式下肢外骨骼机器人》文中进行了进一步梳理近年来,国内偏瘫患者日益增多,医疗机构普遍面临医疗资源短缺、医疗设备有缺陷的困境。为解决这一问题,本文面向下肢康复领域,设计了一套随动式下肢外骨骼机器人,这套系统以人机协同思想为核心,可辅助偏瘫患者完成康复训练过程。本文主要工作如下:（1）本文设计的随动式下肢外骨骼机器人由随动训练平台和下肢外骨骼机器人两部分构成。随动训练平台利用双目相机捕捉使用者位置信息,并设计随动跟踪控制器实时跟踪使用者移动,提供安全保护,而下肢外骨骼机器人用于纠正使用者的下肢运动姿态。两部分共同工作,在帮助使用者进行地面康复训练的同时,还可以提供安全保护和体重支撑。（2）基于对人体下肢运动姿态的分析设计了有限状态机模型,将偏瘫患者的不同康复训练任务和不同下肢动作归结为一个个独立的状态,捕捉上肢的表面肌电信号和足底力信号设计意图识别算法驱动状态切换,从而帮助外骨骼机器人理解使用者的运动意图。（3）针对意图识别的滞后和步态轨迹的误差等问题,提出了“人在环中”的控制方法。该控制方法利用屏障函数将外骨骼机器人的任务空间划分为可用区域和不可用区域。当人体下肢带动外骨骼在可用区域运动时,系统仅会提供重力补偿帮助患者自由地在区域内调整运动轨迹,而一旦外骨骼进入不可用区域时,则会立即受到强大的系统抑制力将使用者送回可用区中。从而使得系统能够在合理的范围内顺应使用者的主动运动意图,而在非法的区域中纠正使用者错误的运动意图。（4）为提高偏瘫患者对使用外骨骼机器人进行康复治疗的积极性,设计了基于虚拟现实技术的康复训练软件平台。利用虚拟现实硬件设备,捕捉使用者的行为并传送到虚拟现实中复现,而使用者在虚拟现实中观察到的世界变化又会使得其在现实世界中作出相应的行为改变,从而达到闭环的沉浸式的康复治疗体验。
邹玉清[5]（2021）在《基于未来视角的产品设计方法研究》文中研究指明时代发展到今天,创新驱动发展已经成为国家战略,而设计创新是创新驱动发展的重要组成部分。设计创新离不开思维与方法,基于未来视角的创新设计思维是实现方法中的一种。本文以产品设计为研究对象,对具有前瞻性、探索性、预测性特征的未来设计思维进行了较为全面的梳理,在比较了自然科学、人文科学中部分学科对“未来思维”认知的基础上,对未来设计的相关概念进行了再认识,进一步确认了未来设计思维的思维路径:以终为始的“终点思维”、梳理因果的“布局思维”、寻觅机会的“复合思维”;从造物组合、系统组合、资源牵引三个方面分析了产品设计中获取未来优势的工具;并从周期、视野维度、资源转换三个方面论述了未来设计中获取效率剩余的价值、影响设计思维的不变量与变量关系、相关性的因果关系、未来设计思维中的驱动与制约因素等,从而提出了未来设计方法的原则、实现方式以及一种“非效率”的创新设计方法并构建了这种方法的设计模型。未来视角呈现出客观未来以及主观未来的两种不同图景,我们认识中的客观未来呈现出时空的进程;而主观未来是一个实现“目的”的过程。这个趋向目的的过程使得未来视角的设计思维与方法产生当下的意义:即未来设计是对未来的长期目标所产生意义的回应,是根据当前的走向及对未来发展趋势认识的基础上,对将要到来时间的某个目标,进行探索、预测和实验,从而创造性地提出新型造物的一系列构想,以及对未来产品设计的启发。本文认为未来是一个动态化的进程,以观察者的角度从“过去已经发生的未来”的视角,归纳造物工具在未来进程中的各参与方的关系、以及相关作用;通过归纳工具产品在“过去的未来式”的作用,对应今天的“未来式”的发展,以至演绎将来的“未来式”。由未来的“目的”来求解当下的未来视角中的产品设计方法的建构。认为工具产品在未来进程中的作用是“获取未来优势的工具”。在具体的实现上则是用工具产品作为人的生理系统的延伸,最大化的获取与转换资源,获取效率剩余,服务于人的主观未来目的,是达成主客观的时空一致性的工具。同时这个趋向资源获取与转换过程中的主观造物行为受到客观因素的影响,具体表现在受到客观外部周期的影响、主观对客观认识的影响、以及主观视角上获取转换资源的能力的制约。从主观未来视角的非效率指向与客观视角的效率现象在未来进程中的关系以及制约因素,来构建趋向未来资源进行未来视角的产品设计方法。是一种面向未来可能性和探索性的产品设计方法建构。在具体的建构过程中,从自然界的大设计的平均效率与主观未来目的的获取效率剩余的工具目标之间的关系来建构主观跨越客观的产品设计溯层原则;从技术方式的未来、生活方式的未来、主观文化方式的未来等几个方面提出了溯层的途径;同时在具体的产品设计实现上提出了实现的方法。所以,未来视角的产品设计思维使得合理的造物行为具有目的,使未来产品系统的准备成为可能,也使未来进程中的生活意义更加的充实。在最后一部分,进行案例分析和专业教学实践的课题研究,以对本文提出的未来视角的产品设计方法进行实践和修正,通过课堂教学来验证、修正本文提出的未来视角的产品设计方法的可行性。
胡田田[6]（2021）在《基于具身认知的机器人虚拟拆装系统设计与开发研究》文中认为随着“5G”技术的快速发展,各种新媒体技术在“5G”的加持下展现出了新的朝气,在最近几年的国际新媒体联盟组织发布的地平线报告中,虚拟实技术多次被列为未来几年最具潜力的技术之一,“VR+教育”也逐渐成为研究热点。在制造业中,传统的机器人拆装由于拆装顺序不对以及零件不匹配等原因,造成了零件耗损严重和装配成本高的现象发生;在教育教学中,用于拆装实训的工业机器人设备稀缺,经常出现多人使用一台设备的情况,而且工业机器人本身价格昂贵,这就造成了较高的教学成本,同时教学质量和学习质量都不如人意。即使后来出现了机器人虚拟拆装系统,也多数是2D界面的,沉浸感不足,这些虚拟系统通常比较强调技术性反而忽略了理论的应用指导。具身认知理论的出现为机器人虚拟拆装系统提供了理论基础,具身认知理论强调学习者身体、环境和心智三者的动态统一,强调学习者全身心的投入学习情景之中,而这也与VR技术的沉浸性、交互性和构想性特征相匹配,因此具身认知理论与虚拟现实技术的融合可以有效促进学习者学习,基于具身认知理论的机器人虚拟拆装系统的设计和开发势在必行。本研究以基于具身认知理论的机器人虚拟拆装系统的设计和开发为题,运用文献研究法分析了国内外机器人虚拟拆装的现状;梳理了具身认知、虚拟现实、机器人虚拟拆装等相关概念,深入分析了建构主义理论、具身认知理论以及沉浸理论等相关理论对本研究的指导作用;结合VR技术的特征,构建了VR具身学习空间的理论模型,为机器人虚拟拆装系统的设计和开发提供了理论指导。本研究对机器人虚拟拆装系统进行了功能需求分析并设计了相关的功能模块以实现学习者的机器人虚拟拆装实训,系统主要包含了以下功能模块:登录模块、基础知识漫游、结构认知模块、视频演示模块和虚拟拆装模块。本研究通过Solid Works和3DMax创建三维模型,并使用PS进行贴图元素的优化,基于Unity3D开发环境,结合Steam VR和VRTK插件进行场景的开发,使用HTC Vive头戴式显示器和手柄进行交互的调试和实现,采用以上的开发流程,实现基于具身认知理论的机器人虚拟拆装系统的开发。
林浩泽[7]（2021）在《面向医疗复健的下肢外骨骼机器人的步态平衡方法》文中研究说明下肢外骨骼康复（LER）机器人作为一种移动辅助工具,在传统的物理治疗方法的基础上,取得了巨大的进步。这种系统的一个主要挑战在于平衡步态的设计,在使用LER系统时保持用户的平衡。其在医疗康复领域有非常好的应用,帮助下肢行动不便的患者进行复健训练。本文在开发人体步态采集系统,探究人体步态影响因素,设计机器人步态平衡方法等方面开展研究。作为应用于人的机器,最重要的就是以人为本。本文从采集正常人的步态数据出发,设计多模态（包括传感器采集和图像处理采集）的人体步态采集系统,建立人体步态数据库。并对步态数据进行研究,得到人体步态运动规律将用户的体验质量（Qo E）与人体步态的物理影响因素（步态周期、步幅和步高）联系起来。在机器人智能平衡增强策略的设计方面,首次提出了六种基于人类性别和年龄步态分类的标准步态模型。针对每类人群的特征给出最符合的训练步态,实现仿人步态策略。更进一步,为了实现人体运动意图估计以进一步提高机器人行走平稳性和用户的Qo E,将标准步态模型与用户的Qo E轨迹相结合,提出了个性化的步态策略。通过基于Qo E的LSTM步态预测算法实现步态的实时预测。最后本文在各种条件下进行了大量的主观测试以验证所提出的步态平衡算法的可行性。实验结果验证了仿人步态策略和个性化步态策略的有效性。在下肢外骨骼机器人实施本文步态平衡方法后,使用者能够摆脱拐杖实现稳定行走,且具有非常好的体验质量。所提出的个性化步态策略可以考虑每个患者的Qo E和行走的身体特征,以优异的性能进行残疾人辅助和康复训练。
贾淳[8]（2021）在《基于BIM与AR的建筑机器人虚拟交互仿真系统研究》文中指出在全球范围内,建筑行业正日益面临严峻的挑战,例如高额成本、劳动力老龄化、熟练劳动力短缺及生产力下降等。常规的建筑方法已达到极限,无法满足日益增长的提高生产率,高安全性和可持续性的需求。与工业机器人不同,具有重负荷、可移动性和作业环境复杂等特征的建筑机器人在施工作业时往往需要人机配合,在复杂环境中的操作任务可能是危险或负担不起的。在现代建筑项目越来越昂贵的背景下,建筑机器人的准确模拟和安全操作已成为当前非常关键的待解决问题之一。随着虚拟仿真和增强现实技术的快速发展,出现了利用复杂的沉浸式AR应用程序创造虚实环境以可视化复杂的工作场景、建立风险预防知识和接受培训的趋势。增强现实（AR）叠加计算机生成的建筑虚拟数据来感知真实世界,AR能够弥补虚拟和真实之间的差距,一旦机器人在AR虚实环境的帮助下确定了无碰撞、安全的施工任务路径,基于人机协作的建筑机器人作业将会更安全、更高效。本文基于BIM和增强现实技术,从实际施工应用与培训的角度出发,完成基于BIM和增强现实的建筑机器人虚拟交互仿真系统总体架构设计与功能模块的开发。针对该平台的特点和需求,借助于Unity3d开发引擎,设计并开发了一套建筑机器人虚拟交互仿真系统。本文研究的主要工作内容和创新如下:（1）首先,对现有的幕墙安装机器人数据进行的分析与思考,利用Solid Works平台建立机器人的零件图和装配图,其次利用Revit平台建立施工环境的BIM元素模型,并对模型文件进行处理（.FBX）以及IFC信息提取,最终将其导入开发引擎Unity中。依据施工任务和项目背景,分析系统总体功能需求,利用Unity3D结合Vuforia增强现实开发工具包构建了机器人虚拟工作环境并完成虚拟漫游、仿真操作、碰撞检测和操作指南等功能模块的设计与开发,应用UGUI技术对系统的交互界面进行开发并对系统资源集成优化后,进行基于Android与PC端的测试,实现了对建筑机器人的虚拟交互仿真操作及辅助学习功能。（2）鉴于建筑模型复杂、数据量大、维护成本高等特点,本文提出了一种AABB包围盒与网格碰撞相结合的混合层次包围盒碰撞检测算法,单纯的包围盒检测技术是远远不够的,本研究检测的目标是在碰撞（危险）发生前就应该被检测到,而不是碰撞发生后才被检测到,即碰撞前的安全距离,因此本系统利用AABB（轴对齐边界框）算法对虚拟对象进行初步碰撞检测,结合网格碰撞检测算法实现对建筑施工作业时的实时碰撞检测。（3）碰撞反馈是建筑虚拟施工作业系统的重要组成部分,它是碰撞检测的核心,它决定了任务是否能够继续顺利进行下去。本文在设计碰撞反馈考虑了激励人关注的因素:视觉、听觉和触觉,即注意力因素,当出现碰撞时用户可能会只集中关注它,而排除其他因素,本系统基于注意力因素结合碰撞问题的具体情况进行了碰撞反馈UI界面设计与开发,使碰撞更易于被注意和处理。
刘培[9]（2020）在《基于大数据的网络空间主流意识形态传播研究》文中研究表明信息技术、互联网与计算机等技术建构的网络空间成为与现实社会空间并存的第二空间。但网络空间不是一成不变的,而是在技术发展中不断演进的。随着大数据技术在互联网领域应用的广泛推进,借助于大数据可以量化一切的强大计算能力,网络空间确已进入到一个高度依赖数据和算法的阶段,形成了新型的“大数据-网络空间”。“大数据-网络空间”是在大数据技术深度介入下形成、以数据生态为核心、以算法为主导的、虚实深度交融的网络空间。它不仅是世界的数据化再现,而且是大数据算法与人的意向性协同敞开的网络空间。作为大数据技术形塑的空间,“大数据-网络空间”不是固态的、稳定的、不可更改的,而是可以被技术发展与各类媒体、政党、国家等主体意愿建造、编制和构筑,即“大数据-网络空间”具有可塑造性。“大数据-网络空间”作为各种意识形态和社会思潮的传播载体和场域,同样也为主流意识形态传播带来了机遇与挑战。一方面,“大数据-网络空间”为主流意识形态的传播带来了受众、传播内容、传播方式与传播效果的可量化与可计算,实现了精准化和个性化传播。另一方面,“大数据-网络空间”亦为主流意识形态传播带来挑战,主要包括:大数据技术理性张扬下传播者经验的下降与自身的隐匿、数据化传播受众画像的失真、假新闻深度转向与传播生态的后真相化、资本逻辑与算法逻辑对主流意识形态传播逻辑的干扰。面对这些挑战,已有相关研究往往集中在大数据技术薄弱、西方的数据霸权和意识形态渗透方式的多样化等方面进行探讨,而忽视了“大数据-网络空间”自身的可塑造性。“大数据-网络空间”与主流意识形态传播的关系不仅仅是大数据以工具性载体助推网络空间主流意识形态的传播,更重要的是“大数据-网络空间”是被技术和各种意识形态共同塑造与建构的。由此,主流意识形态的传播必然要求塑造“大数据-网络空间”,以提升主流意识形态的传播能力。如何塑造“大数据-网络空间”以提升主流意识形态传播能力成为一个重要问题。首先,要规避算法主导的传播方式,建构基于传播者与受众能动性的个性化传播,从而积极地影响、修正甚至改变算法推荐主导的传播内容,以塑造主流意识形态在“大数据-网络空间”的核心地位。其次,以主流价值导向驾驭算法从而建构“主流价值算法”。主流价值算法通过纠正流量至上的价值导向以消解各种社会思潮和意识形态对主流意识形态传播空间的挤压,从根本上塑造一个正能量的“大数据-网络空间”。再次,展开数据素养和政治素养的双维教育。通过数据素养教育提升传播者和传播受众的数据素养,同时强化大数据技术人员的意识形态教育。最后,推动大数据检测技术与平台监管齐头并进。积极研发大数据检测技术,以检测、识别和过滤虚假信息。且按照精细化、区别化的原则进行分类分级地监管各类传播媒体与平台,健全法律与行业规范的双重规制,从而有力推进“大数据-网络空间”主流意识形态的传播。
张博[10]（2020）在《基于多空间统一的机器人交互方法研究》文中认为人-机器人交互在机器人遥操作中具有非常重要的作用,是机器人领域的一大研究热点。随着科技的进步,人与机器人的交互方式不断朝着更加自然高效的方向发展。本文针对现有的人与机器人交互的不足,提出了一种基于多空间统一的机器人交互方法,把增强现实眼镜和手势传感器组合成一套可穿戴的移动交互设备,将虚拟机器人作为交互对象,使用户可以通过手势和语音进行交互。本文的研究工作主要包含以下两部分:1.提出了多空间统一理论与技术:本文以真实机器人场景为参考建立虚拟机器人模型,并利用三维注册技术将虚拟模型叠加到真实环境,实现了虚拟空间与真实空间的融合。通过建立交互场景的坐标系并分析坐标系之间的变换关系,实现了操作空间与虚拟空间的配准,并采用奇异值分解法求解坐标系变换矩阵。最终使得用户的裸手手势数据可以通过坐标变换被变换到虚拟空间,用于和虚拟机器人的交互。2.基于多空间统一技术的机器人移动交互:本文介绍了基于多空间统一的移动交互的概念。采用Leap Motion传感器获取用户的手势数据,通过区间卡尔曼滤波器对数据进行滤波平滑,并且设计了基于手势的引导式的人与机器人交互,使虚拟机器人末端可以跟随手部一起运动,并通过手部和虚拟机器人之间的碰撞检测来触发虚拟机器人的跟随。同时,通过Speech Platform SDK识别用户语音信号,并采用基于支持向量机的文本分类器实现语音的理解;通过填充指令槽的方式整合手势信息和语音信息,生成机器人控制指令,实现手势和语音的融合。本文最后通过机器人实验,验证了研究内容的可行性和有效性。
二、面向机器人应用的虚拟现实系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、面向机器人应用的虚拟现实系统（论文提纲范文）
（1）装配线仿真与装配件检测关键技术研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 装配线概述 |
| 1.1.2 XR技术概述 |
| 1.2 国内外研究现状 |
| 1.2.1 装配线仿真优化的研究现状 |
| 1.2.2 布局设计中XR技术应用的研究现状 |
| 1.2.3 深度学习目标识别的研究现状 |
| 1.2.4 装配检测中AR和MR技术应用的研究现状 |
| 1.3 研究意义和论文来源 |
| 1.3.1 研究意义和目的 |
| 1.3.2 论文来源 |
| 1.4 研究内容和论文结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文组织结构 |
| 1.5 本章小结 |
| 第2章 基于组合多目标优化的机器人装配线安全布局方法的研究 |
| 2.1 问题提出 |
| 2.2 基于安全指标的装配线布局模型 |
| 2.2.1 装配线布局描述 |
| 2.2.2 安全布局建模 |
| 2.2.3 确定模型参数 |
| 2.3 基于组合多目标优化的安全布局方法 |
| 2.3.1 NSGA-II算法的理论基础 |
| 2.3.2 DE算法的理论基础 |
| 2.3.3 组合多目标优化安全布局方法的研究 |
| 2.3.4 布局安全验证方法 |
| 2.4 实验与验证 |
| 2.4.1 性能测试及对比实验 |
| 2.4.2 求解安全布局实例 |
| 2.4.3 组合多目标优化的机器人装配线安全布局方法的应用 |
| 2.5 本章小结 |
| 第3章 基于混合现实的装配线布局人机交互方法的研究 |
| 3.1 问题的提出 |
| 3.2 混合现实装配线布局仿真人机交互方法 |
| 3.2.1 混合现实装配线布局仿真人机交互框架 |
| 3.2.2 基于数字孪生的装配线布局仿真方法 |
| 3.2.3 基于混合现实的人机交互方法 |
| 3.3 实验与验证 |
| 3.3.1 实验结果 |
| 3.3.2 基于数字孪生的虚拟模型的实现 |
| 3.3.3 基于混合现实装配线布局人机交互方法的应用 |
| 3.4 本章小结 |
| 第4章 基于深度学习的装配件质量检测方法的研究 |
| 4.1 问题的提出 |
| 4.2 基于深度学习的装配件质量检测方法 |
| 4.2.1 装配件质量检测框架 |
| 4.2.2 基于Faster R-CNN的装配件目标识别方法 |
| 4.2.3 基于AlexNet卷积神经网络的装配件分类方法 |
| 4.3 实验与验证 |
| 4.3.1 实验数据集 |
| 4.3.2 实验结果 |
| 4.3.3 基于深度学习的装配质量检测方法的应用 |
| 4.4 本章小结 |
| 第5章 混合现实装配检测中深度学习数据增强方法的研究 |
| 5.1 问题的提出 |
| 5.2 混合现实装配检测方法 |
| 5.2.1 混合现实装配检测框架 |
| 5.2.2 混合现实装配检测方法的研究 |
| 5.3 混合现实装配检测中数据增强方法 |
| 5.3.1 改进的CLAHE的图像增强方法 |
| 5.3.2 数据集预处理几何变换方法 |
| 5.4 实验与验证 |
| 5.4.1 增强数据集 |
| 5.4.2 实验结果 |
| 5.4.3 混合现实装配检测中深度学习数据增强方法的应用 |
| 5.5 本章小结 |
| 第6章 总结 |
| 6.1 本文工作总结 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）面向康复训练的下肢外骨骼系统集成与主动控制技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 面向康复训练的下肢外骨骼机器人系统研究现状 |
| 1.2.1 地面行走式下肢外骨骼机器人系统 |
| 1.2.2 减重悬吊式下肢外骨骼机器人系统 |
| 1.3 下肢外骨骼机器人主动控制中关键技术研究现状 |
| 1.3.1 人机状态感知与反馈技术 |
| 1.3.2 人体意图识别技术 |
| 1.3.3 下肢外骨骼控制技术 |
| 1.4 研究现状总结及存在的问题 |
| 1.5 研究内容及章节组织关系 |
| 第2章 下肢外骨骼机器人样机设计及集成 |
| 2.1 引言 |
| 2.2 样机设计需求与设计目标 |
| 2.3 整体样机系统概述 |
| 2.4 感知反馈系统 |
| 2.4.1 关节角度传感器 |
| 2.4.2 足底压力传感器 |
| 2.4.3 惯性测量单元 |
| 2.4.4 双目视觉相机 |
| 2.4.5 生理电信息采集系统 |
| 2.4.6 虚拟现实系统 |
| 2.5 规划控制系统 |
| 2.5.1 规划控制硬件平台 |
| 2.5.2 规划控制算法 |
| 2.6 运动执行系统 |
| 2.6.1 机械结构 |
| 2.6.2 电机及驱动单元 |
| 2.7 本章小结 |
| 第3章 基于人机变刚度技能传递的下肢外骨骼协同控制 |
| 3.1 引言 |
| 3.2 总体系统框架 |
| 3.3 人体下肢关节刚度估计 |
| 3.3.1 笛卡尔空间-关节空间刚度变换 |
| 3.3.2 关节刚度模型参数辨识 |
| 3.4 人-外骨骼机器人系统模型 |
| 3.4.1 下肢外骨骼系统动力学模型 |
| 3.4.2 未知动态动力学参数的模糊估计器 |
| 3.4.3 人机关节阻抗匹配模型 |
| 3.5 控制器设计及其稳定性分析 |
| 3.6 实验设计与结果分析 |
| 3.6.1 信号预处理 |
| 3.6.2 关节刚度模型离线参数辨识与验证 |
| 3.6.3 斜坡步行实验 |
| 3.7 本章小结 |
| 第4章 基于连续运动意图识别的随动下肢外骨骼主动控制 |
| 4.1 引言 |
| 4.2 总统系统框架 |
| 4.3 基于视觉反馈的随动跟踪控制 |
| 4.3.1 基于双目OpenPose的人体三维信息提取 |
| 4.3.2 移动辅助架随动跟踪控制 |
| 4.4 面向连续运动意图估计的LSTM网络设计 |
| 4.4.1 LSTM单元的基本结构 |
| 4.4.2 LSTM网络结构设计 |
| 4.5 基于运动意图的下肢外骨骼步态控制 |
| 4.5.1 基于足底压力分布特征的步态切换策略 |
| 4.5.2 基于屏障Lyapunov函数的轨迹跟踪控制器 |
| 4.6 实验设计与结果分析 |
| 4.6.1 信号采集与预处理 |
| 4.6.2 随动跟踪控制实验 |
| 4.6.3 LSTM网络训练及测试 |
| 4.6.4 连续运动意图识别下的外骨骼步态控制实验 |
| 4.7 本章小结 |
| 第5章 基于VR-EEG运动想象的外骨骼主动步态生成 |
| 5.1 引言 |
| 5.2 运动想象下的VR场景构建 |
| 5.3 基于人体生理特征的步态规划 |
| 5.3.1 基于高斯过程回归的个性化步态参数生成 |
| 5.3.2 参数化行走步态轨迹规划 |
| 5.4 基于EEG信号的行走/停止意图识别 |
| 5.4.1 脑功能分区及EEG信号节律 |
| 5.4.2 EEG信号的特征提取 |
| 5.4.3 基于SVM的EEG分类器 |
| 5.5 实验设计及结果分析 |
| 5.5.1 基于人体生理特征的个性化步态轨迹生成实验 |
| 5.5.2 基于SVM的EEG信号分类及连续步态轨迹生成实验 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 研究工作总结 |
| 6.1.1 样机设计及集成 |
| 6.1.2 人机变刚度技能传递及协同控制 |
| 6.1.3 连续意图识别及随动下肢外骨骼主动控制 |
| 6.1.4 VR-EEG运动想象的外骨骼主动步态生成 |
| 6.2 进一步工作展望 |
| 6.2.1 样机设计及集成方面不足 |
| 6.2.2 变刚度技能传递及协同控制方面不足 |
| 6.2.3 连续运动意图识别及随动下肢外骨骼主动控制方面不足 |
| 6.2.4 VR-EEG运动想象的外骨骼主动步态生成方面不足 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（3）基于示教器的机器人运动控制仿真系统研究与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及目的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容 |
| 第二章 工业机器人轨迹规划 |
| 2.1 工业机器人坐标变换 |
| 2.1.1 平移坐标变换 |
| 2.1.2 旋转坐标变换 |
| 2.1.3 复合坐标变换 |
| 2.2 工业机器人运动学分析 |
| 2.2.1 直角坐标系下的运动学方程 |
| 2.2.2 圆柱坐标系下的运动学方程 |
| 2.2.3 球坐标系下的运动学方程 |
| 2.3 工业机器人轨迹规划 |
| 2.3.1 关节空间的多项式轨迹规划 |
| 2.3.2 关节空间的线性轨迹规划 |
| 2.4 本章小结 |
| 第三章 工业机器人虚拟运动仿真系统设计 |
| 3.1 机器人虚拟生产线的可视化分析 |
| 3.1.1 机器人自动生产线结构分析 |
| 3.1.2 机器人虚拟自动生产线可视化实现 |
| 3.2 机器人虚拟运动仿真系统总体方案 |
| 3.2.1 系统概述 |
| 3.2.2 系统功能 |
| 3.2.3 系统实现步骤 |
| 3.3 运动控制仿真系统设计 |
| 3.3.1 需求分析 |
| 3.3.2 功能设计 |
| 3.3.3 典型案例设计 |
| 3.3.4 系统开发平台 |
| 3.4 虚拟现实引擎建模 |
| 3.4.1 场景构成及设计思想 |
| 3.4.2 建模工具 |
| 3.4.3 虚拟工业机器人建模 |
| 3.5 虚拟仿真系统控制界面设计 |
| 3.5.1 控制界面功能分析 |
| 3.5.2 UI场景搭建 |
| 3.5.3 控制界面功能实现 |
| 3.6 本章小结 |
| 第四章 工业机器人示教器设计 |
| 4.1 工业机器人示教 |
| 4.1.1 直接示教 |
| 4.1.2 遥控示教 |
| 4.1.3 间接示教 |
| 4.1.4 远程示教 |
| 4.2 示教系统设计 |
| 4.2.1 示教系统开发平台 |
| 4.2.2 示教系统功能 |
| 4.2.3 示教操作逻辑 |
| 4.3 示教系统控制界面设计 |
| 4.3.1 按键功能设计 |
| 4.3.2 示教系统界面设计 |
| 4.3.3 示教系统界面搭建 |
| 4.4 本章小结 |
| 第五章 系统网络通信与功能实现 |
| 5.1 通信方案 |
| 5.1.1 TCP/IP通信协议 |
| 5.1.2 Socket通信 |
| 5.2 通信实现 |
| 5.2.1 运动控制仿真系统网络通信 |
| 5.2.2 示教器网络通信 |
| 5.2.3 网络通信测试 |
| 5.3 系统功能实现 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（4）基于人机协同策略的随动式下肢外骨骼机器人（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 外骨骼机器人的控制理论 |
| 1.3 当前研究存在的问题 |
| 1.4 本文研究内容和结构安排 |
| 1.5 本章小结 |
| 第2章 随动式下肢外骨骼机器人的系统设计 |
| 2.1 引言 |
| 2.2 设计思路与系统架构 |
| 2.3 机械结构与电气设计 |
| 2.3.1 机械结构 |
| 2.3.2 电气设计 |
| 2.4 主要零部件介绍 |
| 2.4.1 驱动系统 |
| 2.4.2 控制系统 |
| 2.4.3 传感系统 |
| 2.5 本章小结 |
| 第3章 基于视觉的随动跟踪方法 |
| 3.1 引言 |
| 3.2 基于Openpose的人体关节位置计算方法 |
| 3.2.1 主流的人体姿态识别方法比较 |
| 3.2.2 Openpose算法的基本原理 |
| 3.2.3 基于双目相机的深度图像采集 |
| 3.3 基于视觉的随动跟踪算法 |
| 3.3.1 随动训练平台的运动学分析 |
| 3.3.2 随动跟踪算法设计 |
| 3.4 实验验证 |
| 3.4.1 基于Openpose的人体关节位置计算方法实验验证 |
| 3.4.2 随动跟踪算法的实验验证 |
| 3.5 本章小结 |
| 第4章 结合有限状态机的意图识别方法 |
| 4.1 引言 |
| 4.2 下肢外骨骼机器人的有限状态机设计 |
| 4.2.1 人体行走时的步态分析 |
| 4.2.2 有限状态机模型的设计 |
| 4.3 基于肌电信号的外部状态切换算法 |
| 4.3.1 表面肌电的生理原理 |
| 4.3.2 肌肉选取与手势设计 |
| 4.3.3 表面肌电信号提取与处理 |
| 4.3.4 基于滑动窗口的神经网络分类器 |
| 4.4 基于足底力的内部状态切换算法 |
| 4.5 实验验证 |
| 4.5.1 基于表面肌电的手势识别实验 |
| 4.5.2 基于足底力的内部状态切换实验 |
| 4.6 本章小结 |
| 第5章 “人在环中”的下肢外骨骼控制方法 |
| 5.1 引言 |
| 5.2 下肢外骨骼的运动学与动力学分析 |
| 5.3 “人在环中”的控制方法设计 |
| 5.3.1 “人在环中”控制方法的数学基础 |
| 5.3.2 “人在环中”的控制方法的设计思想 |
| 5.3.3 “人在环中”控制方法的数学原理 |
| 5.3.4 稳定性证明 |
| 5.4 实验验证 |
| 5.4.1 实验设计 |
| 5.5 本章小结 |
| 第6章 结合虚拟现实技术的康复训练软件平台 |
| 6.1 引言 |
| 6.2 系统硬、软件设计 |
| 6.2.1 虚拟现实模块硬件选择 |
| 6.2.2 系统软件结构设计 |
| 6.3 基于虚拟现实技术的康复训练软件 |
| 6.3.1 VR场景设计 |
| 6.3.2 VR角色设计 |
| 6.3.3 VR康复训练方案设计 |
| 6.4 实验验证 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 论文工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（5）基于未来视角的产品设计方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 绪论 |
| 第一节 研究背景 |
| 第二节 研究的目的意义 |
| 第三节 文献现状综述 |
| 第四节 研究框架与研究方法 |
| 第五节 本文的创新点 |
| 第一章 相关学科对未来思维的认知 |
| 第一节 自然科学领域对未来的认知 |
| 第二节 社会科学领域对未来的认识 |
| 第三节 思维科学领域对未来的认识 |
| 第二章 未来设计的相关概念 |
| 第一节 未来设计的概念界定 |
| 第二节 未来设计思维的路径 |
| 第三节 未来设计思维的价值 |
| 第三章 未来产品设计思维的制约因素 |
| 第一节 周期对未来进程中造物的影响 |
| 第二节 主观视野维度对未来造物的双向影响 |
| 第三节 转换资源能力的客观制约 |
| 第四章 产品设计中获取未来优势的工具 |
| 第一节 与造物组合获取未来优势 |
| 第二节 与系统的组合获取未来优势 |
| 第三节 资源牵引下的“未来式”发展 |
| 第五章 未来视角的产品设计方法建构 |
| 第一节 未来设计方法的建构原则 |
| 第二节 未来设计方法的建构的双向认识与流程 |
| 第三节 未来设计方法的思维溯层途径与方法 |
| 第六章 基于未来视角设计方法的实证 |
| 第一节 未来设计思维与方法的评价流程 |
| 第二节 基于未来思维的前瞻设计实践案例 |
| 结论 |
| 致谢 |
| 附录 |
| 参考书目 |
（6）基于具身认知的机器人虚拟拆装系统设计与开发研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 虚拟现实技术的发展 |
| 1.1.2 传统拆装需要虚拟系统的支持 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 实践意义 |
| 1.4 研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 第2章 VR具身学习空间的理论模型 |
| 2.1 核心概念 |
| 2.1.1 具身认知 |
| 2.1.2 虚拟现实 |
| 2.1.3 机器人虚拟拆装 |
| 2.1.4 VR具身学习空间 |
| 2.2 理论基础 |
| 2.2.1 建构主义理论 |
| 2.2.2 境脉学习理论 |
| 2.2.3 具身认知理论 |
| 2.2.4 沉浸理论 |
| 2.3 VR具身学习空间的理论模型 |
| 2.3.1 VR具身学习空间理论模型构建的基础 |
| 2.3.2 VR具身学习空间理论模型构建的层次 |
| 2.3.3 VR具身学习空间理论模型的要点分析 |
| 第3章 基于具身认知的机器人虚拟拆装系统设计 |
| 3.1 系统的必要性和可行性分析 |
| 3.1.1 必要性分析 |
| 3.1.2 可行性分析 |
| 3.2 系统设计的原则和要点 |
| 3.2.1 系统设计原则 |
| 3.2.2 系统设计要点 |
| 3.3 系统功能需求分析 |
| 3.4 系统功能模块的设计 |
| 3.5 系统场景设计和交互设计 |
| 3.5.1 系统场景的设计 |
| 3.5.2 系统交互的设计 |
| 3.6 系统框架设计 |
| 3.7 开发流程 |
| 第4章 基于具身认知的机器人虚拟拆装系统开发 |
| 4.1 开发环境配置及关键技术 |
| 4.1.1 开发环境配置 |
| 4.1.2 关键技术 |
| 4.2 三维模型的创建 |
| 4.2.1 拆装对象模型的创建 |
| 4.2.2 拆装工具模型的创建 |
| 4.3 功能模块的实现 |
| 4.3.1 登录模块的实现 |
| 4.3.2 具身学习模块的实现 |
| 4.3.3 结构认知模块的实现 |
| 4.3.4 虚拟拆装模块的实现 |
| 第5章 研究总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 申请学位期间的研究成果及发表的学术论文 |
（7）面向医疗复健的下肢外骨骼机器人的步态平衡方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及目的和意义 |
| 1.2 下肢外骨骼机器人研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 本文组织结构 |
| 2 人体步态采集系统 |
| 2.1 图像处理采集方式 |
| 2.1.1 标记点贴定 |
| 2.1.2 现场布置和RGB相机标定 |
| 2.1.3 步态数据获取 |
| 2.2 传感器采集方式 |
| 2.2.1 传感器介绍 |
| 2.2.2 传感器数据采集 |
| 2.3 数据预处理 |
| 2.4 人体步态运动规律 |
| 2.5 本章小结 |
| 3 基于分类的仿人步态策略 |
| 3.1 算法框架 |
| 3.2 步态分类和得到初级步态模型 |
| 3.2.1 动态时间规整算法 |
| 3.2.2 步态分类 |
| 3.2.3 得到初级步态模型 |
| 3.3 模型调整和得到标准步态模型 |
| 3.4 虚拟机器人测试 |
| 3.4.1 虚拟机器人构建 |
| 3.4.2 仿真实验 |
| 3.5 实际机器人测试 |
| 3.5.1 实际机器人介绍 |
| 3.5.2 实验测试 |
| 3.6 本章小结 |
| 4 个性化步态策略 |
| 4.1 基于Qo E的 LSTM |
| 4.1.1 LSTM介绍 |
| 4.1.2 数据说明 |
| 4.1.3 LSTM的实现 |
| 4.2 对比预测算法 |
| 4.2.1 Takens预测算法 |
| 4.2.2 改进的Takens预测算法 |
| 4.2.3 ARMA预测算法 |
| 4.3 算法对比与分析 |
| 4.4 本章小结 |
| 5 实验对比及其验证分析 |
| 5.1 实验设置 |
| 5.2 实验结果和分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）基于BIM与AR的建筑机器人虚拟交互仿真系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 增强现实技术研究现状 |
| 1.2.2 BIM技术研究现状 |
| 1.3 论文主要研究工作与结构组织 |
| 第二章 系统整体架构与功能分析 |
| 2.1 Unity3D开发引擎的优势 |
| 2.2 总体规划方案 |
| 2.2.1 系统需求分析 |
| 2.2.2 系统功能列表 |
| 2.2.3 系统总体框架 |
| 2.2.4 系统开发流程 |
| 2.3 系统开发涉及的关键技术 |
| 2.3.1 增强现实关键技术 |
| 2.3.2 实时碰撞检测算法 |
| 2.3.3 GUI交互技术 |
| 2.3.4 BIM模型处理技术 |
| 2.4 本章小结 |
| 第三章 BIM信息提取与增强现实注册 |
| 3.1 BIM信息提取 |
| 3.1.1 IFC标准基本架构 |
| 3.1.2 源文件解析 |
| 3.1.3 语义信息提取 |
| 3.1.4 几何信息提取 |
| 3.2 增强现实关键技术 |
| 3.2.1 显示技术 |
| 3.2.2 跟踪注册技术 |
| 3.2.3 人机交互技术 |
| 3.3 基于标识物的增强现实注册 |
| 3.3.1 标识物的选取 |
| 3.3.2 基于标识物的注册原理 |
| 3.4 本章小结 |
| 第四章 模型处理与功能模块开发 |
| 4.1 模型建立与处理 |
| 4.1.1 本体模型建立 |
| 4.1.2 BIM建模 |
| 4.1.3 模型解析 |
| 4.2 机械臂仿真操作模块 |
| 4.2.1 UGUI设计及操作方式 |
| 4.2.2 动作指令仿真的实现 |
| 4.2.3 机械臂玻璃搬运模拟 |
| 4.3 虚拟现实漫游模块开发 |
| 4.3.1 自动寻路漫游模块 |
| 4.3.2 自由交互式漫游模块 |
| 4.4 增强现实功能模块开发 |
| 4.4.1 Vuforia体系结构 |
| 4.4.2 开发流程 |
| 4.5 碰撞检测反馈界面开发 |
| 4.5.1 基于注意力的碰撞反馈算法 |
| 4.5.2 碰撞反馈界面设计 |
| 4.6 本章小结 |
| 第五章 系统发布与测试 |
| 5.1 系统登录界面设计 |
| 5.2 系统整合及发布 |
| 5.2.1 资源的整合 |
| 5.2.2 系统的打包发布 |
| 5.3 系统测试与总结 |
| 5.3.1 测试内容 |
| 5.3.2 运行测试 |
| 5.3.3 测试总结 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 在学期间取得的科研成果和科研情况说明 |
| 致谢 |
（9）基于大数据的网络空间主流意识形态传播研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 问题的缘由与研究价值 |
| 1.2 国内外研究动态与文献评析 |
| 1.3 研究思路与研究方法 |
| 1.4 研究创新点与难点 |
| 2 主流意识形态传播与网络空间的内在关联 |
| 2.1 意识形态概念的演变 |
| 2.2 主流意识形态传播方式的变迁 |
| 2.3 网络空间及其可塑性 |
| 2.4 网络空间与主流意识形态传播的内在关联维度 |
| 3 大数据技术对网络空间的形塑 |
| 3.1 大数据技术:网络空间变革的技术基础 |
| 3.2 大数据技术的生产力属性与功能 |
| 3.3 “大数据-网络空间”的界定 |
| 3.4 “大数据-网络空间”的本质 |
| 3.5 “大数据-网络空间”的主要特征 |
| 4 “大数据-网络空间”主流意识形态传播的机遇与挑战 |
| 4.1 “大数据-网络空间”主流意识形态传播的机遇 |
| 4.2 技术理性的张扬与传播者的遮蔽 |
| 4.3 数据化受众画像的失真 |
| 4.4 假新闻扰乱主流意识形态传播环境 |
| 4.5 政治逻辑、算法逻辑与资本逻辑的博弈 |
| 5 掌握主流意识形态传播的主动权:提升塑造“大数据-网络空间”的能力 |
| 5.1 建构基于传播者与受众能动性的个性化传播 |
| 5.2 设计主流价值算法 |
| 5.3 展开数据素养与政治素养双维度教育 |
| 5.4 大数据检测技术与监管齐头并进 |
| 6 结论 |
| 参考文献 |
| 作者简介 |
| 学位论文数据集 |
（10）基于多空间统一的机器人交互方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 本文的研究内容和贡献 |
| 1.4 本文的结构安排 |
| 第二章 相关技术和理论 |
| 2.1 本文总体框架 |
| 2.2 相关知识和算法 |
| 2.2.1 欧拉角、四元数和旋转矩阵 |
| 2.2.2 数据滤波算法 |
| 2.2.3 支持向量机模型 |
| 2.3 机器人运动学 |
| 2.3.1 机器人位姿表示 |
| 2.3.2 机器人运动学建模 |
| 2.3.3 机器人正运动学 |
| 2.3.4 机器人逆运动学 |
| 2.4 本章小结 |
| 第三章 多空间统一理论与技术 |
| 3.1 多空间统一的理论 |
| 3.2 虚拟空间与真实空间的融合技术 |
| 3.2.1 虚拟模型的创建 |
| 3.2.2 虚拟模型的注册 |
| 3.3 操作空间与虚拟空间的配准技术 |
| 3.3.1 交互场景的坐标系 |
| 3.3.2 坐标系标定 |
| 3.4 多空间统一下的裸手交互技术 |
| 3.5 本章小结 |
| 第四章 基于多空间统一技术的机器人移动交互方法 |
| 4.1 基于多空间统一的移动交互概念 |
| 4.2 引导式手势交互 |
| 4.2.1 映射式交互和引导式交互 |
| 4.2.2 手势数据的采集和滤波 |
| 4.2.3 人-机器人引导式交互 |
| 4.2.4 引导式交互的触发 |
| 4.3 融合手势与语音的机器人交互方法 |
| 4.3.1 控制指令的种类和结构 |
| 4.3.2 语音的识别和理解 |
| 4.3.3 手势和语音的融合交互 |
| 4.4 本章小结 |
| 第五章 机器人交互实验 |
| 5.1 实验环境 |
| 5.2 实验设计 |
| 5.3 实验结果与分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、面向机器人应用的虚拟现实系统（论文参考文献）
- [1]装配线仿真与装配件检测关键技术研究及应用[D]. 王帅. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021
- [2]面向康复训练的下肢外骨骼系统集成与主动控制技术研究[D]. 魏强. 中国科学技术大学, 2021
- [3]基于示教器的机器人运动控制仿真系统研究与开发[D]. 杨晓佳. 北方工业大学, 2021(01)
- [4]基于人机协同策略的随动式下肢外骨骼机器人[D]. 魏冬. 中国科学技术大学, 2021(08)
- [5]基于未来视角的产品设计方法研究[D]. 邹玉清. 南京艺术学院, 2021(12)
- [6]基于具身认知的机器人虚拟拆装系统设计与开发研究[D]. 胡田田. 天津职业技术师范大学, 2021(09)
- [7]面向医疗复健的下肢外骨骼机器人的步态平衡方法[D]. 林浩泽. 大连理工大学, 2021(01)
- [8]基于BIM与AR的建筑机器人虚拟交互仿真系统研究[D]. 贾淳. 天津理工大学, 2021(08)
- [9]基于大数据的网络空间主流意识形态传播研究[D]. 刘培. 中国矿业大学, 2020(07)
- [10]基于多空间统一的机器人交互方法研究[D]. 张博. 华南理工大学, 2020(02)