感知系统

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

设计资料

查看更多
  • 基于ESP32-S3设计的智能文物展柜
    本文围绕基于ESP32设计的智能文物展柜系统,从项目开发背景、功能需求分析、硬件模块选型与接线说明、软件框架设计到核心代码实现,进行了全面而系统的阐述。该系统以ESP32-S3高性能微控制器作为核心处理单元,集成了SHT30温湿度传感器、BH1750光敏传感器、MQ135有害气体传感器、SW-420振动传感器、HC-SR04超声波测距传感器以及CH9300-FL语音播报模块等多种感知与执行器件,构建了一套多维度的展柜环境实时监测与智能管控平台。
    150
    07/16 08:41
  • ERM振动马达和LRA区别:工程师如何选择适合的振动反馈方案?
    在智能终端、可穿戴设备、医疗电子、工业控制以及机器人设备快速发展的今天,振动反馈技术已经成为人机交互的重要组成部分。其中,ERM振动马达和LRA振动马达是目前应用最广泛的两类振动执行器。那么ERM振动马达和LRA区别究竟在哪里?工程师在产品开发过程中又该如何选择?本文将从结构原理、性能表现、应用场景及未来发展趋势等方面进行分析。 ERM振动马达的工作原理 ERM振动马达(Eccentric Rot
  • BEV在自动驾驶中起到什么作用?近几年有哪些实践?
    BEV感知技术通过提供上帝视角的俯瞰图,消除透视失真,整合多传感器数据,实现统一坐标系下的环境建模。BEV技术经历了从几何变换到端到端学习的发展,包括BEVFormer和Sparse4D等标志性突破。然而,BEV技术仍面临深度估计、数据标注成本高昂和多传感器同步等问题。尽管如此,BEV已成为自动驾驶技术的核心,正逐渐扩展至机器人操作等领域。
    BEV在自动驾驶中起到什么作用?近几年有哪些实践?
  • 十分钟读论文 | Hiking in the Wild: 人形机器人感知跑酷框架深度解析
    《Hiking in the Wild》是一款适用于人形机器人在野外复杂地形中高效稳健行进的人工智能框架。它采用了端到端的感知控制方案,并通过自中心深度图合成、安全落足机制、抗奖励欺骗策略和零样本迁移等关键技术,解决了传统方法在地形感知和控制上的诸多问题。该框架还引入了对抗运动先验(AMP)来提高运动的自然性和流畅性。整体来看,《Hiking in the Wild》在提升人形机器人在复杂环境中的性能方面取得了显著进步。
    十分钟读论文 | Hiking in the Wild: 人形机器人感知跑酷框架深度解析
  • 道钉系统:分布式感知+无线联动,构筑高速公路秒级预警网络
    高速公路上的二次事故,往往比一次事故更致命。前方刚发生追尾,后方车辆仍以百公里时速驶来——驾驶员看到危险时,已来不及刹车。问题的根源不在反应速度,而在信息传递:从事故发生到后方收到预警,传统方式需要数分钟,而这段时间足够后方车辆驶过两公里。 道钉系统的出现,将这一时间差从“分钟级”压缩至“秒级”。鼎和创新DH-T100智能道钉系统,以分布式感知节点、LoRa无线自组网、鸿蒙架构低延迟协同,为高速公