CASIA OpenIR

浏览/检索结果: 共7条,第1-7条 帮助

限定条件                    
已选(0)清除 条数/页:   排序方式:
面向狭小空间涂胶作业的机器人设计及规划感知技术研究 学位论文
, 2024
作者:  章澳顺
Adobe PDF(65020Kb)  |  收藏  |  浏览/下载:11/0  |  提交时间:2024/07/11
超冗余度蛇形机械臂  运动规划  视觉定位  缺陷检测  
Memory-based Error Label Suppression for Embodied Self-Improving Object Detection 会议论文
, 意大利巴里, 2024-8-28
作者:  Deng JR(邓杰仁);  Zhang HJ(张好剑);  Hu JH(胡建华);  Wang YK(王云宽)
Adobe PDF(2603Kb)  |  收藏  |  浏览/下载:32/12  |  提交时间:2024/06/20
Relevant Intrinsic Feature Enhancement Network for Few-Shot Semantic Segmentation 会议论文
, 加拿大温哥华市, 2.20-2.27
作者:  Xiaoyi Bao;  Jie Qin;  Siyang Sun;  Xingang Wang;  Yun Zheng
Adobe PDF(9284Kb)  |  收藏  |  浏览/下载:32/11  |  提交时间:2024/06/04
A Constrained Path Following Method for Snake-like Manipulators via Controlled Winding Uncoiling Strategy 会议论文
, Yokohama, Japan, 2024-5-13
作者:  Mingrui, Luo;  Yunong, Tian;  Yinghua, Cao;  Minghao, Chen;  Yanfeng, Zhang;  En, Li;  Min, Tan
Adobe PDF(5791Kb)  |  收藏  |  浏览/下载:42/16  |  提交时间:2024/06/03
A Local Obstacle Avoidance and Global Planning Method for the Follow-the-Leader Motion of Coiled Hyper-Redundant Manipulators 期刊论文
IEEE Transactions on Industrial Informatics, 2024, 卷号: 20, 期号: 4, 页码: 6591 - 6602
作者:  Mingrui, Luo;  Yunong, Tian;  En, Li;  Minghao, Chen;  Min, Tan
Adobe PDF(16892Kb)  |  收藏  |  浏览/下载:35/11  |  提交时间:2024/05/31
Cable-driven redundant manipulators  intelligent robot system  obstacle avoidance  path planning  
It takes two: Dual Branch Augmentation Module for domain generalization 期刊论文
NEURAL NETWORKS, 2024, 卷号: 172, 页码: 12
作者:  Li, Jingwei;  Li, Yuan;  Tan, Jie;  Liu, Chengbao
Adobe PDF(1630Kb)  |  收藏  |  浏览/下载:84/6  |  提交时间:2024/03/27
Domain generalization  Fourier transform  Uncertainty calibration  Test-time adaptation  
Bridging the gap with grad: Integrating active learning into semi-supervised domain generalization 期刊论文
NEURAL NETWORKS, 2024, 卷号: 171, 页码: 186-199
作者:  Li, Jingwei;  Li, Yuan;  Tan, Jie;  Liu, Chengbao
Adobe PDF(2408Kb)  |  收藏  |  浏览/下载:77/8  |  提交时间:2024/03/26
Domain generalization  Semi-supervised learning  Active learning