我开发了一种预测技术对职业影响的新方法。 我使用工作任务描述文本和专利文本之间的重叠部分来构建衡量任务对自动化的暴露程度的度量。 我首先将该方法应用于软件和工业机器人等历史案例。 我确定，在相关时期内，我衡量为高度受以前的自动化技术影响的职业，其就业和工资有所下降。 我使用案例研究中的拟合参数来预测人工智能的影响。 我发现，与软件和机器人相比，人工智能是针对高技能任务的。 在长期替代的历史模式将继续的假设下，我估计人工智能将减少90:10的工资不平等，但不会影响收入最高的1％。

行为树 这个C ++ 14库提供了一个创建BehaviorTrees的框架。 它设计灵活，易于使用，ReactSwift。 即使我们的主要用例是机器人技术，您也可以使用此库来构建游戏的AI或替换应用程序中的有限状态机。 与其他实现相比，很少有功能可以使BehaviorTree.CPP变得唯一： 它使异步Action （即非阻塞）成为一等公民。 您可以构建可同时执行多个操作的React式行为。 树是使用域特定脚本脚本语言（基于XML）定义的，并且可以在运行时加载。 换句话说，即使使用C ++编写，树也不是硬编码的。 您可以静态链接自定义TreeNode或将其转换为可在运行时加载的插件。 它提供了一种类型安全且灵活的机制来在树的节点之间进行数据流。 它包括一个日志记录/概要分析基础结构，该基础结构使用户可以可视化，记录，重放和分析状态转换。 最后但并非最不重要的一点：有！

此仓库是AWESOME摄影测量项目，应用程序，工具和资源的集合。 标有的项目 是开源软件，并链接到源代码。 标有的项目 是非免费的，可能需要花钱才能使用。 随意贡献/加星/分叉/拉取请求。 任何建议和意见是值得欢迎的。 目录 科学会议 相关真棒列表 执照 致谢 定义 根据K. Schindler和W.Förstner的摄影测量学定义： “摄影测量学是从图像中获取有关物理环境信息的科学技术，重点是在测量，制图和高精度计量学中的应用。摄影测量学的目的是为这些工程任务提供自动化或半自动化的程序，着重于指定的准确性，可靠性和信息完整性。” 资料来源：K. Schindler和W.Förstner的摄影测量（2020）。 于：《计算机视觉：参考指南》，第二版。 摄影测量软件 Agisoft变形 麦克麦克 MVE OpenDroneMap Pix4D 现实捕捉 确保

机器人运动学，动力学Mtalab仿真工具箱

我用带绝对编码器的无刷摆线齿轮传动器关节制造了一个开源四足机器人。

目的 该存储库旨在为软机器人应用程序提供多种弹性体的机械特性，从而有助于材料的选择。 依靠ASTM D412测试标准，我们遵循严格的协议来通过拉伸测试表征弹性体。 作者：该知识库由和维护。 软机器人数据库应用程序 除了可视化原始实验数据外，该应用程序还允许您拟合本构模型的范围，并在“本构模型”部分中为自己的软机器人应用程序提取相应的模型参数。 如何使用该应用程序？ :backhand_index_pointing_right: 维基 执照 该软机器人材料数据库是一个开放源代码数据库，可通过开放数据库许可获得： : 。 数据库个别内容的任何权利均已获得数据库内容许可的许可： : 引用 要在您的学术研究中引用软机器人材料数据库，请使用以下bibtex条目： @article{Marechal2020, author = {Marechal, Luc and Balland, Pascale and Lindenroth, Lukas

图5.20 使用一个LPM加法/减法模块的原理图 例如，若加法器的速度不是关键因素，但降低电路的成本非常重要，则CAD系 统就会生成行波加法器来实现lpm_add_sub模块。但若加法运算对速度有较高的 要求，则会生成超前进位加法器。正如我们曾在5.4.1节提到过的那样，某些芯片 （诸如FPGA）其中包含有实现快速加法器的专用电路块。使用与工艺技术无关 的宏函数允许CAD系统利用这些专用子电路块来生成所需要的电路。 图5.21和图5.22所示的波形是将根据原理图综合生成的电路在FPGA中实现后的 仿真结果。图5.21所示的逻辑综合是以尽可能地降低电路的成本为目标的，并不 考虑速度的因素，因此综合出的结果是行波加法器。该波形图展示了对该加法器 进行时序仿真时的情况。16位信号X, Y,和S的值以16进制的形式输出。在仿真刚 开始的阶段X和Y的值都被设为0000，50ns(纳秒)以后Y变为0001，过了大约13ns(纳 秒)以后才得到正确结果。这是因为在这种情况下进位信号需要经过每一级加法 器，输入的下一次变化发生在150纳秒，X 变为 3FFF。要得到正确结果4000， 加法器必须等待进位信号从第一级加法器传输到 后一级，这可以从S在得到稳 定值之前的一系列快速跳变中看出。观察仿真器的参考框，图中粗垂直线所在的

Robotics_TOOLBOX(机器人工具箱)及部分实例

细节增强的matlab代码RRT明星 RRT星动计划 这是RRT *算法的Matlab实现，它是RRT的“增强”版本。 示例运行： 磁石颜色中的线表示障碍物。 黑线代表创建的快速探索树。 红线是从起点到终点的最终路径。 另一个非常幸运的发现： 该算法仅通过幸运地对一个点进行采样就找到了一条路径。 否则它将找不到路径，因为RRT *在狭窄的通道中无法很好地工作。 没有路径示例： rrt及其狭窄通道时变体不好，在这里我们可以看到算法无法找到从起点到终点的路径 高层次的解释 使用随机均匀抽样，我们选择一个点的坐标，然后尝试将其连接到当前树。 （起初仅由起点组成），我们尝试将此新点连接到树中最近的顶点。 只有在线路没有碰到任何障碍物的情况下，我们才能连接它们。 重复此过程，直到例如到达多个所需的树节点为止。 最后，我们找到最接近终点的点，并尝试将它们连接起来，如果能够的话，我们已经找到了一条路径。 （由于我们正在统一采样点，因此我们不太可能无法到达终点）如果涉及到一条狭窄的通道，则此算法很有可能找到一条路径。 除了RRT，对于每个随机点x_rand，该算法还会找到树中距随机点半径r的圆内的所有

机器人大牛Peter Corke的经典之作，内容涵盖机器人学（工业机器人，移动机器人，飞行器等等），机器视觉，机器人控制和算法。同时还有matlab机器人工具箱和机器视觉工具箱的实例代码，是一本全面而详细研究机器人方向的入门书籍。