详情

基于深度学习的磁控微型机器人位姿估计

申报人:马卓晨 申报日期:2023-09-28

基本情况

第二十八期“上海交通大学大学生创新实践计划”
基于深度学习的磁控微型机器人位姿估计
创新训练项目
工学
自动化类
创新类
电子信息与电气工程学院
马卓晨
指导教师
登录状态下查看

马卓晨,上海交通大学自动化系副教授。作为项目负责人及主要参与人,承担或参加多个项目包括国家自然科学基金青年科学基金项目、上海市自然科学基金面上项目,教育部联合重点基金,机器人技术与系统国家重点实验室开放课题、国家自然科学基金国际合作与交流项目、上海市重大专项、企业课题等多个项目。担任国际期刊Frontiers in Nanotechnology, MicromachinesGuest Editor,在Nat Commun, Adv Funct Mater, Small等国际高水平期刊发表论文30余篇。研究领域包括:微纳机器人的精密操控,基于机器学习的微纳机器人感知规划导航。

  指导老师马卓晨副教授目前主持和参与的国家自然科学基金及上海市自然科学基金与机器人的感知、自动导航与定位密切相关。本项目将深度学习技术与磁控微型机器人位姿估计相结合,旨在提高微型机器人的自主性和准确性,具有科研和实际应用的重要价值。

  指导教师为本申报项目配套5000元经费支持;提供实验室计算资源支持,提供研究生指导本科生科研;提供实验室自主研发的微型机器人控制系统等科研设备使用;且实验室在该领域有充分的前期研究基础,为本项目的顺利完成打下坚实基础。

   磁控微型机器人是一种具有微小体积和高度灵活性的机器人系统,在医疗、微操作和微创手术等领域具有广泛应用前景。位姿估计用于确定机器人在空间中的位置和方向,是确保这些机器人精确执行任务的关键因素。?深度学习技术已经在计算机视觉和机器人领域取得了显著的进展,但是当尺寸缩小到微米毫米级别时,将会有新的挑战和机遇存在。因此,将深度学习应用于磁控微型机器人位姿估计是一个具有挑战性和前景广阔的选题。

   本选题的目标是研发一种基于深度学习的方法,用于提高磁控微型机器人的位姿估计准确性和可靠性。通过充分发挥深度学习的强大模式识别能力,旨在实现在复杂场景中更加精确和鲁棒的位姿估计。此外,本选题将深度学习技术与磁控微型机器人位姿估计相结合,旨在提高微型机器人的自主性和准确性,拓展其应用领域,具有科研和实际应用的重要价值。

选题成员

1

指导教师

序号 教师姓名 电子邮箱 所属学院
1 马卓晨 登录状态下查看 电子信息与电气工程学院 第一指导教师

选题附件

结束