各单位：
现有企业需求发布如下：
1.导航行走
（1）双目视觉SLAM
利用两个摄像头模拟人眼的双目视觉原理，通过计算左右摄像头图像中对应特征点的视差来直接获取深度信息，从而构建更精确的三维地图。能够直接获取深度信息，深度测量精度相对较高，对光照变化的鲁棒性优于单目视觉SLAM。需要精确的相机标定和同步，硬件成本和计算复杂度相对较高；在纹理缺失或光照不均匀的场景下，特征匹配的准确性会受到影响。
（2）多传感器融合SLAM
将激光雷达、视觉传感器、惯性测量单元（IMU），全球导航卫星系统（GNSS）等多种传感器的数据进行融合，充分发挥各传感器的优势，提高定位和地图构建的准确性、鲁棒性和实时性。综合了多种传感器的优点，能够在复杂多变的室内环境中实现更可靠的定位和地图构建。例如，IMU可以提供高频的运动信息，用于补偿视觉或激光雷达数据在短时间内的缺失；激光雷达和视觉数据可以相互验证和补充，提高地图的精度和完整性。
2.仿真平台+機器人(機械臂)控制技術
（1）机器人及机房场景彷真(Isaac Sim)
依据公司提供之真实机房佈局、设备结构、机柜规格及相关设备图纸，校方于NVIDIA Isaac Sim平台内建立高精度IT机房3D虚拟场景模型。同时，参考公司现有巡检机器人之实体结构，建构其相应的URDF模型，包括可动关节的运动学设定（六轴机械臂与底盘驱动轮等），并于彷真环境内配置Intel Realsense D435i深度相机、激光雷达等感测设备模型。完成上述工作后，将IT机房虚拟场景与机器人数位模型整合，建构出一套完整且可用于公司业务需求开发与演算法验证的数位孪生彷真环境。
（2）机械臂操作模型训练(Isaac Lab)
本阶段将以NVIDIA Isaac Lab为平台，针对公司IT机房巡检任务进行机械臂操作模型的强化学习训练。训练目标为使机械臂掌握动态任务规划能力，提升开关机柜门、按压按钮、旋转旋钮等複杂动作的执行效率与稳定性。此外，透过整合视觉伺服技术，机械臂能即时根据视觉回馈调整运动策略，以更好地适应真实巡检场景中可能发生的不确定性与环境变化。训练成果完成后，可逐步导入真实设备，提升公司巡检机器人的整体可靠性与任务成功率。
具体详情请联系科技处0914办公室侯老师，联系电话84258597。
位置：
