离子加速器与透射电镜耦合设施可以在离子束辐照样品产生高剂量率位移损伤的同时对材料中的微观结构和成分变化进行实时原位的观察与分析，因而能揭示辐照过程中点缺陷迁移，凝聚等动力学过程以及在纳米尺度上材料各种结构变化的临界辐照剂量，获得实验数据，配合计算机模拟验证或建立辐照效应的动力学模型，为开发新型抗辐照材料提供科学依据。由于反应堆材料中嬗变产物（主要是氢和氦）与中子所致的位移损伤往往按特定比例同时产生，单离子束辐照不能观察到氢、氦与位移损伤的协同作用，世界核电强国都在兴建能同时模拟位移损伤和氢、氦协同作用的三离子束辐照装置。但多离子束与透射电镜联机受到电镜极靴空间和电磁场的限制，困难很大，最先进的此类设施也只能同时引入两个离子束。本项目研制先进的氢、氦同轴低能离子注入机，将氢、氦与产生位移损伤的中能重离子（400 keV)同时引入透射电子显微镜，即将建成世界上最先进的辐照效应实时原位分析装置。

本发明公开了一种全程实时数据统计的丝杠健康保障方法，该 方法通过数据的全程实时采集，丝杠位置区间划分，对采集的数据分 区间统计;求取丝杠各区间统计指标值的标准差，用标准差表征丝杠 的不均衡工作状况;判断各区间统计指标值的标准差是否大于所设定 的阈值，对丝杠的工作状况和各区间相对健康状态做出预测判断。本 方法可在数控系统内部实现，不需要附加任何额外的传感器和存储设 备，不受外界干扰，使用方便;可以监测丝杠的不均衡工作状况,并可 提供自动预警;可用于指导调整工作台的位置，避免机床工作台在某 个位置长期工

本发明公开了一种基于 Storm 实时流计算框架的消息可靠处理 保障方法，包括：①预处理阶段，对环境做初始化工作；②集群计算 过程中对已经发射并正处于计算状态的数据进行跟踪；③发射任务在 监听到消息处理成功的信号时，清空缓存区中属于它的所有子元组的 跟踪信息；④发射任务在监听到消息处理失败的信号时，定位产生处 理失败的任务的位置和待恢复数据；⑤根据跟踪信息和 xml 文件构建 消息恢复程序，然后从缓存区读取待恢复数据

本实用新型涉及种苗测量装置技术领域，尤其是一种可实时观测种苗根长和苗长的发芽装置，包括透明塑料盒体、隔板、固定板和种子固定槽，所述电动伸缩杆的顶端固定连接有旋转球安装座，所述旋转球安装座上开设有球形槽，所述球形槽内活动连接有旋转球，所述旋转球上固定连接有连接块，所述连接块上固定连接有水平的第一套管，所述第一套管内螺纹连接有第二套管，所述第二套管内螺纹连接有第三套管。该可实时观测种苗根长和苗长的发芽装置，结构简单，能一次性解决种苗根长、苗长的测量问题，能节省大量人力、物力，提高工作效率，能快速、简便的测出种苗的根长和苗长，大大的降低了其使用的局限性。

产品详细介绍 【产品简介】 MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡是基于PCI-E X1总线结构开发的四路高清实时图像采集卡，数据传输速率可达 250MByte/S，为了更好的为行业客户提供更优质的产品和服务，维视公司针对流媒体应用，多媒体视频点播、在线直播、录播，大屏幕拼接、屏幕边缘融合、工业多路图像采集处理、机器视觉图像处理分析、智能交通、电子警察、车牌识别、抓拍等领域的应用特点推出的新一代图像产品。 MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡使用第四代Philips公司非常精良的10bit A/D芯片，采用4线3D梳状滤波器能自动消除噪点、抗混叠滤波等技术，使图像清晰度更高、图像采集的实时性能更强,采样频率更高,完美解决了运动图像采集处理的拉毛、拖尾、撕裂等现象，PCI-E X1总线结构解决了PCI总线视频图像采集卡大尺寸多路图像采集拉丝的问题，使图像色彩真实，层次感好过度清晰，板卡性能稳定，免除了客户因图像采集质量不高影响整个设备性能的烦恼。 【性能指标】 l 可同时采集四路标准PAL、NTSC制式彩色/黑白信号，一槽四卡，总帧率100帧/s； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡可支持四路复合视频输入； l 采用第四代最新Philips的10bit A/D芯片，黑白方式10bit，彩色方式RGB各10bit；、 l 四路同时可采集最大分辨率为PAL：768×576×32bit×25fps，NTSC：640×480×32bit×30fps支持一机多卡； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡支持任意形状的图像采集，持裁剪与比例压缩模式； l 可实时采集单场、单帧，任意间隔以及连续帧的图象； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡亮度、对比度、色度、饱和度，画面大小比例均软件调节； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡具有软件字符图形叠加，硬件上下镜像反转功能；  l 可实现实时图像采集通过PCI-E X1总线传递至计算机内存； l 四通道实时图像采集卡支持计算机内容与图像同屏显示。； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡采集格式：如RGB555、RGB24、YUY2、YVU9、YV12等； l 该产品为MV-800系列产品的升级产品，对于老客户开发好的系统软件不用做任何改动即可完美兼容。 l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡底层程序稳定，功能丰富、开发简便、便于程序移植，供货稳定，无需担心停产。 l 硬件兼容性能好，工作稳定可靠。可在兼容机、原装机/工控机上，甚至在高温、电弧焊接、石油勘探现场等恶劣环境下都能良好地稳定工作。 【开发工具】 l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡操作系统支持：Windows 2000、XP、Vista、Win7。 l SDK支持：VC、VB、Delphi。提供演示程序及演示程序源代码！ l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡驱动支持：WDM、VFW、DirectX、OpenCV、Matlab、LabView、Halcon、MIL。 【应用领域】 l 流媒体领域：多媒体视频录播、在线直播、点播系统、大屏幕拼接、屏幕边缘融合等。 l 工业领域：生产线在线检测、机器视觉成像系统、工业图像处理等； l 科学研究：模式识别、图像采集算法研究、图像处理、建模等； l 交通领域：电子警察、车牌识别、道路抓拍；

产品详细介绍 【多路图像采集卡特点简介】 MV-E8800 PCI-E多路图像采集卡 高清图像采集卡 高分辨率图像采集卡是对系统开发商进行多路视频图像开发的PCI-E图像采集卡,它采用PCI-E X1总线作为数据存取通道，（独立带宽，高于PCI共享带宽模式），总线数据传输速率可达250MByte/S,实时并行处理技术使图像采集速度更快，可以采集到更多通道和更大尺寸的视频图像。解决了PCI总线视频图像采集卡大尺寸多路图像采集拉丝的问题 ，采用超强的10bit AD转换芯片,相对于8bit、9bit AD转换来说,不管是图像质量还是颜色的饱和度方面都要强很多,它具有的4线3D梳状滤波器能自动消除噪点,它的图像质量要更好. 采样频率更高,运动图像软件处理不拉毛、不拉丝、不托影,图像质量得到最大增强,性能更为稳定。 MV-E8800 PCI-E 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡用于交通路口电子警察，工业图像检测,大屏幕视频显示、多路图像同时抓拍，并提供给您方便的二次开发包（DLL），甚至还能根据用户要求直接修改底层软件，令我们的图像卡更好地配合您的系统。 【高清图像采集卡性能指标】 l       8路PAL，NTSC彩色或黑白视频信号同时输入，同时显示。  l      MV-E8800 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡用10bit高清晰度图像芯片，图像色彩更真实，清晰度更高。  l      图像分辨率最高：768 X 576 X 32BIT; NTSC 640 X 480 X 32BIT。 l      支持任意形状的图像采集。支持裁剪与比例压缩模式。 l      MV-E8800 8通道实时图像采集卡支持计算机内容与图像同屏显示。  l      MV-E8800 8通道实时图像采集卡亮度、对比度、色调、色饱和度软件可调。 l      MV-E8800 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡可在图象上实时叠加字符、图形、文字功能  l      MV-E8800 8通道实时图像采集卡支持单场、单帧、连续场、连续帧的采集方式，支持单机多卡。  l      软件功能丰富完善、开发简单方便，在Microvison图像采集卡中容易移植； l     MV-E8800 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡可在外部视频上叠加文字和图像，实时显示在计算机屏幕上； l      底层程序稳定，功能丰富、开发简便、便于程序移植，供货稳定，无需担心停产。 l      硬件兼容性能好，工作稳定可靠。可在兼容机、原装机/工控机上，甚至在高温、电弧焊接、石油勘探现场等恶劣环境下都能良好地稳定工作。 【高分辨率图像采集卡开发工具】 l     操作系统支持：Windows 2000、XP、Vista。 l     SDK支持：VC、VB、Delphi。提供演示程序及演示程序源代码！ l     驱动支持：WDM、VFW、DirectX、OpenCV、Matlab、LabView、Halcon、MIL。 【典型应用】 工业检测、智能交通、医学影像、车牌抓拍、工业监控、仪器仪表、大屏幕显示、机器视觉等领域。

本系统是一款专为中小学音乐教师设计的备授课一体化软件。它深度融合了备课与授课两大核心环节，通过配套的海量音乐教学资源，旨在有效降低教师的备课难度，全面提升课堂教学质量。 备课模块：灵活高效，资源随心 备课模块为教师提供了一个功能强大且易于操作的创作平台，让音乐课件的制作变得前所未有的简单。 混合编辑与排版：支持五线谱、简谱、图像、音频、视频、动画、文本、表格、图形等多种元素的混合编辑。教师可以在一个课件中创建任意数量的页面，自由组合，满足多样化的教学设计需求。 智能乐谱生成： 乐器指法谱：可一键在五线谱或简谱上方生成口风琴、竖笛、陶笛、葫芦丝等多种小乐器的指法参照谱，方便器乐教学。 节奏参照谱：支持生成独立的节奏谱，并与主曲谱上下混合排版，强化节奏教学。 简谱与五线谱对照：支持在五线谱上方生成简谱参照，或在简谱上方生成五线谱参照，实现两种记谱法的同步教学与转换。 专业乐谱编辑： 五线谱编辑：提供音符组输入、和弦输入及符尾自动调整等专业功能。 简谱编辑：支持便捷地添加减时线等操作。 完备符号库：内置齐全的乐谱符号库（谱表、谱号、调号、拍号等）和丰富的乐谱标注符号库（演奏记号、强弱标记、速度术语等）。 智能辅助功能： 歌词处理：具备歌词智能对齐和自动添加带声调拼音的功能，并能自动识别多音字。 图文混排：可自由输入文本、插入图形和表格，并支持将任何乐谱符号、音符等元素拖入文本框或表格中，自定义其颜色与大小。 无缝对接办公软件：所有音符及乐谱片段均可复制为透明背景，直接粘贴到PPT或WORD中，与文档背景完美融合，方便教师制作美观的教案与课件。 授课模块：互动演示，生动课堂 备课模块制作的课件可一键无缝切换至授课模块，为课堂带来生动、专业的互动演示体验。 动态播放与展示： 多种播放模式：支持旋律、节奏、唱名、试唱、哼唱、范唱、伴唱等七种播放模式，并可在同一界面内自由切换，满足不同教学环节的需求。 精准播放控制：支持通过点击曲谱或歌词的任意位置来设定播放范围，可跨小节、跨段落播放，甚至精确到单个音符。 同步高亮显示：播放时，曲谱上的音符、歌词与屏幕上的虚拟音乐键盘会同步高亮，帮助学生实现音谱同步、视听结合。 灵活的课堂调整： 指法谱动态更新：在授课时，当教师修改曲谱的调号，上方的小乐器指法参照谱会自动随之改变，极大方便了课堂上的即兴移调教学。 音乐元素变更：可随时变更播放的调式和速度，以适应不同的教学情境。 课件再编辑：支持在授课过程中直接修改五线谱或简谱的音符、歌词，修改后的课件可立即播放试听。 丰富的教学工具： 歌词显隐：支持一键显示或隐藏歌词，方便学生在学会歌曲后进行背唱练习。 3D索引：对于包含多个页面的课件，可通过3D索引画面快速定位，提升授课效率。 集成白板工具：内置笔迹、板擦等高效白板工具，方便教师直接在课件上进行圈点标注。 多媒体支持：支持插入并播放视频、动画及音频文件，其中MP3、WAV格式音频支持变速、变调播放。 完备的音乐教学资源 系统内置了丰富且专业的音乐教学资源库，为教师的日常教学提供坚实后盾。 专业符号库：包含齐备的乐谱符号库与乐谱标注符号库。 海量知识库：拥有超过20万字的音乐知识库，涵盖乐理、中西方乐器、中国音乐（民乐、曲艺、戏曲）、西方音乐及名曲名家等内容。 丰富图库：提供不少于50个基本图形和200个装饰图库。 配套乐谱课件：提供与主流音乐课本配套的可播放乐谱课件。 云端资源共享：接入音乐资源网络云平台，持续更新和扩充教学资源。 资源便捷调用：所有教学资源均可快速复制并粘贴至PPT课件或WORD教案中。

一种基于虚实力融合的遥操作机器人力觉临场感实现方法可广泛用于各类机器人的力控制，以及各种工程机械装备的力控制。

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。    

1.痛点问题 协作机器人与人类共享工作空间，通过直接（即物理上）或间接地与人类交互共同开展操作任务。相比传统工业机器人，协作机器人有更高的安全性和更易于编程的特点，能够通过人类示教部署于各种不同的任务并灵活地与人类配合。随着传统工业机器人带来的效率提升趋于饱和，能够安全配合人类的协作机器人能够进一步提高制造业的生产效率，带来可观的经济效益。然而，现有的协作机器人存在以下两大痛点问题。 问题一：安全和效率之间的权衡一直是人机交互中未系统解决的开放性问题。当存在人机直接接触时，为了保证人的安全，现有的协作机器人是通过中止正在进行的任务、顺从人的干预以保证安全；然而，不论人是有意地干预（即工人直接抓取机械臂来引导其任务）还是无意地接触机器人，都将造成机器人暂停手头工作；直到人类停止干预，机器人才能继续执行它的任务。虽然这种人机协作方式能够保证机器人与工人合作的安全，但因为机器人需要在不同的工作模式之间切换，其工作效率将会受到影响。 问题二：如何提高人的示教效率为协作机器人的另一大痛点问题。协同机器人多用于能够灵活拆装的生产线，以适应新的任务，因此新任务的编程效率很大程度上决定了工作效率。基于人类示教的编程方式具有自然、本能的优势，能够直接传递人类的操作技巧与经验。其中，将示教轨迹参数化为可以编辑修改、适应不同任务的形式是提高效率的核心问题。该示教轨迹不光应该包含机器人末端的运动数据，而且应该包含同时调整的冗余关节运动数据，从而同时完成末端主任务与关节避障任务，以适应工作环境。现有的示教方式未能结合离线示教与在线介入，因此无法适用于需要同时记录机器人末端和关节的示教任务。 2.解决方案 本项成果基于增强现实-触觉感知技术，开发了混合交互接口与人机互补操作算法，以解决上述痛点问题。 ①对于问题一，本项成果提出了自适应视觉控制与零空间阻尼控制的协作框架：在有限视场、未校正相机、关节奇异的情况下，保证了机器人在整个工作空间内的全局稳定性；在不影响机器人末端任务的前提下，允许人类专家随时、安全地介入以改变机器人关节姿态，以应对环境动态变化或突发事件，从而实现了安全与效率并重的人机协作方式。 ②对于问题二，本项成果构建了增强现实-触觉感知的混合接口，让人类专家可以在任务和冗余联合空间进行双手演示，同时记录机器人末端与机器人关节的数据。示教轨迹基于DMP方法进行参数化，能够根据不同任务所需的末端位置、关节角度、运动速度进行自适应调整，在保证末端任务精度的同时完成关节的避障任务。 技术核心： ①基于增强现实-触觉感知的混合交互接口; ②用于双手示教的机器人轨迹学习方法; ③自适应全局稳定控制算法。 预期产品：用于人机互补协同操作的设备与软件 3.合作需求 1)资金需求：本项成果开发的人机互补协作平台，在硬件与软件研发阶段需要资金投入，需约250-500万元人民币； 2)孵化资源：公司研发所需办公及研发场地、实验室、分析与测试实验室等； 3)团队：协作平台开发团队、商务开发与合作团队、财务、法务等支持团队； 4)生产制造企业合作：提供人机协同操作的场景与需求，开展工厂真实环境的测试与部署； 5)基础研究合作：与协作机器人、增强现实、触觉感知方向的国内外基础研究团队合作，开发新的交互设备与算法。