高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
H3C UIS 7.0超融合软件
H3C UIS 7.0超融合软件是新华三集团面向企业和行业数据中心推出的面向未来的超融合创新产品。遵循开放架构标准,在通用X86和ARM服务器上无缝集成计算虚拟化、存储虚拟化、网络安全虚拟化、运维监控管理、云业务流程交付等软件技术。不仅可以精简数据中心服务器数量,整合数据中心 IT 基础设施资源,精简 IT 操作,提高管理效率,达到提高物理资源利用率和降低整体拥有成本的目的,而且UIS在上一代超融合架构基础上集成云原生引擎、赤霄加速引擎、多角色引擎、混合云引擎和智能边缘云引擎,利用ABC融合、全运行态、智能加速、云边端协同、高速网络聚合等先进技术,实现基于虚拟机/容器/函数/裸金属全运行态、云原生应用构建、边缘高性能实时计算、前后端整体加速、算力云边智能调度的超融合方案,提供私有云、混合云、边缘云全场景云计算解决方案。可为客户提供较佳融合、极简规模、极宽场景、智能加速的云基础架构,满足企业未来十年的技术架构变革。 •云原生引擎。可同时承载虚拟机、容器和函数计算。在内置云原生运行环境的优点是体积小、速度快,资源利用率极大提升。通过内置的K8SAPI接口,UIS具备了全运行态的资源编排能力,可以对虚拟机、容器、函数计算等资源统一编排管理,构建以应用为中心的云化数据中心。 •赤霄加速引擎。以智能加速卡为核心前后端到端全程加速、主机侧损耗为零,相同核数CPU条件下,对比非加速方案,可以多创建50%以上的虚拟机,每虚拟机成本降低20%以上。4K随机IOPS性能提升1倍以上。同时拥有业界最短IO路径的无损网络,网络时延从毫秒级降低到纳秒级。 •多角色引擎。UIS超融合管理软件打破了物理资源壁垒,以其自适应架构,不仅可以统一管理X86资源池和ARM资源池,还可以同时管理纯虚拟化节点、纯分布式存储节点、超融合节点、AI加速节点、裸金属节点等。兼容不同芯片、不同款型、不同配置、不同能力的物理节点。 •混合云引擎。结合紫光UIS超融合构建的本地私有云数据中心与在紫光公有云中部署的UISonUniCloud云中云,建立了一套资源同构、软件同构、管理同构、交付同构、灾备同构、迁移同构的全态同构混合云架构。 •智能边缘云引擎。超轻量级边缘云引擎,实现海量的物联网终端设备接入。建立了云、边、端三层技术架构,通过在边缘侧部署UIS-Edge智能边缘云平台,打通云边端数据通道和控制平面。 融合至简 •管理融合:计算、存储、网络、安全、运维监控、云业务等六大软件能力统一平台管理,融合交付,开箱即云。 •内核融合:虚拟化内核与IPv6、高性能虚拟网络交换机、SR-IOV硬件网卡驱动、GPU显卡驱动等无缝集成,从内核层控制系统效率、可靠性与稳定性。 •存储融合:UIS可以通过软件将服务器本地硬盘资源进行整合,构建统一资源池,向上层应用提供块、文件、对象统一存储服务,满足结构化、非结构化和半结构化等多类型数据存储需求。 •业务简化部署:集成一键自动化迁移工具,提供P2V、V2V的迁移服务,助力客户原有业务快速上云。 •可视化极简运维:UIS超融合管理平台构建了扁平化、随需而变、弹性可扩展的业务敏捷交付平台,集成了自定义大屏展示、六大一键操作、系统健康度模型、所画即所得、首页快捷方式等极简运维操作,使运维可视化、数据化、自动化、智能化。 虚拟化成熟度 UIS计算虚拟化软件UISCAS,在国际权威虚拟化性能基准测试SPECvirt中表现优异,并提供业内创新性的动态资源扩展(DynamicResourceeXtension,DRX)、无代理杀毒、应用HA、云彩虹等技术。 统一分布式存储 UIS存储虚拟化软件UISONEStor采用统一分布式存储融合架构,为存储系统的高性能、高扩展、安全可靠、自动化运维提供了有力保证。 •统一分布式存储架构。分布式对称架构,无需单独的元数据服务器;同时支持块、文件、对象存储;分布式全局缓存,有效提高集群读写性能。 •高可用。多副本冗余策略,保证数据可靠性,支持2-6个副本灵活配置;支持N+1到N+4的不同纠删码级别,可基于资源池和目录设置;全面的数据保护和容灾能力,支持复制、快照、克隆、拷贝、故障域、保护域等技术。 •高可靠。采用完全冗余组网,无单点故障,硬盘或节点损坏时保证业务不中断、应用无感知;硬盘或节点故障时自动重构,可调整重构优先级;支持在线不停机扩容,增加或删除节点、硬盘不影响业务正常运行,支持集群自动数据均衡 可靠性监控中心 UIS超融合管理软件提供可视化、极简的运维方式,管理人员可一键获取超融合集群的资源信息和服务状态,了解平台的整体运行状况,并能够迅速定位到具体问题。通过分层的方式,展示UIS超融合集群中服务层、系统层、硬件层的可靠性现状,基于一键巡检模式快速诊断站点的健康状态,为高效运维提供指导。 多维度数据保护 UIS超融合提供了UIS备份方案、UIS容灾方案和UIS双活方案三层防护体系,全面覆盖国家标准《信息安全技术信息系统灾难恢复规范》定义的6个灾难恢复能力等级。 •灵活丰富的冗余策略:UIS集成的分布式存储组件支持以卷为单位设置纠删码或者多副本冗余策略,无需热备盘就可快速完成数据重构,保障用户数据完整性。 •多场景备份:自带无代理备份功能,无需额外投入即可实现对虚拟机的差异、增量、全量备份功能,同时提供CDP连续数据保护 •SRM容灾:基于SRM异步复制等容灾方案,满足用户对异构站点或同构站点间容灾服务的需求,为关键业务永续提供有力保障。 •双活:以超融合集群延展技术为核心,为客户提供中心级容灾,保障用户关键业务永续运行。 一键上云 •IaaS云服务能力:融合云平台功能,提供丰富的IaaS云服务目录,可以实现资源的自助交付、分级分权管理、多租户管理、流程工单管理以及异构虚拟化纳管等功能。 •接口开放:开放标准化的RESTAPI接口及兼容OpenStackH/J/K/L/M/P等版本的插件与接口。 •平台开放:兼容200+种通用GuestOS、20+种开源和商用VNF网元。 •合作开放:开放安全、备份、特定行业应用、云管平台等垂直领域合作,培育商业生态,跨界融合。 核心业务承载 UIS为数据库场景负荷进行了针对性优化,为数据库等关键业务应用的部署、管理、应用提供了以下优势: •优秀I/O处理性能:元数据分离技术减少访问消耗;通过计算端缓存加速技术,提升数据库日志高效处理能力。 •简化基础架构和管理复杂性:通过组合不同负荷系统到统一的资源池,高密度整合计算资源,显著提高计算资源利用率。 •快速部署交付数据库实例:基于UIS超融合数据库部署向导可直接在现有资源池进行计算、存储、网络等资源的分配和配置降低时间和人员技术要求。 •数据库实例部署的较佳实践:计算节点资源规格、操作系统设置以及存储规划及搭配组合建议模板化呈现。 •计算资源随业务需求动态伸缩能力:应对业务峰值需求,提升资源利用率的同时也免除了初期规划和基础架构升级烦恼。 应用场景 UIS主要面向虚拟化、私有云、云桌面、分支机构、混合云、开发测试、边缘计算、容灾备份和数据库/关键应用一共九大应用场景。 •虚拟化场景:采用完全软件定义技术,实现IT基础架构的融合,并通过统一管理界面对所有资源集中管理和监控 •私有云场景:基于超融合构建私有云实现更高的实施效率、更弹性的扩展、更高的资源密度。 •云桌面:减少硬件资源消耗,同时减少机房空间占用量。超融合架构存储技术采用缓存分层技术,加速IO读写应对启动风暴问题。 •分支机构:可大幅简化IT运维管理,实现多分支机构统一管理,轻松横向或纵向扩展,以适应不断变化的需求。 •混合云:实现混合架构统一的运维管理、健康巡检、快速完成故障排场,减少IT运维时间和异构平台运维难度。 •开发测试:实现快速环境获取,模拟生产网络环境、运维自动化、更快的应对新技术发展和加速业务上线 •边缘计算:将网络、计算、存储等能力延伸到网络的边缘,在边缘站点就近提供稳定、可靠、高速的边缘计算服务。 •容灾备份:针对不同的RTO和RPO需求提供更加高效、简单和低成本的的容灾备份解决方案。 •数据库关键应用:大简化传统模式的部署复杂性,显著提高计算、存储资源的利用率和缩短业务部署时间。
新华三技术有限公司 2022-09-19
AUBO 3D Robot 数字孪生仿真软件
AUBO 3D Robot数字孪生仿真系统是一套完整的数字工厂仿真实训平台,采用数字孪生技术,将虚拟工厂的机电系统与真实的控制系统打通,通过丰富的3D虚拟交互形式,从而实现对智慧工厂电气接线、编程、控制教学培训等目的。该系统采用了1:1的虚拟机器人示教系统接入至虚拟工厂,以虚拟化的机器人本体及周边设备代替实体,实现机器人的人机协作、系统集成、编程维护的应用实训开发。 此外,软件系统不仅仅是针对于机器人系统的简单示教与编程应用,通过结合PLC系统、运动控制系统以及机器视觉控制系统等各种集成控制,能够给与一套虚拟与现实机器人工厂应用场景的复现。
遨博(北京)智能科技股份有限公司 2023-02-21
医学虚拟仿真教育软件产品体系
厦门立方幻境虚拟仿真系统将虚拟仿真技术与临床医学教学相结合,模拟数十种真实基础护理学案例,将基础临床医学专业操作规范要求、操作动作、器械位置等交互关系实时3D立体呈现;医学师生可直观观察各案例情况、按规范要求进行护理知识学习、实训;对操作过程实时展示、纠正错误、进行考评。系统能有效协助教师完成教学和考核工作,帮助医学生更快掌握基础护理学知识和技能。 系统拥有:PC、VR、AR、MR、3D交互墙、CAVE沉浸系统、移动版等多种软件版本,客户可根据需求定制。 产品涵盖: (1)、理虚实教学管理平台(2)、内科学(3)、外科学(4)、妇产科学(5)、儿科学(6)、口腔医学(7)、中医学(8)、基础护理(9)、急救护理(10)、老年护理(11)、康复治疗(12)、生理学(13)、动物学 等多个医学专业门类,及细分医学科目。更多产品资讯欢迎致电详询。
厦门立方幻境科技有限公司 2022-06-23
京津冀协同发展背景下,软件和信息服务行业产教融合共同体构建研究与实践
京津冀三地教育融合发展逐步深化,教育改革创新与产业转型、区域发展结合更加紧密,产教融合共同体建设需要政府、高校、企业等各方努力和协作,通过搭建育人平台、构建运行机制、创新人才培养模式,推动共同体建设深入发展。天津市大学软件学院基于十余年的先行先试,围绕“更好发挥企业重要主体作用,促进人才培养供给侧和产业需求侧结构要素全方位融合”等产教融合深化课题,不断探索创新,凝练成果,创建了“需求传导明确、校企高效协同、资源集约共享”的校企协同育人组织形态,即产教融合共同体的实现路径,为高校开展产教融合、校企合作提供可复制可借鉴的经验。
天津市大学软件学院 2025-05-16
虚实力融合遥操作机器人力觉临场感实现方法
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。
东南大学 2021-04-10
机械臂无模型视觉反馈控制及其自适应操作应用研究
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。    
厦门大学 2021-04-11
一种基于操作转换的文本编辑实时协同方法
本发明提出了一种基于操作转换的文本编辑实时协同方法,本发明首先通过产生的本地操作发送到 其他站点,然后通过因果接受找出与该操作具有并发关系的操作;对其进行转换得到该操作在该站点的 执行形式,并将该操作加入到执行队列,完成协同编辑;本发明能够支持在网络环境下多用户实时对同 一文本进行协同编辑;本发明能够支持实时协同编辑工作,即所有的用户最终得到一致的结果的,并且 结果是用户想要的;本发明应用到实时协同编辑中不需要全序控制;不仅能够做到结果一致,而
武汉大学 2021-04-14
基于增强现实-触觉感知的混合交互接口与人机互补操作算法
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。
清华大学 2022-11-02
人才需求:1、中控室操作员 2、质管部工艺员
1、中控室操作员2、质管部工艺员
淄博鲁中水泥有限公司 2021-08-30
IECUBE-3833集成电路实景操作VR实训平台
IECUBE-3833集成电路实景操作VR实训平台可提供集成电路制造设备、工艺制造、封装操作和器件测试4类VR实操实验,与IECUBE-3831和IECUBE-3832平台配合使用。
北京曾益慧创科技有限公司 2022-07-08
首页 上一页 1 2
  • ...
  • 41 42 43
  • ...
  • 65 66 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1