Zooids:构建群体用户界面的积木

项目介绍
Zooids 是一个开源的开放硬件平台,旨在开发桌面群体用户界面(Swarm User Interfaces)。群体用户界面是一种新型的人机交互界面,由许多自主机器人组成,这些机器人不仅负责显示信息,还处理交互任务。Zooids 平台由一组定制设计的微型轮式机器人、一个无线基站、一个用于光学跟踪的高速 DLP 结构光投影仪以及一个用于应用程序开发和控制的软件框架组成。通过一系列使用 Zooids 开发的应用场景,我们展示了桌面群体用户界面的潜力,并讨论了群体用户界面独特的设计考虑因素。
项目技术分析
硬件
Zooids 机器人是直径为 26 毫米、高度为 21 毫米、重量约为 12 克的微型机器人。每个机器人由一个 100 mAh 的锂聚合物电池供电,并使用电机驱动的轮子进行移动。机器人内部包含一个柔性电极,用于电容触摸感应,并通过 NRF24L01+ 芯片与主计算机通信。
跟踪系统
Zooids 使用基于投影仪的跟踪系统来定位机器人。该系统利用德州仪器公司的高帧率(3000Hz)DLP LightCrafter 投影仪,将一系列灰度编码图案投影到平面上。机器人上的光电二极管独立解码这些图案,从而确定其在投影区域内的位置。
软件架构
Zooids 的通信结构由四个主要层次组成:应用程序层、仿真层、服务器层和硬件层。在应用程序层,计算出机器人的期望位置,并通过网络套接字传输到仿真层。应用程序开发者可以选择两种控制策略:比例-积分-微分(PID)位置控制或结合 PID 的混合互惠速度障碍(HRVO)。仿真层根据选择的控制策略计算机器人的目标位置,并将其发送到服务器层。服务器层负责向单个 Zooids 发送命令,同时监控它们的状态和位置。
每个机器人通过基于状态机的 PID 控制器独立控制其运动。机器人首先调整方向,然后加速到用户定义的偏好速度。在达到速度后,机器人通过 PID 控制保持方向,确保朝向最终目标。当接收到新的增量目标时,机器人将继续以相同速度移动,但 PID 控制将引导机器人朝向新的中间目标。当机器人接近最终目标时,它会减速并最终停止。
项目及技术应用场景
Zooids 平台适用于多种应用场景,特别是在需要动态、分布式用户界面的领域。例如:
- 协作工作空间:多个 Zooids 机器人可以在桌面上移动,显示不同的信息或任务,帮助团队成员协作完成任务。
- 教育与培训:Zooids 可以用于模拟复杂的系统或过程,帮助学生理解动态变化的概念。
- 互动艺术装置:艺术家可以利用 Zooids 创建动态的、互动的艺术装置,吸引观众的注意力。
项目特点
- 开源与开放硬件:Zooids 平台完全开源,硬件设计也开放,允许开发者自由定制和扩展。
- 高精度跟踪:基于 DLP 投影仪的高速跟踪系统,确保机器人的位置精度。
- 灵活的控制策略:支持 PID 和 HRVO 两种控制策略,适应不同的应用需求。
- 模块化设计:Zooids 的模块化设计使得扩展和集成新功能变得简单。
通过 Zooids,开发者可以轻松构建复杂的群体用户界面,为用户提供全新的交互体验。无论是在协作工作、教育培训还是艺术创作中,Zooids 都能发挥其独特的优势,带来创新的解决方案。

本作品采用 知识共享署名-相同方式共享 4.0 国际许可协议 进行许可。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00