QUANSER擁有超過30年的硬體開發經驗，並透過數位孿生技術建構出QUANSER擬真互動實驗室QLABS，只需在電腦安裝MATLAB/Simulink與QLABS便能輕鬆進行實驗課程學習，突破傳統實驗室的空間限制。同時QLABS也支援與QUANSER實體設備整合，讓課程內容更多

我們將於 11 月 28 日邀請 Quanser 區域銷售經理 Vivian Wang，以及 12 月 27 日邀請 Quanser 研發工程師 Zinan Cen，透過線上研討會為大家帶來精彩的分享。以下為活動資訊，誠摯邀請您參加

首次介紹由Quanser學術應用團隊開發的Python 智慧工具套件，帶給您研究和教學實例。該工具套件讓您能夠在Quanser支援GPU自主載具上，部署各種神經網路，實現基於圖像的感知應用。

首次介紹由Quanser學術應用團隊開發的Python 智慧工具套件，帶給您研究和教學實例。該工具套件讓您能夠在Quanser支援GPU自主載具上，部署各種神經網路，實現基於圖像的感知應用。

Quanser 已經將 NVIDIA Jetson AGX Orin完全整合到新一代 QCar 2 的設計中。QCar 2 能夠同時處理多個高速攝影機訊息來源，並部署了最新的人工智慧視覺處理系統，無論在功能性和 AI 應用等方面，在眾多 1/10 比例自動駕駛平台中都穩居領先地位

內容將涵蓋U控制系統配置、開環動態反轉、閉環動態反轉、無模型滑塊模式控制(MFSMC)以及使用 QLabs Virtual Qube-Servo 2 Pendulum 進行旋轉倒單擺無模型控制的演示

這次線上講座中，來自洛桑聯邦理工學院的Christophe Salzmann博士將首先簡要定義遠端即時實驗，並介紹他的團隊為QUBE開發的機械擴充，以實現全方位的遠端控制。

QCar 2 具有卓越的運算能力、先進的視覺系統和強化的操控性，是同類產品中功能最強大、用途最廣泛的平台，搭載 NVIDIA Jetson Orin AGX，性能可媲美全尺寸的自動駕駛車輛，成為快速、安全且符合成本效益的實驗室設備。

自駕車需要獲取駕駛人會考慮的資訊，通常更大量，並且依此採取相應的行動。以下就不同任務性質，將幾個影像處理演算法分別做介紹。

我們提供了以下的研究文獻搜尋方式和教學資源，希望這些資源能對您的教學與研究有所幫助。

本文介紹 QArm 教學課程的兩個新實驗室。這兩個電腦視覺實驗室旨在向學生介紹影像的數位表示法，並讓他們熟悉使用簡單的影像濾鏡。另外，也介紹色彩空間以及識別和定位圖像中的物體，這是高級感知應用的建構模組。

在多倫多舉行的2024美洲控制研討會 (2024 American Control Conference) 提供了一個展現創新和工程實力的舞台，並且很榮幸地由 Quanser 自走車學生競賽揭開序幕。本次活動不僅僅是一場比賽，更是年輕人思想的匯聚，為的是重新定義無人駕駛汽車的能力

新的 QUANSER 機器人實驗室採用我們突破性的 QBot 平台，提供更多元化的研究潛力與教學新領域，期待您能參與本次的線上研討會，讓我們一起推進機器人教育和研究，激勵學生，開拓充滿活力的未來。

過去的兩年當中 Quanser 與曼徹斯特大學 (University of Manchester) 合作，共同改造學校的控制工程課程，在短短兩年內便取得顯著的進展。我們已持續了十年的合作關係，目標是將傳統教育轉變為充滿活力、實踐性、專案導向的體驗。

本次工作坊，您將親身體驗Quanser室內四旋翼自主飛行器Qdrone2，也被稱為航空電腦的最新研究應用；基於Quanser 機器手臂的機器人課程介紹和研究成果；全球最暢銷控制課程實驗工具Qube-Servo 的實踐課程案例