在模擬環境中訓練機器人導航是一回事，但要讓相同的策略在真實硬體上穩定運作，往往是大多數專案面臨瓶頸的地方。在這場研討會中，Quanser研發工程師岑梓楠先生(Zinan Cen)將揭開進行中的QBot移動機器人導航專案的面紗，深入介紹縮小從模擬到現實(Sim-to-Real)鴻溝所涉及的方法論、專案中期的發現以及尚未解決的挑戰。

本線上研討會將提出一套非線性分散式編隊控制解決方案。無論是平面載具（輪式移動機器人、水面艇）或空間載具（潛水艇、無人機），均在未經任何簡化的情況下納入載具網路中。透過利用載具模型的級聯結構（cascaded structure），本研究引入一種轉換機制來定義降階誤差動力學，並提出非線性控制律。其成果為：每台載具僅需來自鄰居的相對位置與區域運動資訊，即可透過底層控制器進行控制，完全無需中央協調或全域狀態資訊。

當AI結合發展多年的機器人技術並邁入實體世界（Physical AI），這對工業界與學術界而言，正是一項蓄勢待發且極具潛力的熱門主題。 在本次線上研討會中，Quanser首席機器人長Paul Karam親自分享了兩大全新解決方案——「物理AI實驗室(Physical AI Lab)」與「智慧自動化實驗室(Intelligent Automation Lab)」，期盼能協助您加速並持續推進現有的研究與教學成果。

隨著實體人工智慧（Physical AI）與智慧機器人在產業與學術界的蓬勃發展，Quanser開發了兩款強大的全新解決方案，協助您保持領先地位。在本次線上研討會中，Quanser首席機器人官Paul Karam將介紹「實體人工智慧實驗室（Physical AI Lab）」——這是一個圍繞QArm Research機械手臂與HD2所建構的即用型（turnkey）研究環境，專為端到端（end-to-end）學習工作流程而設計

本次網路研討會將介紹基於高階滑模的控制、觀測和辨識演算法的最新進展，重點在於類PID控制器框架。所提出的方法已透過三自由度直升機進行了實驗驗證，結果表明其 具有良好的穩健性和性能提升。此外，也探討了透過障礙函數對滑模演算法進行自適應調整的方法，並在Quanser 2自由度球板系統上進行了驗證。這些結果突顯了先進滑模技術在實際教育和研究平台中的應用價值。

本次分享中，Quanser技術總監Peter Martin將概述一種協助教職員提高實驗室與學程效率的方法。透過減少準備與進行實驗所需的時間，最大限度地減少在各個專案中開展多個實驗室和實作經驗所需的總體預算，並優化所需空間。除了這些指標，Quanser更開發出一套專注於「多學科應用平台」的設計理念。此方法確保在不同的實驗室架構、教學法及策略方針下，Quanser的平台生態系統均能成為提升實驗室效率最有效的方式。

本次網路研討會將重點探討工程教學兩大核心挑戰：面相大量學生展開以硬體為中心的實驗難題，以及日益增長的遠距學習需求。同時也展示Quanser的數位孿生技術的核心能力，並闡述如何應對這些挑戰。此外，我們將深入探討如何結合高擬真、可擴展的虛擬環境和MATLAB Simulink的強大功能，打造豐富的教學體驗並幫助科學研究發展。

本次QUANSER 線上直播工作坊將由錫昌科技資深技術服務工程師 Michael Hsu 線上分享，帶您深入了解 QUANSER 實驗平台在教學與研究中的應用。

渥太華大學（University of Ottawa）教授兼大學研究講座（AI 安全網路）主持人Burak Kantarci 教授多年來一直致力於推動此領域的發展。歡迎參加他的網路研討會，了解語義通訊（Semantic Communication）與多模態人工智慧（Multimodal AI）在智慧交通中的應用。

我們將回顧ICRA 2025和ACC 2025的會議記錄，以及加速此類熱門主題研究的功能。這將讓您深入了解Quanser的生態系統，該生態系統由靈活的開放式架構和實驗室組成，並由即時軟體和研究級硬體提供支援。

機電整合工程師擁有多樣化的技能，這導致哪些技能對機電整合研究比較重要的看法也有所不同。在這個現代化工程似乎需要許多技能的領域中，「如何才能讓學生掌握未來職業所需的技能？」這個問題就像「什麼是機電整合？」一樣難以回答。

控制系統實驗室對於機械工程教育十分重要，過去學生需要在有限的時間到校上課。為了增加靈活性，我們引入了數位孿生技術，這是一種真實實驗系統的高擬真數位複製，讓學生可以在預定的實驗課程前，遠端進行實驗。這使學生不受時間地點所限制，進行學習。 以Quanser AERO...

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。