Cosero[1]是德國波恩大學(xué)的Sven Behnke團隊根據家庭環(huán)境中的日常操作任務(wù)而研制的一款仿人操作機器人(如圖1(a)(b))。機器人底部配備了四輪d立轉向行走機構，以便在靈活的通過(guò)狹窄通道，上部配備了兩個(gè)7自由度機械臂已完成擬人的操作，并在夾持器末端裝有紅外測距傳感器已達到對抓取目標的距離探測，在D端安裝有Kinect相機，以實(shí)現對目標環(huán)境的3D感知。Cosero通過(guò)底盤(pán)的激光雷達進(jìn)行導航和定位，采用法線(xiàn)估計和場(chǎng)景分割相結合的方法對目標進(jìn)行3D點(diǎn)云分割，采用無(wú)碰撞抓取方法[1]對目標物體進(jìn)行抓取(如圖1(c)(d))。在論文[2]中，作者運用Cosero進(jìn)行零件分揀搬運實(shí)驗，通過(guò)2D激光雷達導航到作業(yè)點(diǎn)，通過(guò)RGB-D相機對目標進(jìn)行識別分割，規劃抓取路徑和抓取姿態(tài)估計(如圖1(e))。在論文[3]中，作者采用深度學(xué)習方法對目標進(jìn)行姿態(tài)估計，并完成了提壺灌溉，人機交互和使用工具等復雜任務(wù)(如圖1(f))。Schwarz[4]介紹了Cosero基于深度學(xué)習方法的目標姿態(tài)估計和RGB-D SLAM等感知測量。
機器人、無(wú)人機、自動(dòng)駕駛汽車(chē)等加快落地，智慧城市深入建設，更是為傳感器產(chǎn)業(yè)帶來(lái)了難以估量的龐大機遇
中國移動(dòng)聯(lián)合產(chǎn)業(yè)合作伙伴發(fā)布《室內定位白皮書(shū)》，對室內定位產(chǎn)業(yè)發(fā)展現狀及面臨的挑戰，深入分析了垂直行業(yè)的室內定位需求，并詳細闡述了實(shí)現室內定位的技術(shù)原理， 及室內定位評測體系
下一個(gè)十年，智能人機交互、多模態(tài)融合、結合領(lǐng)域需求的 NLP 解決方案建設、知識圖譜結合落地場(chǎng)景等將會(huì )有突破性變化
自然語(yǔ)言處理技術(shù)的應用和研究領(lǐng)域發(fā)生了許多有意義的標志性事件，技術(shù)進(jìn)展方面主要體現在預訓練語(yǔ)言模型、跨語(yǔ)言 NLP/無(wú)監督機器翻譯、知識圖譜發(fā)展 + 對話(huà)技術(shù)融合、智能人機交互、平臺廠(chǎng)商整合AI產(chǎn)品線(xiàn)
NVIDIA解決方案架構師王閃閃講解了BERT模型原理及其成就，NVIDIA開(kāi)發(fā)的Megatron-BERT
基于內容圖譜結構化特征與索引更新平臺，在結構化方面打破傳統的數倉建模方式，以知識化、業(yè)務(wù)化、服務(wù)化為視角進(jìn)行數據平臺化建設，來(lái)沉淀內容、行為、關(guān)系圖譜，目前在優(yōu)酷搜索、票票、大麥等場(chǎng)景開(kāi)始進(jìn)行應用
通過(guò)使用仿真和量化指標，使基準測試能夠通用于許多操作領(lǐng)域，但又足夠具體，能夠提供系統的有關(guān)信息
優(yōu)酷智能檔突破“傳統自適應碼率算法”的局限，解決視頻觀(guān)看體驗中高清和流暢的矛盾
姚霆指出，當前的多模態(tài)技術(shù)還是屬于狹隘的單任務(wù)學(xué)習，整個(gè)訓練和測試的過(guò)程都是在封閉和靜態(tài)的環(huán)境下進(jìn)行，這就和真實(shí)世界中開(kāi)放動(dòng)態(tài)的應用場(chǎng)景存在一定的差異性
Tube Feature Aggregation Network（TFAN）新方法，即利用時(shí)序信息來(lái)輔助當前幀的遮擋行人檢測，目前該方法已在 Caltech 和 NightOwls 兩個(gè)數據集取得了業(yè)界領(lǐng)先的準確率
根據各種指法的具體特點(diǎn),對時(shí)頻網(wǎng)格圖、時(shí)域網(wǎng)格圖、頻域網(wǎng)格圖劃分出若干個(gè)不同的計算區域,并以每個(gè)計算區域的均值與標準差作為指法自動(dòng)識別的特征使用，用于基于機器學(xué)習方法的指法自動(dòng)識別
新加坡國立大學(xué)NExT中心的王翔博士分析了知識圖譜在個(gè)性化推薦領(lǐng)域的應用背景，并詳細介紹了課題組在個(gè)性化推薦中的相關(guān)研究技術(shù)和進(jìn)展，包括基于路徑、基于表征學(xué)習、基于圖神經(jīng)網(wǎng)絡(luò )等知識圖譜在推薦系統中的融合技術(shù)
