Robotanist[14][15]是卡內(nèi)基梅隆大學機器人學院FRC實驗室研制一款野外自主農(nóng)作物探測機器人(如圖7(a)(b))，機器人總重140kg，驅(qū)動系統(tǒng)由4個200W無刷直流電機構(gòu)成，通過50:1的空心軸減速機可以G達2m/s的速度在玉米、G粱等農(nóng)作物的地里前進。機器人通過D端的GPS進行全局定位，可實現(xiàn)10mm的定位精度。前后分別安裝有單線激光雷達，用于檢測行進過程中掉落的莖桿和障礙物(如圖7(c))。機器人的姿態(tài)是AHRS使用擴展卡爾曼濾波器(EKF)方法融合MTI等傳感器信息估計機器人相對與全局坐標系的位姿。末端操作器采用二指加持器(如圖7(d))，主要用于加持植物的莖桿并對其進行測量和數(shù)據(jù)采集。
通過2D激光雷達信息采用Hector SLAM實現(xiàn)機器人對地圖的感知和自主導航規(guī)劃，通過頂部的RGB-D相機采集目標物體深度和RGB圖像信息
機器人的學習分為三個部分的軌跡預(yù)測包括示教者的手部運動軌跡、示教者的身體移動軌跡以及被操作物體的運動軌跡
Cosero是德國波恩大學的Sven Behnke團隊根據(jù)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基于深度學習方法的目標姿態(tài)估計和RGB-D SLAM等感知測量
機器人、無人機、自動駕駛汽車等加快落地，智慧城市深入建設(shè)，更是為傳感器產(chǎn)業(yè)帶來了難以估量的龐大機遇
中國移動聯(lián)合產(chǎn)業(yè)合作伙伴發(fā)布《室內(nèi)定位白皮書》，對室內(nèi)定位產(chǎn)業(yè)發(fā)展現(xiàn)狀及面臨的挑戰(zhàn)，深入分析了垂直行業(yè)的室內(nèi)定位需求，并詳細闡述了實現(xiàn)室內(nèi)定位的技術(shù)原理， 及室內(nèi)定位評測體系
下一個十年，智能人機交互、多模態(tài)融合、結(jié)合領(lǐng)域需求的 NLP 解決方案建設(shè)、知識圖譜結(jié)合落地場景等將會有突破性變化
自然語言處理技術(shù)的應(yīng)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)進展方面主要體現(xiàn)在預(yù)訓練語言模型、跨語言 NLP/無監(jiān)督機器翻譯、知識圖譜發(fā)展 + 對話技術(shù)融合、智能人機交互、平臺廠商整合AI產(chǎn)品線
NVIDIA解決方案架構(gòu)師王閃閃講解了BERT模型原理及其成就，NVIDIA開發(fā)的Megatron-BERT
基于內(nèi)容圖譜結(jié)構(gòu)化特征與索引更新平臺，在結(jié)構(gòu)化方面打破傳統(tǒng)的數(shù)倉建模方式，以知識化、業(yè)務(wù)化、服務(wù)化為視角進行數(shù)據(jù)平臺化建設(shè)，來沉淀內(nèi)容、行為、關(guān)系圖譜，目前在優(yōu)酷搜索、票票、大麥等場景開始進行應(yīng)用
通過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(tǒng)的有關(guān)信息
優(yōu)酷智能檔突破“傳統(tǒng)自適應(yīng)碼率算法”的局限，解決視頻觀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)學習，整個訓練和測試的過程都是在封閉和靜態(tài)的環(huán)境下進行，這就和真實世界中開放動態(tài)的應(yīng)用場景存在一定的差異性
