SLAM階段：解決從原始傳感器數(shù)據(jù)開(kāi)始，構(gòu)建某種基礎(chǔ)地圖的過(guò)程,標(biāo)注階段：在SLAM結(jié)果基礎(chǔ)上進(jìn)行人為標(biāo)注，實(shí)現(xiàn)更精細(xì)的交通規(guī)則控制
基于激 光雷達(dá)的SLAM（激光SLAM）和基于視覺(jué)的SLAM（V-SLAM）。激光SLAM目前發(fā)展比較成熟、應(yīng)用廣泛，未來(lái)多傳感器融合的SLAM 技術(shù)將逐漸成為技術(shù)趨勢(shì)，取長(zhǎng)補(bǔ)短，更好地實(shí)現(xiàn)定位導(dǎo)航。
舵機(jī)是步態(tài)服務(wù)機(jī)器人的核心零部件和成本構(gòu)成，是包含電機(jī)、傳感器、控制器、減速器等單元的機(jī)電一體化元器件
人工智能技術(shù)支持的圖像采集可以顯著幫助掃描過(guò)程實(shí)現(xiàn)自動(dòng)化，還可以重塑工作流程，最大限度地減少與患者的接觸，為成像技術(shù)人員提供最佳保護(hù)
騰訊優(yōu)圖實(shí)驗(yàn)室高級(jí)研究員Louis在分享了自適應(yīng)缺陷數(shù)據(jù)，業(yè)務(wù)場(chǎng)景下的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法
為決策樹(shù)模型是一個(gè)具有比較好的可解釋性的模型，以決策樹(shù)為代表的規(guī)則模型在可解釋性研究方面起到了非常關(guān)鍵的作用
神經(jīng)網(wǎng)絡(luò)模型本身其實(shí)并不是一個(gè)黑箱，其黑箱性在于我們沒(méi)辦法用人類可以理解的方式理解模型的具體含義和行為
神經(jīng)網(wǎng)絡(luò)的敏感性分析方法可以分為變量敏感性分析、樣本敏感性分析兩種，變量敏感性分析用來(lái)檢驗(yàn)輸入屬性變量對(duì)模型的影響程度，樣本敏感性分析用來(lái)研究具體樣本對(duì)模型的重要程度
通過(guò)機(jī)械機(jī)構(gòu)實(shí)現(xiàn)機(jī)械手到工具的動(dòng)力傳遞，無(wú)需外部控制及供能，對(duì)機(jī)器人的避障路徑規(guī)劃影響極小
非接觸式檢測(cè)平臺(tái)FluSense由麥克風(fēng)陣列和熱成像攝像機(jī)組成，用于捕捉不同的候診室人群行為，包括咳嗽和語(yǔ)言活動(dòng)以及候診室病人數(shù)量
應(yīng)用于MIS的觸覺(jué)傳感器主要是基于電學(xué)或光學(xué)原理開(kāi)發(fā)的，應(yīng)該是小尺寸和圓柱形的，可在導(dǎo)管的管身或尖端集成
MIS 和RMIS觸覺(jué)傳感器最常用的傳感原理是基于電氣的傳感器。這些觸覺(jué)傳感器進(jìn)一步分為壓阻型、壓電型和電容型傳感器
