Personal Robot 2(PR2)[5]是Willow Garage開發(fā)的移動式操作機器人平臺(如圖2(a))，它配備兩個兼容7自由度機械臂和機械手，在頭部、胸部、肘部、夾爪上分別安裝有G分辨率攝像頭、激光測距儀、慣性測量單元、觸覺傳感器等豐富的傳感設備，通過底部的四輪移動平臺可無限擴展其作業(yè)范圍，提供基于Ros系統(tǒng)的仿真環(huán)境，可模擬開門、打臺球和畫畫等復雜操作，適用于科研的實驗平臺。Welschehold[6]在PR2實現(xiàn)了從人的開門操作動作示教中學習移動底盤的運動方式以及夾持器的操作姿態(tài)，作者將機器人的學習分為三個部分的軌跡預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，后通過超圖優(yōu)化方式的來預測機器人底盤運動和操作機械臂的運動軌跡(如圖2(b)-(d))。
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，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《室內定位白皮書》，對室內定位產(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)的室內定位需求，并詳細闡述了實現(xiàn)室內定位的技術原理， 及室內定位評測體系
下一個十年，智能人機交互、多模態(tài)融合、結合領域需求的 NLP 解決方案建設、知識圖譜結合落地場景等將會有突破性變化
自然語言處理技術的應用和研究領域發(fā)生了許多有意義的標志性事件，技術進展方面主要體現(xiàn)在預訓練語言模型、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(tǒng)的數(shù)倉建模方式，以知識化、業(yè)務化、服務化為視角進行數(shù)據(jù)平臺化建設，來沉淀內容、行為、關系圖譜，目前在優(yōu)酷搜索、票票、大麥等場景開始進行應用
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域，但又足夠具體，能夠提供系統(tǒng)的有關信息
優(yōu)酷智能檔突破“傳統(tǒng)自適應碼率算法”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)技術還是屬于狹隘的單任務學習，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)的應用場景存在一定的差異性
Tube Feature Aggregation Network（TFAN）新方法，即利用時序信息來輔助當前幀的遮擋行人檢測，目前該方法已在 Caltech 和 NightOwls 兩個數(shù)據(jù)集取得了業(yè)界領先的準確率
根據(jù)各種指法的具體特點,對時頻網(wǎng)格圖、時域網(wǎng)格圖、頻域網(wǎng)格圖劃分出若干個不同的計算區(qū)域,并以每個計算區(qū)域的均值與標準差作為指法自動識別的特征使用，用于基于機器學習方法的指法自動識別
