機(jī)器人可以為殘疾人或老年人的日常生活提供極大幫助，比如說(shuō)機(jī)器人輔助穿衣。當(dāng)前的研究中通常人工的將衣服附在機(jī)器人末端執(zhí)行器上，忽略機(jī)器人識(shí)別衣服抓取點(diǎn)并進(jìn)行抓取的過(guò)程，從而將問(wèn)題簡(jiǎn)化。
本文中我們利用深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)衣服抓取點(diǎn)。深度學(xué)習(xí)通常需要大量數(shù)據(jù)，而采集真實(shí)環(huán)境數(shù)據(jù)過(guò)程極度耗費(fèi)時(shí)間及人力。為解決上述問(wèn)題，本文主要開(kāi)展以下兩點(diǎn)研究：第一，我們借助仿真環(huán)境采集大量仿真數(shù)據(jù)，并輔以少量真實(shí)數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)；第二，本文提出一套機(jī)器人抓取衣服流程，該流程考慮了機(jī)器人末端6自由度（DOF）抓取位姿態(tài)，以及機(jī)器人與衣服間的碰撞避免問(wèn)題。
基于行為序列的深度學(xué)習(xí)推薦模型搭配高性能的近似檢索算法可以實(shí)現(xiàn)既準(zhǔn)又快的召回性能，如何利用這些豐富的反饋信息改進(jìn)召回模型的性能
卡扣式裝配廣泛應(yīng)用于多種產(chǎn)品類型的制造中，卡扣裝配是結(jié)構(gòu)性的鎖定機(jī)制，通過(guò)一個(gè)機(jī)器學(xué)習(xí)框架將人類識(shí)別成功快速裝配的能力遷移到自主機(jī)器人裝配上。
羅晶博士和楊辰光教授團(tuán)隊(duì)提出，遙操作機(jī)器人系統(tǒng)可以自然地與外界環(huán)境進(jìn)行交互、編碼人機(jī)協(xié)作任務(wù)和生成任務(wù)模型，從而提升系統(tǒng)的類人化操作行為和智能化程度
專家(查紅彬,陳熙霖,盧湖川,劉燁斌,章國(guó)鋒)從計(jì)算機(jī)視覺(jué)發(fā)展歷程、現(xiàn)有研究局限性、未來(lái)研究方向以及視覺(jué)研究范式等多方面展開(kāi)了深入的探討
音樂(lè)科技、音樂(lè)人工智能與計(jì)算機(jī)聽(tīng)覺(jué)以數(shù)字音樂(lè)和聲音為研究對(duì)象，是聲學(xué)、心理學(xué)、信號(hào)處理、人工智能、多媒體、音樂(lè)學(xué)及各行業(yè)領(lǐng)域知識(shí)相結(jié)合的重要交叉學(xué)科，具有重要的學(xué)術(shù)研究和產(chǎn)業(yè)開(kāi)發(fā)價(jià)值
Adam 算法便以其卓越的性能風(fēng)靡深度學(xué)習(xí)領(lǐng)域，該算法通常與同步隨機(jī)梯度技術(shù)相結(jié)合，采用數(shù)據(jù)并行的方式在多臺(tái)機(jī)器上執(zhí)行
人體姿態(tài)估計(jì)便是計(jì)算機(jī)視覺(jué)領(lǐng)域現(xiàn)有的熱點(diǎn)問(wèn)題，其主要任務(wù)是讓機(jī)器自動(dòng)地檢測(cè)場(chǎng)景中的人“在哪里”和理解人在“干什么”
SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目標(biāo)檢測(cè)算法優(yōu)缺點(diǎn)對(duì)比及使用場(chǎng)合比較
深度學(xué)習(xí)模型：OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD
大型商用時(shí)序數(shù)據(jù)壓縮的特性，提出了一種新的算法，分享用深度強(qiáng)化學(xué)習(xí)進(jìn)行數(shù)據(jù)壓縮的研究探索
滴滴機(jī)器學(xué)習(xí)場(chǎng)景下的 k8s 落地實(shí)踐與二次開(kāi)發(fā)的技術(shù)實(shí)踐與經(jīng)驗(yàn)，包括平臺(tái)穩(wěn)定性、易用性、利用率、平臺(tái) k8s 版本升級(jí)與二次開(kāi)發(fā)等內(nèi)容
機(jī)器學(xué)習(xí)就是通過(guò)經(jīng)驗(yàn)來(lái)尋找它學(xué)習(xí)的模式，而人工智能是利用經(jīng)驗(yàn)來(lái)獲取知識(shí)和技能，并將這些知識(shí)應(yīng)用于新的環(huán)境
