機器人可以為殘疾人或老年人的日常生活提供J大幫助，比如說(shuō)機器人輔助穿衣。當前的研究中通常人工的將衣服附在機器人末端執行器上，忽略機器人識別衣服抓取點(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)習衣服抓取點(diǎn)。深度學(xué)習通常需要大量數據，而采集真實(shí)環(huán)境數據過(guò)程J度耗費時(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：D一，我們借助仿真環(huán)境采集大量仿真數據，并輔以少量真實(shí)數據訓練神經(jīng)網(wǎng)絡(luò )；D二，本文提出一套機器人抓取衣服流程，該流程考慮了機器人末端6自由度（DOF）抓取位姿態(tài)，以及機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)習推薦模型搭配G性能的近似檢索算法可以實(shí)現既準又快的召回性能，如何利用這些豐富的反饋信息改進(jìn)召回模型的性能
卡扣式裝配廣泛應用于多種產(chǎn)品類(lèi)型的制造中，卡扣裝配是結構性的鎖定機制，通過(guò)一個(gè)機器學(xué)習框架將人類(lèi)識別成功快速裝配的能力遷移到自主機器人裝配上。
羅晶博士和楊辰光教授團隊提出，遙操作機器人系統可以自然地與外界環(huán)境進(jìn)行交互、編碼人機協(xié)作任務(wù)和生成任務(wù)模型，從而提升系統的類(lèi)人化操作行為和智能化程度
專(zhuān)家(查紅彬,陳熙霖,盧湖川,劉燁斌,章國鋒)從計算機視覺(jué)發(fā)展歷程、現有研究局限性、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 )人工智能與計算機聽(tīng)覺(jué)以數字音樂(lè )和聲音為研究對象，是聲學(xué)、心理學(xué)、信號處理、人工智能、多媒體、音樂(lè )學(xué)及各行業(yè)L域知識相結合的重要交叉學(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 算法便以其出色的性能風(fēng)靡深度學(xué)習L域，該算法通常與同步隨機梯度技術(shù)相結合，采用數據并行的方式在多臺機器上執行
人體姿態(tài)估計便是計算機視覺(jué)L域現有的熱點(diǎn)問(wèn)題，其主要任務(wù)是讓機器自動(dòng)地檢測場(chǎng)景中的人“在哪里”和理解人在“干什么”
SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目標檢測算法優(yōu)缺點(diǎn)對比及使用場(chǎng)合比較
深度學(xué)習模型：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)序數據壓縮的特性，提出了一種新的算法，分享用深度強化學(xué)習進(jìn)行數據壓縮的研究探索
滴滴機器學(xué)習場(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，包括平臺穩定性、易用性、利用率、平臺 k8s 版本升級與二次開(kāi)發(fā)等內容
機器學(xué)習就是通過(guò)經(jīng)驗來(lái)尋找它學(xué)習的模式，而人工智能是利用經(jīng)驗來(lái)獲取知識和技能，并將這些知識應用于新的環(huán)境
