現代自動(dòng)化生產(chǎn)中要求機器人系統具備一定柔性以適應變種變量的生產(chǎn)需求。例如在機器人分揀及組裝中，機器人需要快速處理各式不同的物體。使機器人系統可以穩定并且低成本的操控多種目標物體是實(shí)現新一代G效自動(dòng)化生產(chǎn)的重要研究目標。目前機器人系統針對多種物體的操作，主要通過(guò)機械手/手指更換設備或多功能機械手來(lái)實(shí)現[1][2]。然而機械手/手指更換設備需要部署輔助控制設備和外部能源供給，這增加了系統的復雜度。同時(shí)，設備的控制與供能需要引入電纜或氣管，這會(huì )對機械臂的自由靈活運動(dòng)產(chǎn)生干擾。此外，多功能機械手僅可適用于一定范圍的操作任務(wù)。對此，我們提出了讓機器人使用不同工具來(lái)操作多樣化目標物的方法。這里提到的工具并不是機器人學(xué)中對終端執行器的稱(chēng)呼，而是同人類(lèi)使用的鑷子，剪刀等工具一樣的可以被機械手直接控制的工具。此工具為復雜的變種變量的操作任務(wù)提供了一項有效的解決方案，它有如下特征：(1) 通過(guò)機械機構實(shí)現機械手到工具的動(dòng)力傳遞，無(wú)需外部控制及供能；(2)結構緊湊，對機器人的避障路徑規劃影響J��；(3) 通過(guò)設計不同的工具先端實(shí)現可以對多種任務(wù)進(jìn)行有效配適，在更換工具時(shí)僅需要對目標工具進(jìn)行一次抓��；(4)純機械機構設計，成本低廉，可靠性強。
非接觸式檢測平臺FluSense由麥克風(fēng)陣列和熱成像攝像機組成，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)以及候診室病人數量
應用于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，應該是小尺寸和圓柱形的，可在導管的管身或尖端集成
MIS 和RMIS觸覺(jué)傳感器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
馬庫斯系統性地闡述了對當前AI研究界的批判，從認識科學(xué)L域中針對性地給出了11條可執行的建議
記憶增強的圖神經(jīng)網(wǎng)絡(luò )對短期的商品語(yǔ)境信息建模，并使用共享的記憶網(wǎng)絡(luò )來(lái)捕捉商品之間的長(cháng)期依賴(lài)，對多個(gè)模型進(jìn)行了對比,在Top-K序列推薦中效果J佳
外賣(mài)履約時(shí)間預估模型，預估的是從用戶(hù)下單開(kāi)始到騎手將餐品送達用戶(hù)手中所花的時(shí)間
解決了傳統圖卷積神經(jīng)網(wǎng)絡(luò )中圖節點(diǎn)學(xué)習到的特征對圖分辨率和連接關(guān)系敏感的問(wèn)題，可以實(shí)現在低分辨率的三維形狀上學(xué)習特征，在G低分辨率形狀之上進(jìn)行測試，并且保持不同分辨率特征的一致性
2020年5月底OpenAI發(fā)布了有史以來(lái)強的NLP預訓練模型GPT-3，大的GPT-3模型參數達到了1750億個(gè)參數
達摩院金榕教授介紹了語(yǔ)音、自然語(yǔ)言處理、計算機視覺(jué)三大核心AI技術(shù)的關(guān)鍵進(jìn)展，并就AI技術(shù)在在實(shí)際應用中的關(guān)鍵挑戰，以及達摩院應對挑戰的創(chuàng )新實(shí)踐進(jìn)行了解讀
新一代移動(dòng)端深度學(xué)習推理框架TNN，通過(guò)底層技術(shù)優(yōu)化實(shí)現在多個(gè)不同平臺的輕量部署落地，性能優(yōu)異、簡(jiǎn)單易用。騰訊方面稱(chēng)，基于TNN，開(kāi)發(fā)者能夠輕松將深度學(xué)習算法移植到手機端G效的執行，開(kāi)發(fā)出人工智能 App，真正將 AI 帶到指尖
新加坡國立大學(xué)NExT中心的王翔博士分析了知識圖譜在個(gè)性化推薦L域的應用背景，并詳細介紹了課題組在個(gè)性化推薦中的相關(guān)研究技術(shù)和進(jìn)展，包括基于路徑、基于表征學(xué)習、基于圖神經(jīng)網(wǎng)絡(luò )等知識圖譜在推薦系統中的融合技術(shù)
根據各種指法的具體特點(diǎn),對時(shí)頻網(wǎng)格圖、時(shí)域網(wǎng)格圖、頻域網(wǎng)格圖劃分出若干個(gè)不同的計算區域,并以每個(gè)計算區域的均值與標準差作為指法自動(dòng)識別的特征使用，用于基于機器學(xué)習方法的指法自動(dòng)識別
