SLAM （Simultaneous Localization and Mapping ,即時(shí)定位與地圖構建），是機器人通過(guò)對各種傳感器數據進(jìn)行采集和計算，生 成對其自身位置姿態(tài)的定位和場(chǎng)景地圖信息的系統。SLAM技術(shù)對于機器人的運動(dòng)和交互能力十分關(guān)鍵。
SLAM系統通常包含多種傳感器和多種功能模塊。按照核心的功能模塊區分，目前常見(jiàn)的機器人SLAM系統可分為兩種形式:基于激 光雷達的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，取長(cháng)補短，更好地實(shí)現定位導航。
摘自：《2020服務(wù)機器人產(chǎn)業(yè)發(fā)展研究報告》
SLAM階段：解決從原始傳感器數據開(kāi)始，構建某種基礎地圖的過(guò)程,標注階段：在SLAM結果基礎上進(jìn)行人為標注，實(shí)現更精細的交通規則控制
圖像檢索是計算機視覺(jué)中基礎的應用，可分為文字搜圖和以圖搜圖。借助于卷積神經(jīng)網(wǎng)絡(luò )CNN強大的建模能力，圖像檢索的精度越發(fā)提高
數據所有權方面，1原始數據屬于個(gè)人，2企業(yè)享有衍生數據所有權，3政府享有政府數據的歸屬權
腦科學(xué)的發(fā)展將推動(dòng)人工智能科學(xué)從感知人工智能到認知人工智能的跨越
機械手面臨的難點(diǎn)在于如何在柔性物體上施加可控的擠壓力，以及在非穩定狀況下確保精確、穩健的抓握與柔性指端操控
DFN模型綜合使用了用戶(hù)的隱式正反饋（點(diǎn)擊行為）、隱式負反饋（曝光但未點(diǎn)擊的行為）以及顯式負反饋（點(diǎn)擊不感興趣按鈕行為）等信息
軟體機械手充分利用和發(fā)揮各種柔性材料的柔順性，及其非線(xiàn)性、粘彈性和遲滯特性等在軟體手運動(dòng)和控制中潛在的“機械智能”作用，降低控制的復雜度，實(shí)現高靈活性、強適應性和良好交互性，在醫療康復領(lǐng)域有重要應用價(jià)值
智能客服系統中人機結合的服務(wù)形式，從五個(gè)維度總結和介紹情感分析技術(shù)在智能客服系統中的應用場(chǎng)景，包括情感分析算法模型的原理及實(shí)際落地使用方式和效果分析
AI人工智能技術(shù)需要構建強有力的IT基礎設施,人工智能的工作主要由采集、準備、訓練和推理四部分組成，每個(gè)部分需要讀寫(xiě)不同類(lèi)型的數據，工作負載也不盡相同，將給存儲設備帶來(lái)較大的挑戰。
基于梯度反向傳播的脈沖神經(jīng)網(wǎng)絡(luò )（SNN）訓練方法逐漸興起。在這種訓練方法下，SNN能夠在保留神經(jīng)元內部動(dòng)力學(xué)的同時(shí)獲得較好的性能
Cartographer跨平臺和傳感器配置,MC2SLAM實(shí)時(shí)激光里程計系統,LeGO-LOAM種輕量級和地面優(yōu)化的激光雷達里程計和建圖方法,SUMA++開(kāi)源的基于語(yǔ)義信息的激光雷達SLAM系統
人工智能為什么會(huì )產(chǎn)生“災難性遺忘”？目前，解決災難性遺忘的方案有哪些？難點(diǎn)在哪？來(lái)看看專(zhuān)家怎么說(shuō)
