機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(zhí)行器上，忽略機器人識別衣服抓取點并進行抓取的過程，從而將問題簡化。
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。深度學(xué)習(xí)通常需要大量數(shù)據(jù)，而采集真實環(huán)境數(shù)據(jù)過程極度耗費時間及人力。為解決上述問題，本文主要開展以下兩點研究：第一，我們借助仿真環(huán)境采集大量仿真數(shù)據(jù)，并輔以少量真實數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)；第二，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現(xiàn)既準又快的召回性能，如何利用這些豐富的反饋信息改進召回模型的性能
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)性的鎖定機制，通過一個機器學(xué)習(xí)框架將人類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(tǒng)可以自然地與外界環(huán)境進行交互、編碼人機協(xié)作任務(wù)和生成任務(wù)模型，從而提升系統(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,章國鋒)從計算機視覺發(fā)展歷程、現(xiàn)有研究局限性、未來研究方向以及視覺研究范式等多方面展開了深入的探討
音樂科技、音樂人工智能與計算機聽覺以數(shù)字音樂和聲音為研究對象，是聲學(xué)、心理學(xué)、信號處理、人工智能、多媒體、音樂學(xué)及各行業(yè)領(lǐng)域知識相結(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)開發(fā)價值
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梯度技術(shù)相結(jié)合，采用數(shù)據(jù)并行的方式在多臺機器上執(zhí)行
人體姿態(tài)估計便是計算機視覺領(lǐng)域現(xiàn)有的熱點問題，其主要任務(wù)是讓機器自動地檢測場景中的人“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)缺點對比及使用場合比較
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，分享用深度強化學(xué)習(xí)進行數(shù)據(jù)壓縮的研究探索
滴滴機器學(xué)習(xí)場景下的 k8s 落地實踐與二次開發(fā)的技術(shù)實踐與經(jīng)驗，包括平臺穩(wěn)定性、易用性、利用率、平臺 k8s 版本升級與二次開發(fā)等內(nèi)容
機器學(xué)習(xí)就是通過經(jīng)驗來尋找它學(xué)習(xí)的模式，而人工智能是利用經(jīng)驗來獲取知識和技能，并將這些知識應(yīng)用于新的環(huán)境
