- 通过概率空间建模的自监督神经音频视觉声源定位
该论文介绍了一种利用 360 度图像和多通道音频信号的自监督训练方法来训练深度神经网络以区分多个声源对象的系统,旨在解决自主机器人理解周围环境的问题。
- FISHING Net:在网格中推断语义热力图的未来
本文介绍了一种利用多模态传感器数据进行多模态感知和预测的方法,采用一种自上而下的语义网格表示形式,对不同模态的传感器数据进行统一的表达,使得预测和融合更加简单可行。
- 高效 PS: 高效全景分割
本文介绍一种基于 EfficientPS 架构的自动机器人场景理解新方法,能够有效地实现交通参与者和场景语义实例识别,并提出了包含 KITTI panoptic segmentation 数据集的新领域,其通过在多个基准测试中进行广泛的评估 - 辅助健身房:辅助机器人的物理模拟框架
本文介绍了 Assistive Gym 这个开源的物理仿真框架,可用于为多种日常生活活动提供机器人辅助,并基于强化学习方法训练不同商用机器人的基本策略。通过对人类活动模型进行建模,该框架可模拟人类活动能力和辅助偏好以提供奖励函数,从而提供更 - 自适应上下文强化学习
研究智能自主机器人如何通过新方法中的相对熵奖励学习算法来提高样本效率并使学习扩展到更广泛和尖锐的任务上。
- 整合人类演示和偏好的学习奖励函数
该研究提出了 DemPref 框架,结合演示和偏好查询来学习奖励函数,其对标准偏好学习方法具有更高的效率和更好的性能。
- 一种用于多样化轨迹生成的分层网络
本文提出了一个基于使用卷积神经网络 (CNN) 架构的两阶段方法,实现了模拟人类感知环境的能力,将周围环境映射到机器人可选择遍历的多条轨迹上。第一阶段是轨迹建议网络,建议出环境中可以在未来占用的各种区域。第二阶段是轨迹采样网络,通过轨迹建议 - 机器人损伤后的自动形变功能恢复
研究了一种自动从机械受损中恢复功能的机器人,采用形态变化而非控制器重新适配来提高表现,尤其在受到 “严重伤害”(例如四条腿全部断裂)时表现得更好。
- 多传感器全局位姿估计的通用基于优化的框架
本文提出了一种传感器融合框架,通过姿态图优化来将现有的本地估计融合到全球传感器中,实现了本地准确和全球无漂移的姿态估计。
- ECCV卷积神经网络用于轨迹预测
本文提出了一种卷积神经网络(CNN)人类轨迹预测方法,相比于当前的方法更加快速但仍保持具有竞争力的结果,这对于共享人类环境的自主机器人与人类之间的精确和高效互动至关重要。
- 在自我监督学习环境中混合使用立体和静态单眼深度估计
通过自监督学习和卷积神经网络,本文研究了自主机器人如何学习来提高其深度估算能力,并在实验中表明,即便在较低的置信区域,融合立体和单目估计可比仅使用立体视觉估计提供更可靠的深度地图,从而使立体视觉机器人可以更加可靠地实现自主导航。
- 自主移动机器人的 LiDAR 和广角相机数据的强健融合
该论文介绍了使用 LiDAR 和摄像头进行传感器数据融合以实现自主机器人的自由空间检测,并通过高斯过程回归的分辨率匹配算法来更好地利用多模式传感器数据流以提高感知步骤的性能表现。
- 基于深度语义的三维 LiDAR 数据分类
本文提出了一种基于深度神经网络和贝叶斯滤波框架的方法,用于将三维 LiDAR 数据点语义分为三个类别:不可移动、可移动和动态。结果表明,本文方法与其他方法相比在标准基准数据集上具有竞争力,并通过将神经网络检测的语义线索与运动线索结合来提高点 - CDDT: 加速本体定位的快速二维光线投射
本文介绍了一种名为压缩方向距离变换 (Compressed Directional Distance Transform) 的数据结构,通过将其与粒子滤波器相结合,加速了二维占用栅格地图上的射线投影。实验结果表明,该算法可以在固定地图大小下 - 基于度量学习的空间关系推广到新对象
该论文介绍了使用距离度量学习的新方法来解决自主机器人在富含各种空间关系的人类中心环境中的空间关系学习问题,从而使其能够以灵活的方式学习任意的关系并进行泛化,这在非专家用户的辅助下以一个小数量的例子交互式地完成。
- 动作识别:从静态数据集到移动机器人
通过利用 “提议(proposals)” 方法生成行为区域的模型训练,能够在无约束视频中实现人的行为识别,无论是否存在摄像头运动;该方法在两个新的数据集中取得了超越最先进技术的性能,同时在异常行为检测场景中取得较高的成功率。
- 异步离线更新下的机器人操作深度强化学习
本文介绍一种基于深度 Q 函数算法的深度强化学习方法,能够实现在真实的物理机器人上进行复杂的 3D 操作任务学习,并通过多个机器人异步汇聚优化策略更新等技术进一步提高训练效率。
- 为体现式(机器人)交互打下动态空间关系的基础
本文提出了一个计算模型来处理在机器人交互设置中发生的动态空间关系,并演示了该模型将计算认知语义和普通空间表征以及推理的两个研究领域相结合的效果。
- 简单规则如何决定行人行为和人群灾难
本研究提出了以行为启发式为基础的新认知科学方法,该方法可以较好地预测步行者的运动轨迹和集体运动模式,进而为人类群体和生物群体的更逼真建模提供了可能,并为自主机器人的导航提供了改进。