人體手腕對手臂系統(tǒng)的靈活性有很大的貢獻，增強了靈巧性和操縱能力。然而，學(xué)術(shù)界和工業(yè)界都傾向于把更多的注意力放在手爪的開發(fā)上，而不是手腕系統(tǒng)的開發(fā)上。近有研究表明，與手腕能力有限的G度靈巧終端設(shè)備相比，手腕的靈巧度增加可能對操作能力的貢獻更大。當(dāng)使用簡單的末端執(zhí)行器時，或當(dāng)對象完全約束手的手指時，腕部的作用變得特別重要。
健康人的腕部是假肢腕設(shè)計的有效基準(zhǔn)，也是任何方位裝置都可以考慮的參考點。它能夠做3自由度運動，即旋前/旋后、屈伸和橈側(cè)/尺側(cè)偏移。每個自由度都是一組成對的運動，指的是每個自由度內(nèi)的正運動和負運動。對于未受影響的腕關(guān)節(jié)，其大活動范圍通常在76度/85度、75度/75度和20度/45度之間，分別為旋前/旋后、屈伸和橈骨/尺側(cè)偏移。這些自由度是耦合的，意味著其中一個自由度的運動可以限制另外兩個自由度的運動范圍。
健康的人在日常生活活動中只利用了每個關(guān)節(jié)全部活動范圍的一部分。對這些“功能性”運動范圍的調(diào)查表明，它們介于65度/77度、50度/70度和18度/40度之間旋前/旋后、屈伸和橈骨/尺側(cè)偏移的自由度及其運動范圍如圖1所示。
德國伯恩大學(xué)計算機學(xué)院研制的遙操作輪腿復(fù)合的移動操作機器人可通過遠程操作平臺完成各種復(fù)雜操作任務(wù)
中科院沈陽自動化所的Wang利用深度強化學(xué)習(xí)算法和視覺感知相結(jié)合的方法來完成移動機器人在非結(jié)構(gòu)環(huán)境下的移動操作
在底層通過使用基于模型的操作單元，保證了手指與物體之間持續(xù)穩(wěn)定的抓取；在中層使用強化學(xué)習(xí)進行規(guī)劃，從而實現(xiàn)較長和復(fù)雜的手內(nèi)操作流程
人類可以通過視覺和觸覺融合感知快速確定抓取可變形物體所需力的大小，以防止其發(fā)生滑動或過度形變，但這對于機器人來說仍然是一個具有挑戰(zhàn)性的問題
能快速將現(xiàn)有算法在實際生產(chǎn)環(huán)境落地，并能利用GPU加速實現(xiàn)大規(guī)模計算，我們自己搭建了一個GPU加速的大規(guī)模分布式機器學(xué)習(xí)系統(tǒng)，取名小諸葛
杜克大學(xué)的一種 AI 算法PULSE可以將模糊、無法識別的人臉圖像轉(zhuǎn)換成計算機生成的圖像，其細節(jié)比之前任何時候都更加精細、逼真
餓了么算法專家劉金介紹推薦業(yè)務(wù)背景，包括推薦產(chǎn)品形態(tài)及算法優(yōu)化目標(biāo)；然后是算法的演進路線；最后重點介紹在線學(xué)習(xí)是如何在餓了么推薦領(lǐng)域?qū)嵺`的
優(yōu)酷推薦業(yè)務(wù)，算法應(yīng)用場景眾多，需求靈活多變，需要一套通用業(yè)務(wù)框架，支持運行時的算法流程的裝配，提升算法服務(wù)場景搭建的效率
通過分析其中的關(guān)鍵問題，建立了新熱內(nèi)容曝光敏感模型，并最終給出一種曝光資源約束下的多目標(biāo)優(yōu)化保量框架與算法
針對結(jié)算收銀場景中商品識別的難點，從商品識別落地中的模型選擇、數(shù)據(jù)挑選與標(biāo)注、前端和云端部署、模型改進等方面，進行了深入講解
神經(jīng)形態(tài)結(jié)構(gòu)融合學(xué)習(xí)和記憶功能領(lǐng)域的研究主要集中在人工突觸的可塑性方面，同時神經(jīng)元膜的固有可塑性在神經(jīng)形態(tài)信息處理的實現(xiàn)中也很重要
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
