SLAM （Simultaneous Localization and Mapping ,即時(shí)定位與地圖構(gòu)建），是機(jī)器人通過對(duì)各種傳感器數(shù)據(jù)進(jìn)行采集和計(jì)算，生 成對(duì)其自身位置姿態(tài)的定位和場(chǎng)景地圖信息的系統(tǒng)。SLAM技術(shù)對(duì)于機(jī)器人的運(yùn)動(dòng)和交互能力十分關(guān)鍵。
SLAM系統(tǒng)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(qū)分，目前常見的機(jī)器人SLAM系統(tǒng)可分為兩種形式:基于激 光雷達(dá)的SLAM（激光SLAM）和基于視覺的SLAM（V-SLAM）。激光SLAM目前發(fā)展比較成熟、應(yīng)用廣泛，未來多傳感器融合的SLAM 技術(shù)將逐漸成為技術(shù)趨勢(shì)，取長(zhǎng)補(bǔ)短，更好地實(shí)現(xiàn)定位導(dǎo)航。
摘自：《2020服務(wù)機(jī)器人產(chǎn)業(yè)發(fā)展研究報(bào)告》
SLAM階段：解決從原始傳感器數(shù)據(jù)開始，構(gòu)建某種基礎(chǔ)地圖的過程,標(biāo)注階段：在SLAM結(jié)果基礎(chǔ)上進(jìn)行人為標(biāo)注，實(shí)現(xiàn)更精細(xì)的交通規(guī)則控制
圖像檢索是計(jì)算機(jī)視覺中基礎(chǔ)的應(yīng)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(qiáng)大的建模能力，圖像檢索的精度越發(fā)提高
數(shù)據(jù)所有權(quán)方面，1原始數(shù)據(jù)屬于個(gè)人，2企業(yè)享有衍生數(shù)據(jù)所有權(quán)，3政府享有政府?dāng)?shù)據(jù)的歸屬權(quán)
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(rèn)知人工智能的跨越
機(jī)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(wěn)定狀況下確保精確、穩(wěn)健的抓握與柔性指端操控
DFN模型綜合使用了用戶的隱式正反饋（點(diǎn)擊行為）、隱式負(fù)反饋（曝光但未點(diǎn)擊的行為）以及顯式負(fù)反饋（點(diǎn)擊不感興趣按鈕行為）等信息
軟體機(jī)械手充分利用和發(fā)揮各種柔性材料的柔順性，及其非線性、粘彈性和遲滯特性等在軟體手運(yùn)動(dòng)和控制中潛在的“機(jī)械智能”作用，降低控制的復(fù)雜度，實(shí)現(xiàn)高靈活性、強(qiáng)適應(yīng)性和良好交互性，在醫(yī)療康復(fù)領(lǐng)域有重要應(yīng)用價(jià)值
智能客服系統(tǒng)中人機(jī)結(jié)合的服務(wù)形式，從五個(gè)維度總結(jié)和介紹情感分析技術(shù)在智能客服系統(tǒng)中的應(yīng)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(gòu)建強(qiáng)有力的IT基礎(chǔ)設(shè)施,人工智能的工作主要由采集、準(zhǔn)備、訓(xùn)練和推理四部分組成，每個(gè)部分需要讀寫不同類型的數(shù)據(jù)，工作負(fù)載也不盡相同，將給存儲(chǔ)設(shè)備帶來較大的挑戰(zhàn)。
基于梯度反向傳播的脈沖神經(jīng)網(wǎng)絡(luò)（SNN）訓(xùn)練方法逐漸興起。在這種訓(xùn)練方法下，SNN能夠在保留神經(jīng)元內(nèi)部動(dòng)力學(xué)的同時(shí)獲得較好的性能
Cartographer跨平臺(tái)和傳感器配置,MC2SLAM實(shí)時(shí)激光里程計(jì)系統(tǒng),LeGO-LOAM種輕量級(jí)和地面優(yōu)化的激光雷達(dá)里程計(jì)和建圖方法,SUMA++開源的基于語義信息的激光雷達(dá)SLAM系統(tǒng)
人工智能為什么會(huì)產(chǎn)生“災(zāi)難性遺忘”？目前，解決災(zāi)難性遺忘的方案有哪些？難點(diǎn)在哪？來看看專家怎么說
