SLAM （Simultaneous Localization and Mapping ,即時定位與地圖構建），是機器人通過對各種傳感器數據進行采集和計算，生 成對其自身位置姿態(tài)的定位和場景地圖信息的系統(tǒng)。SLAM技術對于機器人的運動和交互能力十分關鍵。
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，目前常見的機器人SLAM系統(tǒng)可分為兩種形式:基于激 光雷達的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、應用廣泛，未來多傳感器融合的SLAM 技術將逐漸成為技術趨勢，取長補短，更好地實現定位導航。
摘自：《2020服務機器人產業(yè)發(fā)展研究報告》
SLAM階段：解決從原始傳感器數據開始，構建某種基礎地圖的過程,標注階段：在SLAM結果基礎上進行人為標注，實現更精細的交通規(guī)則控制
圖像檢索是計算機視覺中基礎的應用，可分為文字搜圖和以圖搜圖。借助于卷積神經網絡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
腦科學的發(fā)展將推動人工智能科學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（點擊行為）、隱式負反饋（曝光但未點擊的行為）以及顯式負反饋（點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，及其非線性、粘彈性和遲滯特性等在軟體手運動和控制中潛在的“機械智能”作用，降低控制的復雜度，實現高靈活性、強適應性和良好交互性，在醫(yī)療康復領域有重要應用價值
智能客服系統(tǒng)中人機結合的服務形式，從五個維度總結和介紹情感分析技術在智能客服系統(tǒng)中的應用場景，包括情感分析算法模型的原理及實際落地使用方式和效果分析
AI人工智能技術需要構建強有力的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，每個部分需要讀寫不同類型的數據，工作負載也不盡相同，將給存儲設備帶來較大的挑戰(zhàn)。
基于梯度反向傳播的脈沖神經網絡（SNN）訓練方法逐漸興起。在這種訓練方法下，SNN能夠在保留神經元內部動力學的同時獲得較好的性能
Cartographer跨平臺和傳感器配置,MC2SLAM實時激光里程計系統(tǒng),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++開源的基于語義信息的激光雷達SLAM系統(tǒng)
人工智能為什么會產生“災難性遺忘”？目前，解決災難性遺忘的方案有哪些？難點在哪？來看看專家怎么說
