最新研究發(fā)布了一個大型自動駕駛數(shù)據(jù)集，該數(shù)據(jù)集是首個包括5個雷達(dá)，1個激光雷達(dá)，6個攝像頭，IMU和GPS在內(nèi)的完整傳感器套件的數(shù)據(jù)集。 NuTonomy場景（NuScenes）比KITTI數(shù)據(jù)集多出7倍和100倍的圖像，涵蓋23個類別，包括不同類型的車輛，行人，移動設(shè)備及其他對象。

研究人員還發(fā)明了一種新的3D方法來整合各種物體檢測的類別和任務(wù)，包括對物體大小，分類，方向，本地化，速度和屬性的檢測和估計。針對激光雷達(dá)和圖像檢測方法的數(shù)據(jù)集分析和基線測試證明，盡管僅基于激光雷達(dá)和僅基于圖像的物體檢測都能達(dá)到物體識別的要求，但僅激光雷達(dá)的網(wǎng)絡(luò)性能更為優(yōu)越。

NuScenes能夠加速自動駕駛方面的研究和技術(shù)，從而推進(jìn)物體識別技術(shù)，并使相關(guān)技術(shù)更加實(shí)用化。我們希望研究人員鼓勵對于 NuScenes的進(jìn)一步探索，以使其能夠運(yùn)用所有傳感器數(shù)據(jù)并利用語義地圖來獲得更好的性能。因為每個傳感器模態(tài)都提供用于訓(xùn)練3D對象檢測的補(bǔ)充特征。

此外，該研究已經(jīng)推動了第一次NuScenes檢測的挑戰(zhàn)，該挑戰(zhàn)將于2019年4月推出。

挑戰(zhàn)賽獲勝者和結(jié)果將在自動駕駛研討會上宣布。

弱監(jiān)督發(fā)現(xiàn)人類3D姿勢估計中的幾何表達(dá)

盡管現(xiàn)有的3D人體姿勢估計已經(jīng)具有很高的性能，但仍然存在一系列普遍限制，包括有限的動態(tài)，實(shí)驗室環(huán)境及內(nèi)部數(shù)據(jù)集的變化等。

那么，弱監(jiān)督學(xué)習(xí)則在過去一段時間內(nèi)對這一挑戰(zhàn)提供了一種新的方法。但是現(xiàn)有的弱監(jiān)督學(xué)習(xí)方法都對于用于模型初始化的大規(guī)模3D訓(xùn)練樣本有較強(qiáng)的依賴性。

日前，一種新的模型提供了一種完全有別于現(xiàn)有框架的方法，該方法致力于在僅使用2D注釋的條件下，發(fā)現(xiàn)一種人類姿勢在潛在空間中強(qiáng)大的幾何3D表達(dá)。因此，它允許使用較少數(shù)據(jù)的單眼3D姿勢估計訓(xùn)練。 Human3.6M和MPI-INF-3DHP數(shù)據(jù)集的模型評估證明了其在3D人體姿勢估計任務(wù)上的有效性和靈活性。

閱讀完論文后，我認(rèn)為該模型非常靈活，且易于訓(xùn)練和實(shí)施。 其次，它僅在訓(xùn)練階段在自動編碼器中使用2D關(guān)鍵點(diǎn)信息和多個視圖，因此可顯著改善現(xiàn)有技術(shù)的3D人體姿勢估計模型的性能。

針對局部的漸進(jìn)稀疏技術(shù)（PSLA）

為了解決當(dāng)前視頻對象檢測方面的挑戰(zhàn)，例如移動模糊，不尋常姿勢，離焦相機(jī)等等，研究人員推出了一種新方法，可以無需依賴光流模型而實(shí)現(xiàn)最先進(jìn)的性能。 該方法可以大大減少模型參數(shù)，從而提高結(jié)果。

新模型還應(yīng)用遞歸特征更新（RFU）和密集特征變換（DFT）技術(shù)來模擬時間外觀并增強(qiáng)非關(guān)鍵幀特征表示。 PSLA 通過在ImageNet數(shù)據(jù)集上實(shí)現(xiàn)81.4％mAP證明了其優(yōu)于現(xiàn)有技術(shù)的有效性。

簡而言之，該研究將大大推進(jìn)視頻對象的檢測，跟蹤和處理等技術(shù)。 同時呼吁AI在各類物體檢測任務(wù)上提升其準(zhǔn)確性，包括機(jī)器人，自動駕駛，監(jiān)視等。

可能消除危險電氣控制的柔性機(jī)器人

機(jī)器人工業(yè)正在逐步向我們展示能夠顯著改善日常生活的創(chuàng)新，特別是在健康和制造業(yè)。但同時，機(jī)器人應(yīng)用程序卻非常敏感，一個小小的錯誤事件可能會使得機(jī)器人采用大相徑庭的錯誤方法。

研究人員最近開發(fā)了一種柔性機(jī)器人，用真空電源線、控制輸入和時鐘線來實(shí)現(xiàn)抓取和移動。開發(fā)過程遵循歐盟ATEX電氣設(shè)備認(rèn)證所必需的數(shù)字電子的基本設(shè)計原則，以確保安全。該模型實(shí)現(xiàn)了流體電路、開關(guān)和執(zhí)行器，并能準(zhǔn)確預(yù)測一系列系統(tǒng)模塊和功能的移動。

柔性機(jī)器人是由高度兼容的材料制成的，可以提高機(jī)器人靈活性和適應(yīng)性。因此，我認(rèn)為，關(guān)于柔性機(jī)器人的研究有潛力使柔性機(jī)器人系統(tǒng)的開發(fā)能夠在當(dāng)今的極端環(huán)境中（包括醫(yī)學(xué)、制造業(yè)、大氣等）執(zhí)行更復(fù)雜的功能和行為。

監(jiān)測和干預(yù)野火和其他蔓延過程的優(yōu)先權(quán)地圖

雖然有許多火勢傳播網(wǎng)絡(luò)、模擬器和基于無人機(jī)路徑規(guī)劃的空間監(jiān)控，但目前并沒有單一的進(jìn)程將它們連接在一起。此外，洪水和其他傳播方法也面臨著類似的挑戰(zhàn)。最近的一篇論文旨在通過生成依賴傳播過程動力學(xué)的優(yōu)先級映射來解決這一挑戰(zhàn)。優(yōu)先權(quán)地圖非常重要，因為它有助于定義關(guān)鍵區(qū)域或節(jié)點(diǎn)，在這些節(jié)點(diǎn)中野火、洪水或疾病往往涉及到生命或基礎(chǔ)設(shè)施風(fēng)險，非常具有災(zāi)難性。

該框架實(shí)現(xiàn)了正系統(tǒng)的特征，精確地劃分了價值函數(shù)的結(jié)構(gòu)，為監(jiān)控和干預(yù)提供了可擴(kuò)展的算法。在用16個和1000個節(jié)點(diǎn)的例子對模型進(jìn)行評估時，優(yōu)先級映射方法對系統(tǒng)的動態(tài)變化給出了積極的響應(yīng)。特別是1000節(jié)點(diǎn)示例，展示了框架如何集成野火景觀、風(fēng)況和傳播動力學(xué)。

對于無人機(jī)在監(jiān)視和災(zāi)難干預(yù)當(dāng)中的應(yīng)用來說，能夠在考慮速度、飛行時間、耐力和傳感器范圍的情況下快速決定無人機(jī)應(yīng)該飛到哪里至關(guān)重要。

鑒于研究團(tuán)隊已經(jīng)提出了未來的工作，包括用真實(shí)的傳播模型和傳感假設(shè)進(jìn)行更多的測試，以及與機(jī)器人運(yùn)動規(guī)劃算法的進(jìn)一步集成，無人機(jī)的路徑規(guī)劃將得到顯著改進(jìn)。除此之外，所提出的優(yōu)先權(quán)地圖可以進(jìn)一步提升，因為它們可以用作無人機(jī)路徑規(guī)劃問題的輸入。