19、工业领域的AI智能系统：碰撞避免与视觉引导机器人系统解析

工业领域的AI智能系统：碰撞避免与视觉引导机器人系统解析

1. AI驱动的碰撞避免安全系统

1.1 检测方法

在涉及时间序列的许多任务中，时间卷积网络（TCNs）已成为最先进的深度模型类别，在可训练性和准确性方面超越了循环神经网络（RNNs）。TCNs的一维卷积具有两个特点：
- 因果性 ：滤波器仅覆盖每个输入样本的左邻域，以排除未来样本。
- 膨胀性 ：在卷积核的输入样本之间插入固定步长d，以在保持模型大小不变的情况下扩大感受野。

本工作中提出的TCN受TEMPONet启发，不过对模型大小进行了缩减，且实验发现不使用膨胀（即所有卷积设置d = 1）并不会降低准确性。

1.2 材料与方法

1.2.1 模型架构

模型架构由3个卷积块组成，每个卷积块包含：
- 2个滤波器大小k = 3且全填充的因果卷积。
- 1个滤波器大小k = 5、可变步长s的卷积，随后进行平均池化（滤波器2，步长2）。

3个卷积块的步长分别为s = 1、2、4。为使网络尽可能紧凑，减少了3个卷积块的特征图数量，具体如下：
| 卷积块 | 原特征图数量 | 缩减后特征图数量 |
| ---- | ---- | ---- |
| 块I | 32 | 2 |
| 块II | 64 | 4 |
| 块III | 128 | 4 |

卷积块之后，3个全连接（FC）层进行分类。FC I有8个单元，FC II有4个单元，FC III有1个单元，表示输入