【无标题】

最新推荐文章于 2024-10-21 19:03:54 发布
最新推荐文章于 2024-10-21 19:03:54 发布
阅读量202 收藏
点赞数
分类专栏： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_25648915/article/details/122881312
版权

https://wiki.huaqin.com:8443/pages/viewpage.action?pageId=1318651730

【AI视野·今日Robot 机器人论文速览 第四十期】Mon, 25 Sep 2023
TomRen
09-27 1836
AI视野·今日CS.Robotics 机器人学论文速览 Mon, 25 Sep 2023 Totally 36 papers 👉上期速览✈更多精彩请移步主页 Interesting: 📚CloudGripper, 一套云化的机器抓取人数据采集系统，包含了32个机械臂的集群。(from KTH Royal Institute of Technology) 📚GELLO, 一套开源的机械臂遥操作平台，适配多个机械臂。(from 伯克利) Daily Robotics Papers E(2)
【AI视野·今日Robot 机器人论文速览 第二十三期】Tue, 28 Sep 2021
TomRen
09-28 2324
AI视野·今日CS.Robotics 机器人学论文速览 Tue, 28 Sep 2021 Totally 48 papers ????上期速览✈更多精彩请移步主页 Daily Robotics Papers A 3-DOF Robotic Platform for the Rehabilitation of Reaction Time and Balance Skills of MS Patients Authors Tugce Ersoy, Elif Hocaoglu我们介绍了用于治疗 MS
论文总结：Grasp-Anything: Large-scale Grasp Dataset from Foundation Models
weixin_47151388的博客
05-31 1668
ChatGPT等基础模型由于其对现实世界领域的普遍表示，在机器人任务中取得了重大进展。在本文中，我们利用基础模型来解决抓取检测，这是机器人技术中具有广泛工业应用的持续挑战。尽管有许多抓取数据集，但与现实世界的数据相比，它们的对象多样性仍然有限。幸运的是，基础模型拥有广泛的现实世界知识库，包括我们在日常生活中遇到的对象。因此，一个有希望的解决方案是利用嵌入在这些基础模型中的通用知识来解决以前的抓取数据集中的有限表示。为了实现这一解决方案，我们提出了一个新的大规模抓取数据集grasp - anything。
【论文阅读】Grasp-Anything: Large-scale Grasp Dataset from Foundation Models
三木今天学习了嘛の博客
01-26 2506
提出了“Grasp-Anything”，这是一个由基础模型合成的新的大规模抓取数据集，用于机器人抓取检测的新的大规模语言驱动数据集。Grasp-Anything 在多样性和数量上都很出色，拥有100万个带有文本描述的样本和超过300万个对象，超过了以前的数据集。根据经验，我们证明了在基于视觉的任务和真实世界的机器人实验中，抓取任何东西都能成功地促进零镜头抓取检测。
文献阅读报告 - Pedestrian Trajectory Prediction With Learning-based Approaches A Comparative Study...
aikk824242的博客
07-13 527
概述 本文献是一篇文献综述，以自动驾驶载具对外围物体行动轨迹的预测为切入点，介绍了基于运动学（kinematics-based）和基于机器学习（learning-based）的两大类预测方法。 并选择了基于机器学习的六种具体方法（GP、LSTM、GP-LSTM、Character-based LSTM、Seq2Seq、Seq2Seq with Attention）做量化对比性研究，利用增...
Nerf-Wild神经辐射场论文学习笔记 Neural Radiance Fields for Unconstrained Photo Collections
出门吃三碗饭的博客
07-02 607
NeRF in the Wild: Neural Radiance Fields for Unconstrained Photo Collections论文 本文为记录自己在Nerf学习道路的一些笔记，包括对论文以及其代码的思考内容。公众号： AI知识物语 B站讲解：出门吃三碗饭
Embodied AI论文推荐
weixin_42988382的博客
12-20 1339
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：撤销：Ctrl/Command + Z 重做：Ctrl/Command + Y 加粗：Ctrl/Command + B 斜体：Ctrl/Command + I 标题：Ctrl/Command + Shift + H 无序列表：Ctrl/Command + Shift + U 有序列表：Ctrl/Command + Shift + O 检查列表：Ctrl/Command
【AI视野·今日Robot 机器人论文速览 第五十二期】Wed, 11 Oct 2023
TomRen
10-12 1511
AI视野·今日CS.Robotics 机器人学论文速览 Wed, 11 Oct 2023 Totally 31 papers 👉上期速览✈更多精彩请移步主页 Daily Robotics Papers RoboHive: A Unified Framework for Robot Learning Authors Vikash Kumar, Rutav Shah, Gaoyue Zhou, Vincent Moens, Vittorio Caggiano, Jay Vakil, Abhishe
【AI视野·今日Robot 机器人论文速览 第四十二期】Wed, 27 Sep 2023
TomRen
09-27 1796
AI视野·今日CS.Robotics 机器人学论文速览 Wed, 27 Sep 2023 Totally 48 papers 👉上期速览✈更多精彩请移步主页 Interesting: 📚***Tactile Estimation of Extrinsic Contact,基于触觉的外部接触估计与稳定放置 (from 三菱电机) Daily Robotics Papers Towards High Efficient Long-horizon Planning with Expert-gui
【AI视野·今日Robot 机器人论文速览 第六十九期】Wed, 3 Jan 2024
TomRen
01-07 1440
在这项工作中，我们提出了一个系统，该系统使用发现的对象和关系符号来学习规则，这些符号对任意数量的对象及其之间的关系进行编码，将这些规则转换为规划领域描述语言 PDDL ，并生成涉及任意数量的可供性的计划实现任务的对象。我们使用不同尺寸的盒状物体验证了我们的系统，并表明该系统可以开发拾取、携带和放置操作的符号知识，同时考虑到不同配置的对象组合，例如盒子将与更大的盒子一起携带放置它们的盒子。此外，我们引入了动态场景的关键帧选择策略，该策略增强了摄像机对大型物体的跟踪鲁棒性，并提高了建图效率。
【论文笔记】Auto TAMP: Autoregressive Task and Motion Planning with LLMs as Translators and Checkers
m0_48948682的博客
07-16 1530
为了实现有效的人机交互，机器人需要理解、规划和执行由自然语言描述的复杂、长期任务。最近LLMs的显著进展表明，有望将自然语言转化为机器人执行复杂任务的动作序列。现有的方法要么直接将自然语言翻译为机器人轨迹，要么通过将自然语言分解为任务子目标来分解推理过程，然后依靠运动规划器执行每个子目标。当涉及到复杂的环境和时间限制时，使用传统的任务和运动规划（TAMP）算法联合执行规划好的任务和运动规划的推理，使得这种子任务分解变得不可行。
机器人性能基准测试 RobotPerf (ICRA 2024)
weixin_42769188的博客
02-02 1007
机器人计算一个是融合算法、系统和架构的有趣领域，比如如何支持机器人实现实时、高效且鲁棒的感知定位决策控制等功能。除了机器人算法领域的不断创新，近年来伴随着ROS2系统的不断提升，利用硬件（CPU/GPU/FPGA/ASIC）加速机器人计算的工作也不断涌现。 但是，面对众多机器人计算系统设计如何衡量其性能？新提出的设计真的更好嘛？为了回答这个问题，我们在最新的ICRA'24论文 RobotPerf 中尝试建立一套基于ROS2的用于评估机器人计算系统的开源基准测试平台...
学习笔记之——NeRF SLAM（基于神经辐射场的SLAM）
热门推荐
gwpscut的博客
12-29 1万+
NeRF 所做的任务是 Novel View Synthesis（新视角合成），即在若干已知视角下对场景进行一系列的观测（相机内外参、图像、Pose 等），合成任意新视角下的图像。传统方法中，通常这一任务采用三维重建再渲染的方式实现，NeRF 希望不进行显式的三维重建过程，仅根据内外参直接得到新视角渲染的图像。为了实现这一目的，NeRF 使用用神经网络作为一个 3D 场景的隐式表达，代替传统的点云、网格、体素、TSDF 等方式，通过这样的网络可以直接渲染任意角度任意位置的投影图像。
ICRA2024 自动驾驶相关Paper整理
CV_Autobot的博客
05-16 706
作者|牛牛牛肉饭 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/697604761点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心技术交流群本文只做学术分享，如有侵权，联系删文3D 目标检测任务Better Monocular 3D Detectors with LiDAR f...
探索未来：RRT系列算法在机械臂避障轨迹规划中的应用
最新发布
gitblog_09782的博客
10-21 1168
探索未来：RRT系列算法在机械臂避障轨迹规划中的应用 【下载地址】RRT系列算法解决机械臂的避障轨迹规划 RRT系列算法解决机械臂的避障轨迹规划在机器人技术的广阔领域里，**机械臂的避障轨迹规划**扮演着至关重要的角色，它关乎于机器人如何高效、安全地完成各项任务 ...
SLAM文献泛读5篇
qq_38983484的博客
03-29 1244
这里写目录标题LIC-Fusion: LiDAR-Inertial-Camera Odometry摘要介绍和相关工作结论LIC-Fusion2.0: LiDAR-Inertial-Camera Odometry with Sliding-Window Plane-Feature Tracking摘要主要贡献如下：总结BALM: Bundle Adjustment for LiDAR Mapping. 2020 ICRV摘要研究背景总结LiDAR-Only Odometry and Localization
【论文笔记】辅助学习的视觉重定位 VLocNet++ && 2018
phy12321的博客
06-09 1609
作者：Noha Radwan∗Abhinav Valada∗Wolfram Burgard 研究机构：德国弗莱堡大学 论文解决的问题 本文解决了语义分割+相机重定位+视觉里程计VO三个任务。相机重定位指的是绝对位姿预测，VO则是相对位姿预测。本文还发布了一个用于定位的数据集DEEPLOC dataset. 多任务学习模型的好处是可以提高模型的泛化性，不需要大量的标签数据，且一次计算完成了多个任务，效率高。 本文基于VLocNet，提出了一种自适应的加权方法，能够利用运动特定时间信息（motion-sp..
【AI视野·今日CV 计算机视觉论文速览 第238期】Fri, 1 Oct 2021
TomRen
10-03 1114
AI视野·今日CS.CV 计算机视觉论文速览 Fri, 1 Oct 2021 Totally 62 papers ????上期速览✈更多精彩请移步主页 Daily Computer Vision Papers Sensor-Guided Optical Flow Authors Matteo Poggi, Filippo Aleotti, Stefano Mattoccia本文提出了一个框架来引导具有外部线索的光流网络，以在已知或不可见的域上实现卓越的准确性。鉴于来自外部源的稀疏但准确的光流提示
【AI视野·今日Robot 机器人论文速览 第四十六期】Tue, 3 Oct 2023
TomRen
10-03 2461
AI视野·今日CS.Robotics 机器人学论文速览 Tue, 3 Oct 2023 Totally 76 papers 👉上期速览✈更多精彩请移步主页 Daily Robotics Papers Generalized Animal Imitator: Agile Locomotion with Versatile Motion Prior Authors Ruihan Yang, Zhuoqun Chen, Jianhan Ma, Chongyi Zheng, Yiyu Chen, Qu
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值