很多文章的報道都是由微觀而宏觀 ， 今日小編講給大家帶來的關于大多數人工智能研究都集中在視覺上的資訊也不例外，希翼可以在一定的程度上開闊你們的視野！y有對大多數人工智能研究都集中在視覺上這篇文章感興趣的小伙伴可以一起來看看
迄今為止 ， 大多數人工智能(AI)研究都集中在視覺上 。由于機器學習，特殊是深度學習，我們現在擁有對環境有非常好的視覺理解的機器人和設備 。但是，我們不要忘記，視力只是人類生物學意義之一 。對于更好地摹仿人類智能的算法 ， 研究人員現在關注的是從感覺運動系統和觸覺反饋中獵取的數據集 。借助這種額外的感覺，未來的機器人和人工智能設備將更加了解其物理環境，開發新的使用案例和可能性 。

杰森玩具 ， 人工智能愛好者，技術專家，深度學習和神經語言程序設計專家Somatic的創始人，最近建立了一個項目 ， 專注于培訓人工智能系統，以便基于觸覺輸入與環境互動 。該項目名為SenseNet：3D物體數據庫和觸覺模擬器，專注于擴展機器人對周圍環境的視覺映射，包括輪廓，紋理，形狀，硬度和觸摸物體識別 。
玩具最初的目標是為感覺運動系統和觸覺反饋制造一波人工智能研究 。除此之外 ， 他想象經過觸覺訓練的機器人最終可以用于開辟機器人手，用于工廠和配送中心，以執行裝箱包裝，零件檢索，訂單履行和分揀 。其他可能的應用包括用于食物準備的機器人手 ， 家庭任務和組裝部件 。
SenseNet項目依賴于深度強化學習(RL)，這是機器學習的一個分支，它從有監督和無監督的學習技術中吸收經驗，依賴于基于監控交互的獎勵系統，以找到更好的方法來迭代地改進結果 。
許多人認為RL為開辟自主機器人提供了一條途徑，可以通過最少的人為干預來掌握某些獨立行為 。例如，深度RL技術的初始評估表明 ， 可以使用模擬來開辟機靈的3D操作技能，而無需手動創建表示 。
研究人員在開始基于觸摸的AI項目時面臨的許多共同挑戰 。形狀的開源數據集(大多數可以3D打印)以及觸摸模擬器同意 AI研究人員加速項目工作 。圖1顯示了SenseNET數據集中包含的一些形狀的示例 。
通過添加一個同意 研究人員加載和控制對象的模擬器，數據集變得更加實用 。Toy解釋說：“我們在Bullet物理引擎上構建了一個層 。Bullet是游戲 ， 電影以及最近機器人和機器學習研究中廣泛使用的物理引擎 。它是一個實時物理引擎，可以模擬軟體和剛體，碰撞檢測和重力 。我們包括一個名為MPL的機器人手，可以在手指上進行全方位的運動 ， 我們在食指的尖端嵌入了一個觸摸傳感器，可以讓手模擬觸摸 。“圖2顯示了一些支持的手使用MPL可用的手勢 。
支持技術
加速許多強化學習算法的訓練和測試玩具使用英特爾的強化學習教練 - 機器學習測試框架 。在一個Python *環境中運行，強化學習教練同意 開辟人員模擬代理和環境之間的交互 ， 如圖3所示 。
【大多數人工智能研究都集中在視覺上】通過組合各種構建模塊并提供可視化工具來動態顯示培訓和測試結果，強化學習教練使培訓過程更加高效，并支持在多個環境中測試代理 。基于訓練序列期間收集的數據的高級可視化工具可以通過Coach儀表板輕松訪問 ， 并用于調試和優化正在訓練的代理 。
開辟商的機會
就其他開辟商的機會而言，Toy說：“不要膽怯違背常規 。大多數深度學習熱潮都集中在卷積神經網絡(CNN)和計算機視覺之上，因為這是獲得最多收益的地方 。“其他探究較少的領域提供了人工智能的洞察力，有時甚至突破 ， 這些不太受歡迎的途徑可以導致有希翼的方向
最后，Toy說：“不要僅僅從數學和計算機科學的角度來研究人工智能 。看看其他領域，如計算神經科學和認知科學 。“

猜你喜歡

• 動物測試接下來將被人工智能所取代
• 亞馬遜的StyleSnap是一款人工智能工具
• 這是2025年人工智能的價值嗎
• Nvidia解釋了人工智能的真正采用如何產生影響
• 為什么人雌性比雄性美更好看 大多數動物里雄性比雌性美
• 全球人工智能安全市場行業分析與預測
• 行業與學術界的合作如何推動人工智能領域的發展
• HPE增加了新的平臺和服務 以簡化人工智能的采用
• 人工智能和機器學習是這一轉變的核心
• 人工智能可能有助于創建更具可持續性的數據中心