来源:杰弗里·马勒的研究是杰克Liang Sherdil罪",迈克尔•Laskey理查德•Doan心语刘,胡安Aparicio曾遭,和肯·戈德堡在加州大学伯克利分校AUTOLAB团队的支持。
灵巧机器人通过深入学习
抓住奇形怪状项人类经常捡起每日为机器人并不容易,因为他们不知道应用控制。为了克服这一点,加州大学伯克利分校研究人员建立了一个机器人,可以和陌生的,现实世界的对象有99%的成功率。
伯克利教授肯•戈德堡博士后研究人员杰夫·马勒和实验室自动化科学与工程(AUTOLAB)创建了DexNet 2.0机器人,把握成功率高。团队认为这项技术将很快被应用在工业,有可能彻底改变制造业和供应链。
这种高度准确的灵巧的核心深入学习算法,研究人员说。DexNet 2.0团队建造了一个巨大的数据库的三维形状- 670万数据点,神经网络用来学习掌握和不规则形状的物体,将提速。神经网络是连接到一个3 d传感器和一个机械手臂。
当一个对象被放置在前面的DexNet 2.0,它迅速研究的形状和选择一个掌握成功拿起或移动对象99%的时间。DexNet 2.0也比之前的版本快3倍,他们指出。
IBM GlobalFoundries起诉;欧盟的47美元b芯片计划;中国芯片产出下降;空间打造开放我们设施;首先LPDDR闪存;可变形的纳米电子设备;桌面三维x光显微镜。
留下一个回复