【深度学习在智能机器人中的应用】论文合集推荐丨CMU新型机器人算法可操纵所有日常家具

近日，卡内基梅隆大学机器人学院 （CMU Robotics Institute) 推出物体轨迹预测（FlowBot 3D）算法，可以使机器人去操纵日常家具。该算法泛化性极强，只需一个神经网络模型便能泛化到各种家具物品。
机器人发展的趋势是人工智能化，深度学习是智能机器人的前沿技术，也是机器学习领域的新课题。深度学习技术被广泛运用于农业、工业、军事、航空等领域，与机器人的有机结合能设计出具有高工作效率、高实时性、高精确度的智能机器人。由于深度学习算法能够让机器 具有很好的分析学习能力，将它应用在机器人领域，使机器人拥有像人一样的分析能力将是可以实现的方向。基于深度学习算法的机器人具有高复杂度和高性能，在应用方面也更广泛，国内外对相关技术的研究热情也居高不下。深度学习的原型出现在20世纪80年代末，此时利用人工神经网络的反向传播算法（BP算法）可以让一个人工神经网络模型从大量训练样本中学习出统计规律，从而对未知事件做预测，这就开启了机器浅层学习的浪潮。

AMiner整理了相关主题的必读论文，该论文合集收录了各个顶会及顶级期刊的优秀论文。
【深度学习在智能机器人中的应用】查看全部论文：https://www.aminer.cn/topic/6040944092c7f9be213d3381?f=cs

1.A Multimodal Target-Source Classifier With Attention Branches to Understand Ambiguous Instructions for Fetching Daily Objects
“在这项研究中，我们专注于在家庭服务机器人上下文中获取指令的多模式语言理解。该任务包括根据用户的指示预测目标对象，给定图像和非结构化句子，例如“给我带来黄色…”

2.Learning Natural Locomotion Behaviors For Humanoid Robots Using Human Bias
“这封信介绍了一个新的学习框架，该框架利用来自模仿学习、深度强化学习和控制理论的知识来实现​​对类人动物来说自然、动态和稳健的人类风格运动。我们提出了新的方法来引入人类…”

3.Model-Based Reinforcement Learning for Physical Systems Without Velocity and Acceleration Measurements
“在本文中，我们提出了一种基于高斯过程回归 (GPR) 的强化学习 (RL) 算法的无导数模型学习框架。在许多机械系统中，传感仪器只能测量位置。然后，而不是代表…”

点击链接进入AMiner官网，查看更多好论文~https://www.aminer.cn/?f=cs