Talk｜卡内基梅隆大学李博文：适用于机器人的可泛化的目标感知

本期为TechBeat人工智能社区第579期线上Talk。

北京时间3月20日(周三)20:00，卡内基梅隆大学博士生—李博文的Talk已准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “适用于机器人的可泛化的目标感知”，向大家系统地介绍了如何在有限的数据上学习到可泛化的，适用于机器人的目标感知模型。

Talk·信息

▼

主题：适用于机器人的可泛化的目标感知

嘉宾：卡内基梅隆大学 李博文

时间：北京时间 3月20日(周三)20:00

地点：TechBeat人工智能社区

点击下方链接，即可观看视频！

TechBeatTechBeat是荟聚全球华人AI精英的成长社区，每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。https://www.techbeat.net/talk-info?id=858

Talk·介绍

▼

视觉目标感知是计算机视觉研究已久的问题。然而，在机器人上部署目标感知算法常常会遇到泛化性的局限性。换言之，离线的大规模数据集只能提供有限的目标特征与运动模式，如何在有限的数据上学习到可泛化的，适用于机器人的目标感知模型是本次talk的重点。具体而言，我将从运动泛化性与实例泛化性两个角度讨论这一主题。

Talk大纲

运动泛化性

1、机器人部署时的感知延迟问题与已有解决措施

2、预测性目标跟踪框架概览（PVT++）

3、PVT++在设计时的三个关键点

4、实验结果

实例泛化性

1、现实生活中的实例感知问题

2、已有的二维表征方案及其问题

3、可感知实例三维结构的检测方法VoxDet

4、建立实例感知数据集

5、实验结果

Talk·预习资料

▼

论文链接：

https://arxiv.org/abs/2005.10420

论文链接：

https://arxiv.org/abs/2211.11629

论文链接：

https://arxiv.org/abs/2204.10776

论文链接：

https://arxiv.org/abs/2305.17220

Talk·提问交流

▼

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

▼

李博文

卡内基梅隆大学·博士生

我是卡内基梅隆大学机器人研究所在读博士生，师从Sebastian Scherer教授。我的主要研究方向是机器人学，视觉感知，与神经符号推理。李博文曾以第一作者身份在ECCV，ICCV，NeurIPS等计算机视觉顶级会议发表多篇研究论文。其中关于实例三维感知的成果VoxDet入选为NeurIPS 2023 Spotlight。

个人主页: 

https://www.techbeat.net/grzytrkj?id=38301

---

关于TechBeat人工智能社区

▼

TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区