雷锋网AI科技谈论按：ICRA全称为“IEEE International Conference on Robotics and Automation”（机器人与主动化会议），是机器人技能范畴最有影响力的世界学术会议之一。ICRA 2017于5月29日至6月4日举行，雷锋网AI科技谈论将从新加坡带来一线报导。该会议举行期间，雷锋网将环绕会议议程及获奖论文打开系列专题报导，敬请期待。

　　图画像素间对应联系的鲁棒性估量是机器人技能中一个重要的问题。它被应用于目标、环境和其它署理的盯梢、映射与辨认使命中。对应评价（Correspondence estimation）长时间以来都是归于手艺特征工程的范畴。可是，最近深度学习技能为从原始数据中学习特征的使命供给了强壮的东西。不过深度学习的缺陷便是需求很多的（一般需求带有标签）练习数据来支撑练习学习进程。据雷锋网了解，该论文提出了一种学习密布图画对应使命（Dense image correspondences）的新办法，其间研讨员们运用强壮的3D生成模型来完成程序主动符号视频数据中的对应联系。论文中运用了比照丢失来练习彻底卷积神经网络，以生成角度和照明不变的特征。

　　作为一个概念证明，研讨员收集了两个数据集：第一个数据集描绘了一个人在各式各样的环境傍边，可是视频的主体始终是这个人的上身与头部；第二个则描绘了许多天内的同一间办公室，而不一起间内办公室物体摆放办法不同。据悉，该数据集专心于从头拜访相同的目标和环境，而且论文也标明晰，仅经过本地盯梢数据（Local tracking data）练习CNN，所学习到的视觉描述符可以分辨出无标签视频间的对应联系。

　　据雷锋网了解，该论文提出了一种概率滤波办法（Probabilistic filtering method），它将联合丈量（Joint measurements）与深度图画（Depth images）交融，以发生相机结构中结尾执行器姿势（End-effector pose）的精确且实时的估量。在组合运用结构与视觉目标盯梢的时分，这样做可以防止结构转化。别的本文中经过对联合丈量中的误差进行建模和校对，以及机器人模型中的不精确性（比方较差的外置相机校准）来进步精度。

　　该论文的研讨员经过根据坐标粒子滤波器（Coordinate Particle Filter）的异步深度图画更新和联合丈量的卡尔曼滤波器（Kalman filtering）的准则组合，使得算法在核算功率上愈加高效。该论文还在一个自主构建的数据集上定量评价算法，该数据集收集自一个实在的机器人渠道，而且经过运动捕捉体系标示了实在数据（Ground truth）。试验还标明晰，即便在比方快速运动（Fast motion）、明显和长时间阻塞（Significant and long-term occlusions）以及时变误差等（Time-varying biases）挑战性条件下，该算法也具有稳健性和精确性。别的，为了便利其它研讨员进行定量比较，该论文作者还将数据集和算法代码开放了出来。

　　据雷锋网了解，该论文介绍了SE3-Nets算法，这是一个旨在从原始点云数据中建模和学习刚体运动的深度神经网络。据悉，SE3-Nets只是依托伴随着动作向量的深度图画（Depth images）序列和点数据相关（Point wise data associations），就能学会切割受影响目标而且猜测出它们因为所施加的外力而导致的运动。SE3-Nets并不是直接学习点流向量（Point wise flow vectors），而是猜测场景中不同部分的SE(3)改换。

　　经过运用桌面场景的模仿深度数据和机器人操纵器，研讨员们证明晰，比较于传统的根据流的网络，SE3-Nets的结构使得它可以在目标运动猜测的使命中发生愈加共同的猜测成果。别的研讨员还进行了其它的试验，该额定的试验内容是，运用深度摄像机调查一个Baxter机器人在桌面上推进物体，而且试验标明SE3-Nets在实在数据中也能取得很好的作用。

　　本论文提出了一种可应用于Square-root inverse范畴的“滑动窗口双摄像机视觉辅佐惯性导航体系（Sliding-window two-camera vision-aided inertial navigation system, VINS）”。据雷锋网了解，研讨员们在两种景象下评价了该体系的系功能。这两种景象分别是在两个摄像机图画之间的特征匹配被处理和两个摄像机图画间的特征匹配没有任何立体束缚（比方，立体图画与双目的比较）。

　　据悉，为了更好地剖析试验成果，该论文还提出了从双目转化为立体图画时信息增益（Information gain）的理论剖析办法。别的，论文中还评价了在单眼VINS上运用双摄像机（立体图画和双目）体系的长处。除此之外，论文也测验量化了不同图画处理前端（Image-processing frontends）和估量器规划挑选（Estimator design choices）对终究完成精度的影响。最终，论文还在各种场景和运动曲线下，全面评价了算法的处理需求（即要求在移动处理器上到达实时的作用），一起也供给了与其它算法的精确性比较。

　　仅有我国科技公司！美团新研讨获评Robotics顶会ICRA导航范畴年度最佳

　　ICRA 2017 大会主席陈义明教授专访：论道机器人、AI 与工业之根由 CCF-GAIR 2019

　　ICRA2019热烈开幕，李飞飞组触感+视觉自监督学习机器人获最佳论文

　　普渡大学邓新燕副教授蜂鸟机器人研讨行将登上ICRA2019舞台，同步开源蜂鸟模仿环境