专栏首页arxiv.org翻译专栏基于门控递归单元的浇注动力学估算

基于门控递归单元的浇注动力学估算

在人类的日常生活中,最常见的一种操作就是倒水。影响目标精度的因素有很多,包括浇注速度、旋转角度、料源几何形状、接收容器等。提出了一种利用多层深度递归神经网络,特别是选通递归单元(GRU)来估计浇灌杯的水量随浇灌动作的变化,从而提高机械手重复性和精度的方法。所提出的GRU模型使重量预测值f(t)的验证均方误差低至1e-4(lbf)。本文对各种递归神经网络和超参数优化设计的众多实验进行了全面的评价和分析。

原文题目:Pouring Dynamics Estimation Using Gated Recurrent Units

原文:One of the most commonly performed manipulation in a human's daily life is pouring. Many factors have an effect on target accuracy, including pouring velocity, rotation angle, geometric of the source, and the receiving containers. This paper presents an approach to increase the repeatability and accuracy of the robotic manipulator by estimating the change in the amount of water of the pouring cup to a sequence of pouring actions using multiple layers of the deep recurrent neural network, especially gated recurrent units (GRU). The proposed GRU model achieved a validation mean squared error as low as 1e-4 (lbf) for the predicted value of weight f(t). This paper contains a comprehensive evaluation and analysis of numerous experiments with various designs of recurrent neural networks and hyperparameters fine-tuning.

原文链接:https://arxiv.org/abs/2105.12828

原文作者:Qi Zheng

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 《机器学习》笔记-强化学习(16)

    如今机器学习和深度学习如此火热,相信很多像我一样的普通程序猿或者还在大学校园中的同学,一定也想参与其中。不管是出于好奇,还是自身充电,跟上潮流,我觉得都值得试一...

    机器学习算法工程师
  • CVPR 2019 | 一种用于年龄估计的连续感知概率网络

    年龄估计尝试根据面部图像预测实际年龄值或年龄组,这是计算机视觉中的一项重要任务,广泛应用于各个场景如视觉监控,人机交互,社交媒体和人脸检索等。尽管已经对该问题进...

    AI科技评论
  • 【普华永道全息图解】机器学习演化史,方法、应用场景与发展趋势

    【新智元导读】普华永道最近推出了一系列机器学习信息图示,很好地将机器学习的发展历史、关键方法以及未来会如何影响社会生活展现了出来。基础概念部分包括机器学习各大学...

    新智元
  • 【Manning主讲】斯坦福CS224n深度学习与NLP课程全部视频、PPT

    【新智元导读】斯坦福大学CS224n(全称:深度学习与自然语言处理)是自然语言处理领域很受欢迎的课程,由 Chris Manning 和 Richard Soc...

    新智元
  • Machine Learning哪家强 强化学习So Strong

    博士毕业于电子科技大学,美国西北大学访问学者,现执教于河南工业大学。中国计算机协会(CCF)会员,CCF YOCSEF郑州2018—2019年度副主席,ACM/...

    用户1682855
  • 为何RNN能够在众多机器学习方法中脱颖而出?(附指南)

    来源:机器人圈 作者:BaymaxZ 本文长度为5000字,建议阅读20分钟 本文介绍RNN的重要性和先进性,并详细阐释几种用于深度学习中的RNN模型。 近年来...

    数据派THU
  • CVPR 2019 | 一种用于年龄估计的连续感知概率网络

    年龄估计尝试根据面部图像预测实际年龄值或年龄组,这是计算机视觉中的一项重要任务,广泛应用于各个场景如视觉监控,人机交互,社交媒体和人脸检索等。尽管已经对该问题进...

    BBuf
  • 想了解递归神经网络?这里有一份入门教程

    本文来自deeplearning4j,AI科技评论编辑。 递归神经网络是一类人工神经网络,用于识别诸如文本、基因组、手写字迹、语音等序列数据的模式,或用于识别传...

    AI科技评论
  • 一文看尽深度学习RNN:为啥就它适合语音识别、NLP与机器翻译?

    本文是机器学习大牛Jason Brownlee系统介绍RNN的文章,他在文中详细对比了LSTM、GRU与NTM三大主流架构在深度学习上的工作原理及各自特性。读过...

    AI科技大本营
  • 首次超越LSTM : Facebook 门卷积网络新模型能否取代递归模型?

    【新智元导读】Facebook 在尝试使用“门卷积网络”的方法来为语言建模,最近,他们首次取得了超过递归神经网络方法建模方法的性能表现,性能了超越目前被认为是...

    新智元
  • 普华永道全息图解机器学习

    几十年来,人工智能研究者的各个「部落」一直以来都在彼此争夺主导权。现在是这些部落联合起来的时候了吗?他们也可能不得不这样做,因为合作和算法融合是实现真正通用人工...

    SeanCheney
  • 三张图读懂机器学习:基本概念、五大流派与九种常见算法

    选自PwC 作者:Alan Morrison、Anand Rao 机器之心编译 参与:吴攀、晏奇 机器学习正在进步,我们似乎正在不断接近我们心中的人工智能目标。...

    机器之心
  • 【CVPR 2020】一种新的门控通道注意力转换单元

    【导读】今天给大家推荐一篇百度联合Syndney在CVPR2020上发表的关于Attention机制的文章。它提出了一种通用且轻量型的转换单元,GCT 结合了归...

    深度学习技术前沿公众号博主
  • 三张图读懂机器学习 :基本概念、五大流派与九种常见算法

    机器学习正在进步,我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用,但机器学习的发展...

    小莹莹
  • 今日 Paper | 3D门控递归融合;双注意力GAN;通用目标检测器;无监督域自适应等

    论文名称:3D Gated Recurrent Fusion for Semantic Scene Completion

    AI科技评论
  • 一个月真的可以学会一门语言吗?

    知乎上总看到有人提这个问题, 我想转行,我要学多久才能学会,分享下我到经历,以便你评估一下自身来不来得及,别人是没办法帮你评估的。

    王炸
  • LSTM、GRU与神经图灵机:详解深度学习最热门的循环神经网络

    选自MachineLearningMastery 作者:Jason Brownlee 机器之心编译 参与:熊猫 循环神经网络是当前深度学习热潮中最重要和最核心的...

    机器之心
  • 主妇不再手忙脚乱 十款机器人解放你的双手

    最近几年每到年末,高科技乐观派似乎都信誓旦旦地预测过,来年将是机器人大展拳脚的一年,届时人们终于可以松一口气,把肩上枯燥无味的家务担子让给机器人。让机器人擦地板...

    机器人网
  • 台大李宏毅最新深度学习课程:机器学习及其深层与结构化(347PPT)

    【新智元导读】 台大李宏毅老师的深度学习课程以其深入浅出和全面性而受到大家的欢迎。是不可多得的、较为全面的系统的深度学习中文教材。目前,他们在网上贴出了2017...

    新智元

扫码关注云+社区

领取腾讯云代金券