来源:机器之心 本文约2800字,建议阅读5分钟 本文介绍了自动驾驶技术领域的一些困惑。 过去十年,尽管机器学习已经在图像识别、决策制定、NLP 和图像合成等领域取得很多成功,但却在自动驾驶技术领域没有太多进展。这是哪些原因造成的呢?近日,Lyft 旗下 Level 5 自动驾驶部门的研究者对这一问题进行了深入的探讨。他们提出了自动驾驶领域的「Autonomy 2.0」概念:一种机器学习优先的自动驾驶方法。 论文地址: https://arxiv.org/pdf/2107.08142.pdf 自 2005
经过了一个多星期的摸索,现在开始慢慢理解Parrot ARDrone 2.0的使用。现在总结一下遇到的问题,希望用这款无人机的人能够得到一些帮助,毕竟不能总是做一个伸手党。 Parrot ARDrone 2.0是法国的一家无人机的厂商生产的无人机的产品,是parrot ardrone 1.0的进阶版,摸索的这一个星期我感受到现在对ardrone 2.0的支持还是挺棒的。有很多资料,遇到问题google一下也有很多解决方案。这款无人机售价比较便宜,我们购买的是power edition版本,价格在2500左右,然后不包括GPS模块,价格在600左右。如果需要进行室外自主飞行,就需要GPS模块获得无人机的location然后利用qgroundcontrol这款软件指定无人机的飞行路径,就可以实现按照固定的轨迹自主飞行拍摄。这款无人机还有的硬件外设有一个向前的摄像头,720p的,还有一个向下的摄像头,分辨率比较差。内置里IMU,处理器是一款ARM 的处理器。详细的参数可以去google搜索一下那个用户手册(user guide),里面的参数写的很详细。 Parrot ardrone 2.0不做开发的话买回来的装上电池就可以飞了,这个需要你仔细看看里面的使用说明书。你需要在手机或者pad上面下载对应版本的app——ARFreeFlight 2.0(最好使用iphone或者ipad,我发现这款app对安卓的支持貌似不是很好,但是也是可以用的)。 闲话不多说了,下面开始讲关于使用ardrone 2.0开发的一些事情了。其他的资料可以去官网看看: (http://www.parrot.com) ardrone2.0的SDK 下载的地址是:http://developer.parrot.com/products.html,里面的SDK 2.0就是针对ardrone 2.0的SDK 。我们要讲的ardrone_autonomy其实是SDK的二次封装。在SDK的基础上加上了ROS,就像是ardrone的驱动一样。 首先是讲解ardrone_autonomy的安装,我参考的文献http://blog.csdn.net/u014209688/article/details/42614705#comments,里面讲解的是有两种安装方式,但是我使用的是第一种安装方式,后来也证明了,第一种安装方式既简单,有很少会报错。
至少有一半的收购都会以失败告终。这让我想起了惠普(HP)于2011年宣布110亿美元的价格收购英国软件公司Autonomy,随后对这笔交易进行了88亿美元的资产减记。惠普指责Autonomy在收购前的两年半时间里错误地报告了7.09亿美元营收。而在今年六月份,惠普也表示将向股东支付1亿美元对此达成和解。 但是有一些收购却是颇为壮观的成功——EMC在2003年斥资6.25亿美元收购了VMware。四年之后,EMC选择让VMware分拆上市,通过首次公开招股出售了后者大约15%的股权,当时这一交易对VMwar
bebop_autonomy是基于Parrot公司的官方程序包ARDroneSDK3开发的一个ROS程序包,用于对Bebop系列无人机进行通信和控制。
编译:T客汇 张苏月 关键词:微软,LinkedIn,SaaS 6 月 13 日,微软宣布以 262 亿美元全现金收购 LinkedIn,其中包括 LinkedIn 拥有的净现金。那天,这一这件事震
Artificial Intelligence — The Revolution Hasn’t Happened Yet
基于Java的开源 Carrot2 搜索结果聚合聚类引擎 2.0发布了. Carrot2 可以自动的把自然的搜索结果归类(聚合聚类)到相应的语义类别中,这个功能是通过Carrot2一个现成的组件完成的,除此之外Carrot2 还包括了很多其他的搜索结果聚合聚类算法 search results clustering algorithms 非常值得一看 . 今天10b lobster 和我聊起了新闻标题的平移算法, 如果这个算法被Carrot支持的话,应该是一个流行算法了。这个算法在卢亮的blog上曾经提到过。新闻阅读器也准备用这个算法进行新闻分类,提高新闻阅读速度。 Carrot2 2.0 的一个亮点是速度和易用性的提高。在易用性方面Carrot2提供了一个叫Aduna ClusterMap 的可视化组,这个组件被放到了可以单独运行的GUI程序中了,详见:standalone GUI application 。除此之外核心api也得到了简化,这里有 更多信息. Carrot2 的流行还衍生了一家叫 Carrot Search 的公司,类似jboss ,mysql 相关的运营公司, 他们发布了发布了 Lingo3G ,可以想想出来了,Lingo3G ( 这个名字真酷 lingo and 3g 呵呵 )-- 提供高性能的文档聚合引擎 ,这个引擎功能十分强进,他提供基于层级的,同义的 , 标签过滤的等功能。相比较 autonomy 还是有些差:
机器之心 & ArXiv Weekly Radiostation 参与:杜伟、楚航、罗若天 本周重要论文包括 IJCAI 2021 杰出论文最佳论文以及斯坦福大学登上 Nature 和 Science
原文标题:Analysis of the Synergy between Modularity and Autonomy in an Artificial Intelligence Based Fleet Competition
选自BAIR 作者:Siddharth Reddy 机器之心编译 参与:Pedro、刘晓坤 人机合作可以提高很多现实高危任务的成功率和安全性,特别是对于视野受限的飞机着陆甚至飞船登月任务。以前的方法通常依赖于大量的先验知识(基于模型)。为此,伯克利 AI 研究院提出了基于深度强化学习的共享自治系统(无模型),不需要先验知识就可以辅助任务的执行,并在有先验知识的条件下能进一步利用并提升性能。该系统对于存在非结构化、不可预测因素的任务很有优势。在登月游戏和真实无人机着陆的任务中它都取得了优越的成果,显著优于人机
紧随2022年 OCP全球峰会之后 (Open Compute Project) 兄弟组织TIP也召开了2022年 吹水大会(Telecom Infra Project) 📷 大会期间 白盒交换机传来捷报 法国的电信巨头Orange 正式宣布交付第一台由白盒硬件 +SONiC开源软件组成的解耦交换机 📷 Orange将白盒设备 应用于数百个接入点(PoP) 为企业客户提供1G/10G/100G接入服务 “We see major advantages to moving to this system. F
论文地址: http://arxiv.org/pdf/2205.10737v2.pd
CVPR2022论文和代码整理:https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo
建立微服务的真正道路是事件驱动,这是一个有着DDD, CQRS, Event-sourcing, event streaming, complex-event processing(CEP) 等背景以及丰富JavaEE技术经验的架构师的认识,他经历了从传统整体型monolith到微服务架构之转变,细节技术涉及从容器技术 (Docker, Kubernetes) 到JVM层 (Spring Boot 和 WildFly Swarm)到应用架构(事件, 命令, 流streaming, 原始事件, 聚合, 聚合根, 事务, CQRS, 等等),他会在六月的Red Hat Summit演讲上详细陈述。 这里他从自主性与权威性的比较角度来谈论微服务为什么应该是事件驱动,原文见:Why Microservices Should Be Event Driven: Autonomy 首先,我们使用微服务是为了构建一个业务敏捷的IT系统,也就是能跟随业务快速变化的IT系统,这样才能保证我们的业务能力始终保持竞争力。而自治系统是能够相互交互提供业务敏捷,包括如果系统发生问题怎么办?系统如何克服问题?提供业务敏捷和失败容错的系统就是自治autonomy。 自治系统能够独立于彼此演进,因为他们本质上是彼此没有依赖的,改变一个服务A不会强迫系统B改变,包括引起任何其他涟漪影响,如果服务A是服务B依赖的,服务A死了,那么服务B也会死期不远。 那么自治性除了微服务以外,其他方面还需要什么?如果你阅读过http://blog.christianposta.com/microservices/the-real-success-story-of-microservices-architectures/,你会知道不是技术让Netflix和亚马逊的微服务获得成功,而是组织系统结构。 与敏捷系统的相同类型的一些例子包括:开源社区、城市、股票市场、蚂蚁群、成群的鸟类和其他的。它们可以进化,响应react环境,甚至持续在面对巨大的失败,事实上,它们都是属于复杂自适应系统的理论研究领域。这些系统之间的共同点是什么?目标,自治性和对环境的反应。自治意味着 对“事件”的“反应react” 。 当有什么事情发生时,自治者(蚂蚁 人或服务)会做某些事或不做某些事,但是总体来说,是这些发生事情的事件驱动了它们的行为,想想你(作为一个独立自主与自治的人)在一天中做的事情:你醒过来,基于温度穿衣服(事件或事实),你开车和去工作(在停车灯停下来(事件),避免驾驶人发生不正常事件等)。这些都是对事件的回应。你会收到收件箱里的电子邮件,你会回应。你会从你妻子提供的文本中挑选一篇关于家庭的晚餐,等等,我们生活在对事件的反应中。建立在事件的IT系统也可以是同样拥有自主性,可扩展性和弹性应对失败。 从权限到自治自主并拥抱最终一致性 在大多数分布式系统实现中,我们倾向于在一个单一地理空间建立跨不可靠网络的系统,这在很多方面都是坏主意,我们倾向于调用远程对象,驱动它们做某些事情,或者我们调用一个远程服务进行数据查找,如果是购物车服务,我们需要计算购物车中所有商品的最终价格以便支付,这样购物车服务会调用计价服务,计价服务也许会调用计税服务以基于价格根据不同洲税调整最终价格,计税服务也许会调用产品目录服务,货运服务也许会调用库存服务等等,最后也许需要经过一长段调用才会结束,我们正在遵循“authority权限”模式进行数据访问,我们调用那些对数据拥有权限的服务,这有点像共享全局状态,它们也有另外一个理由,因为事务性或ACID需要这样整合在一起调用。 这可能会导致瓶颈。如果服务链中的某些服务不可用,它也会导致其他服务挂起以及级联崩溃性故障。它也可能导致一些奇怪的依赖关系,比如库存服务暴露给税务服务的出数据和航运服务使用的数据会不同。或者它公开了一个单一格式的数据,但其中有很多额外的细节是这两个服务都不真正关心的。 如果我们以不同方式来看这个模型?如果我们颠倒这个模型,我们不再依赖和调用那些对数据拥有权限的服务,而是依赖时间和事件(如同我们现实世界一样)重新理解上下文场景和环境。 我们刚刚从周围环境发现从美国到古巴的航运刚刚推出了一个较低的税收,这是一个发生的事实,我们可以观察和反应,或者忽视不做任何事。 如果我们能了解到对运送到古巴的税收现在已经降低了,那么在我们展示购物车页面时,我们就可以捕捉这样的数据以便未来可能的查询,然后我们可以有更多的自主权,我们可以在我们自己的数据库中存储该信息息或该信的衍生物,这将为我们提供的服务类型进行优化。如果我们必须对我们的服务进行版本的修改,我们就可以把重点放在我们自己的架构和数据上,而不必担心更改时其他相关服务会发生什么。 什么是最终一致性? 响应事件而不是“及时”查询权限系统会让我们更具有自主性,更有容错能力和弹性,
Tesla Autonomy Day 前1小时多的广告可以忽略 https://www.youtube.com/watch?v=Ucp0TTmvqOE&feature=share Tesla's F
When will tangible rewards inspire consumer/employee motivation? When the work you want to inspire is non-creative work When financial compensation is the main concern, i.e. low-income workers. When you need short-term adoption. When no other intrinsic mot
株式会社Preferred Networks エンジニア。ROS Japan Users Group を主宰。奈良先端科学技術大学院大学 情報科学研究科 博士後期課程 修了 博士 (工学)。
DAO: decentralized autonomy organization 通用概念,去中心化的自治组织。
首先,我们要理解为什么在自主学习中,自我奖励可能会失效或带来困扰。其中的一些原因可能包括:
The Open Source Car Control (OSCC) project was created to give everyone the opportunity to build their own development autonomous vehicle. Other by-wire vehicle platforms (components + vehicle) can cost upwards of $140,000, and are “black boxed,” preventing further investigation and innovation into autonomy. We figured out a way to offer a more affordable, open-source option to the public. By using tools and parts common across robotics and automotive, you can use our kits combined with the software of your choice, to build a self-driving car for under $10,000. This wiki will guide you through the process, acting as the main source of documentation for developers and engineers working with (or contributing to) the Open Source Car Control (OSCC) project. The goal of this wiki is to house and present all of the information you need to modify a Kia Soul (or similar vehicle) for full by-wire control.
【1】 Learning to Share Autonomy Across Repeated Interaction 标题:学会在重复互动中共享自主性
【导读】专知内容组整理了最近六篇聊天机器人(Chatbot)相关文章,为大家进行介绍,欢迎查看! 1. Learning Matching Models with Weak Supervision for Response Selection in Retrieval-based Chatbots(利用弱监督信息学习匹配模型以实现基于检索的聊天机器人的响应选择) ---- ---- 作者:Yu Wu,Wei Wu,Zhoujun Li,Ming Zhou accepted by ACL 2018 as a
进入Agent世界-什么是Agent? 在前面的讨论中,说道了一下Object让俺们感觉不是很爽的地方。总结下来:OO并不是对现实世界最贴切的模拟。那么什么东东可以比OO更加贴近地来模拟现实世界呢?就目前看来,还是Agent可以担当起Object接班人的这个角色。 这里多插一段话。俺们可以注意到,不论是Object还是Agent,他们都有比较深的理论渊源,同时以指导实际软件开发为其价值导向。目前在软件开发过程中,俺们大量地使用着Object的概念,所以前面讨论凡是涉及到Object的,俺们都尽量使用
本期将为大家介绍UC Santa Cruz VLAA Lab招聘博士的相关信息。 实验室简介 Vision · Learning · Assured Autonomy (VLAA) Lab是由谢慈航教授和周郁音教授两位导师共同指导。实验室目前有4名博士生以及多名访问学者。我们的研究兴趣集中在计算机视觉、深度学习和这些技术在医疗领域的应用。在成立的过去一年里,我们实验室发表了14篇顶会/期刊,包括4篇CVPR、3篇NeurIPS、2篇ECCV、2篇ICLR、2篇TPAMI和1篇AAAI。我们的实验室学生也都
美国国防部高级研究计划局(Defense Advanced Research Projects Agency,DARPA)于2月12日新公布了其快速轻量自主飞行器(FastLightweight Autonomy,FLA)项目的视频片段,并称项目取得了里程碑式的进展:一架轻量级无人机能够携带高分辨率相机、激光雷达、声纳以及惯性测量传感器,以20米每秒的速度飞行。 这次演示在美国马萨诸塞州科德角的奥蒂斯空军国民警卫队基地(Otis Air National Guard Base)机库中进行。视频中的无人机是一
作者:张苏月 关键词:微软,Salesforce,LinkedIn,收购 网址:www.tikehui.com 前段时间震惊互联网界的「微软 262 亿美元高价收购 LinkedIn」事件目前已经渐渐淡出人们的视线,但是这起收购的背后到底是什么原因呢?LinkedIn 被收购后的归属又将如何呢? 据外媒报道,职业社交网站 LinkedIn 创始人里德·霍夫曼在接受采访时表示,之所以出售领英,是因为当时公司在研发新技术时,比如人工智能,无法拿出切实可行的办法,无法与谷歌和 Facebook 等大公司进行竞
在我们的日常生活中,我们习惯于与同龄人进行复杂的、个性化的、适应性的互动。 对于一个社交机器人来说,能够再现这种丰富的,类似人类的互动,它应该意识到我们的需求和情感状态,并且能够不断地调整自己的行为来适应它们。 解决这个问题的一个建议是,让机器人学习如何选择行为,以最大限度地提高与同伴交流的愉悦性,并在内部激励系统的指导下,为其决策过程提供自主权。 我们感兴趣的是研究这种自适应机器人框架如何针对不同的用户发挥作用和个性化。 此外,我们还探讨了在认知框架中加入适应性和个性化因素是否会给人机交互带来额外的丰富性,还是会带来机器人的人类同伴所不能接受的不确定性和不可预测性。 为此,我们为人形机器人 iCub 设计了一个社会适应框架,使其能够感知和重用来自人的情感和交互信号,作为基于内部社会动机的适应输入。 我们提出了一个与 iCub 的比较互动研究,其中用户扮演机器人的守护者,而 iCub 的社会适应是由内部舒适度引导的,这个舒适度随着 iCub 从守护者那里接收到的刺激量而变化。 我们调查并比较了当机器人没有个性化交互时,以及当机器人具有自适应能力时,人们会如何感知机器人的内部动态。 最后,我们建立了一个自适应框架可能带来的潜在好处,与人形机器人重复互动的环境。
最近在看一本书——《Team of Teams: New Rules of Engagement for a Complex World 》。作者之一是2003年就任美军驻伊拉克联合特种作战部司令官的Stanley McChrystal将军。书中有个例子看上去是那么的眼熟,相信不少同事,特别是销售和PM都会有同感。
Autonomous systems are an important driver of benefit to many companies and organizations. Advances in autonomous technologies affect every part of life, business, industry and education. A class of machine learning methods, namely reinforcement learning (RL), are the backbone of many autonomous systems. Recent developments in deep learning have been integrated into conventional RL, known as deep RL, for building more capable and robust autonomous systems. These autonomous technologies are transforming many industries, most notable is the car industry where autonomous driving systems will lead to huge transformation in the near future. Other businesses have also applied autonomous technologies to stimulate transformation and growth, from the defense and security industries through to the highly-competitive retail sector, supply chains, manufacturing, medical diagnosis systems, remote aged-care and health-care systems, autonomous surgery, cancer treatment planning, in-house robotics, disaster management and smart-grid control.
大自然真是一个奇妙的存在,物竞天择、适者生存、优胜劣汰,从地球上最早的生命诞生到现在,经过了几十亿年的进化,地球上的生物形态各异,有着各自的使命和存在的意义。
这一次,是关于他们的远程操控系统。即在无人车运营中,如需要远程介入,这个系统就显得格外重要。
大数据存储不是一类单独的产品,它有很多实现方式。EMC Isilon存储事业部总经理杨兰江概括说,大数据存储应该具有以下一些特性:海量数据存储能力,可轻松管理PB级乃至数十PB的存储容量;具有全局命名空间,所有应用可以看到统一的文件系统视图;支持标准接口,应用无需修改可直接运行,并提供API接口进行面向对象的管理;读写性能优异,聚合带宽高达数GB乃至数十GB;易于管理维护,无需中断业务即可轻松实现动态扩展;基于开放架构,可以运行于任何开放架构的硬件之上;具有多级数据冗余,支持硬件与软件冗余保护,数据具有高可靠性;采用多级存储备份,可灵活支持SSD、SAS、SATA和磁带库的统一管理。 通过与中国用户的接触,杨兰江认为,当前中国用户最迫切需要了解的是大数据存储有哪些分类,而在大数据应用方面面临的最大障碍就是如何在众多平台中找到适合自己的解决方案。 EMC针对不同的应用需求可以提供不同的解决方案:对于能源、媒体、生命科学、医疗影像、GIS、视频监控、HPC应用、某些归档应用等,EMC会首推以Isilon存储为核心的大数据存储解决方案;对于虚拟化以及具有很多小文件的应用,EMC将首推以VNX、XtremIO为核心的大数据存储解决方案;对于大数据分析一类的应用需求,EMC会综合考虑客户的具体需求,推荐Pivotal、Isilon等一体化的解决方案。在此,具体介绍一下EMC用于大数据的横向扩展NAS解决方案——EMC Isilon,其设计目标是简化对大数据存储基础架构的管理,为大数据提供灵活的可扩展平台,进一步提高大数据存储的效率,降低成本。 EMC Isilon存储解决方案主要包括三部分:EMC Isilon平台节点和加速器,可从单个文件系统进行大数据存储,从而服务于 I/O 密集型应用程序、存储和近线归档;EMC Isilon基础架构软件是一个强大的工具,可帮助用户在大数据环境中保护数据、控制成本并优化存储资源和系统性能;EMC Isilon OneFS操作系统可在集群中跨节点智能地整合文件系统、卷管理器和数据保护功能。 杨兰江表示,企业用户选择EMC Isilon的理由可以归纳为以下几点。第一,简化管理,增强易用性。与传统NAS相比,无论未来存储容量、性能增加到何种程度,EMC Isilon的安装、管理和扩展都会保持其简单性。第二,强大的可扩展性。EMC Isilon可以满足非结构化数据的存储和分析需求,单个文件系统和卷中每个集群的容量为18TB~15PB。第三,更高的处理效率,更低的成本。EMC Isilon在单个共享存储池中的利用率超过80%,而EMC Isilon SmartPools软件可进一步优化资源,提供自动存储分层,保证存储的高性能、经济性。第四,灵活的互操作性。EMC Isilon支持众多行业标准,简化工作流。它还提供了API可以向客户和ISV提供OneFS控制接口,提供Isilon集群的自动化、协调和资源调配能力。 EMC Isilon大数据存储解决方案已经在医疗、制造、高校和科研机构中有了许多成功应用。
11月4日,在2021腾讯数字生态大会上,腾讯云区块链联合腾讯研究院共同发布《链计算:构建信任网络,致力无边界协同》白皮书。
特斯拉的AP和FSD是辅助驾驶并非自动驾驶。驾驶员始终要掌控驾驶,随时准备接管方向盘。
亚马逊正在许多应用领域中推进机器人技术。Amazon Robotics设计,编码,构建和制造改变游戏规则的软件应用程序,控制系统,机器人技术和相关硬件,这正在改变Amazon在全球范围内的运营方式。AWS RoboMaker为机器人开发人员提供最完整的云解决方案,以大规模模拟,测试和安全部署机器人应用程序。
这一篇是记录分布式工作流系统的。我这些年来参与了几个不同的分布式工作流系统的工作(以前从另外的角度写了一些总结放在这里),大部分是基于基础分布式工作流引擎二次开发的,但也有从头开始实现一个的。总的来说,从原理上看可以说它们的实现是大同小异,大致是基于 Amazon 的 SWF 的各种实现变体。
单一职责原则原本是面向对象设计中的一个基本原则,它指的是一个类只负责一项职责,不要存在多于一个导致类变更的原因。
自动驾驶属于机器人大类方向,“开源”自动驾驶方案Apex.AI使用了ROS1和ROS2。
据天空新闻台报道,从6月6日起,全英大量公司企业将在不减少薪资待遇的前提下,开始“一周四天”的工作模式。
大数据的日益增长,给企业管理大量的数据带来了挑战的同时也带来了一些机遇。下面是用于信息化管理的大数据工具列表: 1.ApacheHive 📷 Hive是一个建立在hadoop上的开源数据仓库基础设施,通过Hive可以很容易的进行数据的ETL,对数据进行结构化处理,并对Hadoop上大数据文件进行查询和处理等。Hive提供了一种简单的类似SQL的查询语言—HiveQL,这为熟悉SQL语言的用户查询数据提供了方便。 2JaspersoftBI套件 📷 Jaspersoft包是一个通过数据库列生成报表的开源软件。
Argo AI 工作人员正在校准传感器 翻译 | Shawn 编辑 | Donna Waymo宣布,在对其旗下的自动驾驶出租车进行的公路测试中,安全工程师将从前座移到后座,最终离开车内。这就意味着,机器可以在不受人监督的条件下,载着像我一样的驾驶小白在公路上行驶。 这无疑是自动驾驶汽车商业化道路上一个里程碑事件。 目前,关于自动驾驶汽车的前景扑朔迷离。它能否进入并革新市场,仍需打个问号。不过,现在看来,Waymo为自动驾驶汽车指出了一条明路。 软件越完善,需要的人为干预就越少,软件能获得的控制权就越多
在近日结束的Tesla Autonomy活动中,Tesla非常“大方”的介绍了自己的Full Self-Driving (FSD) Computer从系统到芯片的很多细节。从芯片来看,其“透明度”超过了除Google第一代TPU之外所有的AI相关芯片。实际上,和Goolge TPU的情况类似,在这次发布之前,Tesla也做了一定的专利布局,这正好让我们可以从不同角度更深入的了解Tesla的FSD芯片。
尽管今年世界上发生了这么多事情,我们还是有机会看到很多惊人的研究成果。特别是在人工智能更精确的说是计算机视觉领域。此外,今年还聚焦了许多重要的方面,比如伦理方面、重要的偏见等等。人工智能和我们对人类大脑及其与人工智能的联系的理解在不断发展,在不久的将来显示出了有前途的应用,这一点我一定会讲到。
小时候,曾经真挚地向往巴巴爸爸的变形技能。想凿开冰球,就把自己变成嘴巴尖利的大鸟。
注意下面很多链接需要科学上网,无奈国情如此 1. sentiment analysis的survey文章,前面略显累赘,后面还行 链接:https://arxiv.org/pdf/1801.07883.pdf 2. 微软用AirSim模拟器训练自驾车的教程,可以配合MIT自驾车的课一起学 链接:https://github.com/Microsoft/AutonomousDrivingCookbook/tree/master/AirSimE2EDeepLearning 3. Ali Rahimi(NIPS
选自IEEE Spectrum 机器之心编译 参与:李泽南、Smith 随着自动驾驶技术的发展,新一代量产车正在逐渐加入「智能化」元素。昨天在巴塞罗那推出的新一代奥迪 A8 不仅具有科幻式的驾驶舱,还
当我们还在回顾波士顿动力的人形机器人Atlas是如何出色地完成了跳舞和跑酷时,作为公司的网红之一,Spot机器狗也没有落下前进的脚步。
最近有几次关于PBC的培训,部门内也在搞一些实践,PBC的全称是Packaged Business Capabilities,感觉每个人对PBC的理解都有差别,我也在思考PBC是什么?我对PBC有什么深入的思考,以及如果让我去构建BPC的时候,我会怎么做。整理一下自己对PBC的理解,希望可以抛砖引玉。
新智元 AI DAILY 1 特斯拉又出事故,自动驾驶模式下翻车 北京时间7月6日晚间消息,国外媒体报道,近日一辆Model X电动汽车在宾夕法尼亚州收费公路上发生车祸,当时这辆汽车正处
领取专属 10元无门槛券
手把手带您无忧上云