我们提出了一个动态四足运动的框架,在挑战中,选择合适的立足点对于行为的成功至关重要。我们使用有效的占用网格表示在线和在线构建环境模型。我们使用Any-time-Repairing A *(ARA *)在树上搜索可能的动作,选择粗糙的身体路径并相应地选择局部最佳的立足点。我们使用动态稳定性指标ZeroMoment Point(ZMP)对身体轨迹进行n步式前瞻优化,生成自然动态的全身运动。浮动基础逆动力学和虚拟模型的组合在一个积极顺应的系统上执行所需的运动。实验试验表明,这个框架允许我们以前一次工作速度的6倍的速度穿越地形,在同一组房间进行评估。
translated by 谷歌翻译
我们提出了一种有腿运动规划方法,用于四足运动过度挑战的地形。我们将问题分解为身体动作计划和足迹计划。我们使用晶格表示和一组定义的身体运动原语来计算身体动作计划。格子表示允许我们计划多种运动,确保每个可能的计划的可行性。为此,我们提出了一组规则来定义脚步搜索区域和给定身体动作的足迹序列。我们使用Anytime Repairing A *(ARA *)搜索来保证有限的次优计划。我们的主要贡献是生成在线多功能运动的计划方法。实验性试验证明了我们在一系列具有挑战性的地形条件下的计划方法。地形信息和计划是在线和在线计算的。
translated by 谷歌翻译
目的:肺癌是全球癌症相关死亡的主要原因。计算机辅助诊断(CAD)系统近年来在促进计算机断层扫描(CT)扫描中异常肺结节的有效检测和分类方面表现出了显着的优势。虽然传统上使用手工设计的放射学特征来进行肺癌预测,但是最近的成功实现了发现放射组学领域的最新成果。在此,从档案医学数据中直接发现包括高度辨别的放射学特征的放射性序列。然而,使用这种放射性测序序列进行预测的解释仍然是一个挑战。方法:设计,构建和测试了novelend-end可解释发现放射免疫学驱动的肺癌预测管道。被发现的放射性测序仪具有由堆叠的可解释的测序细胞(SISC)组成的深层结构。结果:SISC体系结构显示出了超越前的方法,同时为其决策过程提供了更多的洞察力。结论:SISC放射学测序仪能够在肺癌预测中获得最先进的结果,并且还以关键响应图的形式提供预测可解释性。意义:临界响应图不仅可用于验证所提出的SISC放射性测序仪的预测,还可用于改进放射科医师 - 机器协作以进行有效诊断。
translated by 谷歌翻译
本文介绍了混合(数字/模拟)神经网络的设计和编程,以充当具有执行空间离散余弦变换能力的人工视网膜。我们描述了电路的结构,它使用了一个使用可编程数字图形链接的模拟单元。本文分为三个主要部分。首先,我们提出Matlab仿真的结果。然后我们在Spice中展示电路仿真。接下来是实际装置的演示。该系统具有专门的分离元件,其中专用模拟电路与现成的数字现场可编程门阵列(FPGA)元件分离。进一步的开发包括使用用于模拟组件的快速可制造的有机电子器件。该平台的计划用途包括使用基于脉冲的基础处理的软件的人群开发。开发包将包括Matlab和Spice类型软件平台形式的模拟器。
translated by 谷歌翻译
处理高方差是无模型增强学习(RL)中的重大挑战。现有方法是不可靠的,使用不同的初始化/种子表现出从一次运行到另一次运行的性能的高度变化。着眼于连续控制中出现的问题,我们提出了一种增强无模型RL的功能规范化方法。特别是,将深层政策的行为与先前的政策相似,即我们在功能空间中进行规范化。我们证明功能正则化会产生偏差 - 方差权衡,并提出一种自适应调整策略来优化这种权衡。当政策先验具有控制理论稳定性保证时,我们进一步表明,这种正规化近似预先保证了整个学习过程中的稳定性。我们在一系列设置上验证了我们的认可度,并证明了与单独的deepRL相比,显着降低了方差,保证了动态稳定性和更有效的学习。
translated by 谷歌翻译
在这项研究中,我们提出了仿射变分自动编码器(AVAE),变体自动编码器(VAE)的变量,旨在通过避免VAE无法推广到仿射扰动形式的分布变化来提高鲁棒性。通过优化仿射变换以最大化ELBO,所提出的AVAE将输入转换为训练分布而不需要增加模型复杂度以模拟仿射变换的完整分布。此外,我们引入了一个培训程序,通过学习训练分布的子集来创建有效的模型,并使用AVAE来改善分布式移位证明时间的泛化和鲁棒性。对仿射扰动的实验表明,所提出的AVAE显着改善了仿射扰动形式的分布均匀性的推广和鲁棒性,而不增加模型复杂性。
translated by 谷歌翻译
本文介绍了自动驾驶汽车的算法和系统架构。引入的车辆由设计用于鲁棒性,可靠性和可扩展性的软件栈提供动力。为了自主地绕过先前未知的轨道,所提出的解决方案结合了来自不同机器人领域的技术的状态。具体而言,感知,估计和控制被合并到一个高性能自主车辆中。这个复杂的机器人系统由AMZ Driverless和ETHZurich开发,在我们参加的每个比赛中获得第一名:Formula StudentGermany 2017,Formula Student Italy 2018和Formula Student Germany 2018. Wediscuss这些比赛的结果和学习,并对每个模块进行实验评估我们的解决方案
translated by 谷歌翻译
许多人类活动需要几分钟才能展开。为了表示它们,相关工作选择统计池,忽略时间结构。其他选择卷积方法,如CNN和非局部。虽然成功地学习时间概念,但它们缺乏对长达数分钟的时间依赖性的建模。我们提出VideoGraph,一种实现最佳双重世界的方法:代表长达数分钟的人类活动并学习其基本的时间结构。 VideoGraph学习基于图形的人类活动表示。图形,其节点和边缘完全从视频数据集中学习,使得VideoGraph适用于没有节点级别注释的问题。结果是对基准测试的相关工作进行了改进:Epic-Kitchen和Breakfast。此外,我们证明VideoGraph能够在长达数分钟的视频中容忍人类活动的时间结构。
translated by 谷歌翻译
我们建议使用随机变分帧预测深度神经网络,其中学习的先验分布训练在二维雨雷达反射率图上,用于降水临近预报,导致时间高达2 1/2小时。我们提出了与标准卷积LSTM网络的比较,并评估了两种方法的结构相似性指数的演变。案例研究表明,新方法可以产生有意义的预测,而不会在感兴趣的时间范围内过度模糊。
translated by 谷歌翻译
涉及多艘船舶的海上碰撞被认为是罕见的,但在2017年,美国海军的几艘船只涉及致命的海上碰撞,导致17名美国军人死亡。本文介绍的实验是对这些事件的直接反应。我们提出了一种基于视频图像处理的舰载碰撞 - 海上避让系统,它将有助于确保海上船只的安全驻留和导航。我们的系统利用在合成海事图像上训练的卷积神经网络,以便在场景中检测附近的船只,对检测到的船只进行航向分析,并在入境船舶存在的情况下提供analert。此外,我们还提供了导航危害 - 合成(NAVHAZ-Synthetic)数据集。该数据集包括从虚拟船载摄像机观察到的十个船级的一百万个注释图像,以及人类“Topside Lookout”视角。 NAVHAZ-Synthetic包括显示不同海况,光照条件和光学降解(如雾,海浪和盐积累)的图像。我们展示了在基于计算机视觉的海上碰撞预警系统中使用合成图像的结果,该系统具有良好的性能。
translated by 谷歌翻译