我们向开放的神经网络交换（ONNX）中间表示格式提出扩展，以表示任意量化的量化神经网络。我们首先通过利用整数剪辑来引入对现有基于ONX的量化格式低精度量化的支持，从而产生了两个新的向后兼容的变体：带有剪辑和量化clip-dequantize（QCDQ）格式的量化运算符格式。然后，我们引入了一种新型的高级ONNX格式，称为量化ONNX（QONNX），该格式介绍了三个新运算符 - Quant，Biporlquant和Trunc，以表示均匀的量化。通过保持QONNX IR高级和灵活性，我们可以针对更广泛的平台。我们还介绍了与QONNX合作的实用程序，以及其在FINN和HLS4ML工具链中使用的示例。最后，我们介绍了QONNX模型动物园，以共享低精确的量化神经网络。
translated by 谷歌翻译
在治疗方案中应用的机器人，例如在自闭症谱系障碍的个体治疗中，有时被用于模仿学习活动，其中一个人需要由机器人重复运动。为了简化合并机器人可以执行的新运动的任务，希望机器人能够通过观察人类（例如治疗师）的示威来学习动作。在本文中，我们研究了一种从人类的骨骼观察中获取动作的方法，该方法是由以机器人为中心的RGB-D摄像头收集的。给定一系列观察到各种关节，在通过PID位置控制器执行之前，将关节位置映射以匹配机器人的配置。我们通过使用Qtrobot进行一项研究来评估该方法，尤其是繁殖误差，其中机器人从多个参与者中获取了不同的上身舞蹈动作。结果表明该方法的总体可行性，但也表明繁殖质量受骨架观测中噪声的影响。
translated by 谷歌翻译
在针对自闭症谱系障碍患者的机器人辅助治疗中，如果必须手动控制机器人，则在治疗过程中的治疗师工作量会增加。为了允许治疗师专注于与人的互动，机器人应该更加自主，即它应该能够解释该人的状态并根据其行为不断适应其行为。在本文中，我们开发了一个个性化的机器人行为模型，该模型可以在活动期间的机器人决策过程中使用。该行为模型是在从真实交互数据中学到的用户模型的帮助下训练的。我们将Q学习用于此任务，因此结果表明该策略需要大约10,000次迭代才能收敛。因此，我们调查了改善收敛速度的政策转移；我们表明这是一个可行的解决方案，但是不适当的初始政策可以导致最终的最终回报。
translated by 谷歌翻译
尽管机器人可以在大量隔离任务上熟练，但在现实的动态环境中的机器人部署是一个具有挑战性的问题。原因之一是机器人很少配备强大的内省能力，这意味着他们不能总是以合理的方式处理失败。此外，手动诊断通常是一项繁琐的任务，需要技术人员具有相当多的机器人技能。在本文中，我们讨论了我们正在进行的努力 - 在Ropod项目的背景下 - 解决其中一些问题。特别是，我们（i）提出了我们早期开发机器人黑匣子的早期努力，并考虑一些使其设计复杂的因素，（ii）解释我们的组件和系统监控概念，（iii）将远程监控和实验的必要性描述为以及我们最初的执行这些尝试。我们的初步工作打开了一系列有希望的方向，使机器人在实践中更可用和可靠 - 不仅在Ropod的背景下，而且在更一般的意义上也是如此。
translated by 谷歌翻译
2020-09-10
多目标梯度方法正在成为解决多目标问题的标准。其中，他们表现出有希望开发具有相关和相互矛盾的目标的多目标推荐系统。经典多梯度〜下降通常依赖于梯度的组合，而不是梯度的第一和第二矩的计算。这导致了脆性行为，并错过了解决方案空间中的重要区域。在这项工作中，我们创建了一种多目标模型 - 不可知的暗示方法，利用ADAM优化器在单目标问题中的优势。这将校正和稳定〜在计算常见的梯度下降载体之前〜〜〜梯度，同时优化所有目标。我们评估多目标的好处对两个多目标推荐系统和三种不同的客观组合，两者都相关或相互矛盾。我们报告了大量改进，用三种不同的Pareto正面指标测量：超凡镜，覆盖范围和间距。最后，我们展示了\ Textit {adamized} Pareto Front严格地占据了前一个目标对的前一个。
translated by 谷歌翻译