随着中间级表示桥接这两个级别，视觉场景的结构化表示，例如成对对象之间的视觉关系，不仅可以使组成模型与结构进行推理，而且为模型决策提供了更高的解释性。然而，这些表示的关注要比传统的认可任务少得多，因此尚未解决许多公开挑战。在论文中，我们研究了机器如何以视觉关系为结构化表示的单个图像或视频的内容。具体而言，我们探讨了如何在静态图像和视频设置中有效地构建和学习的视觉场景的结构化表示，以及由外部知识融合，减少偏置机制以及增强的表示模型所带来的改进。在本论文的结尾，我们还讨论了一些开放的挑战和局限性，以阐明视觉场景的结构化表示学习的未来方向。
translated by 谷歌翻译
We address the problem of unsupervised domain adaptation when the source domain differs from the target domain because of a shift in the distribution of a latent subgroup. When this subgroup confounds all observed data, neither covariate shift nor label shift assumptions apply. We show that the optimal target predictor can be non-parametrically identified with the help of concept and proxy variables available only in the source domain, and unlabeled data from the target. The identification results are constructive, immediately suggesting an algorithm for estimating the optimal predictor in the target. For continuous observations, when this algorithm becomes impractical, we propose a latent variable model specific to the data generation process at hand. We show how the approach degrades as the size of the shift changes, and verify that it outperforms both covariate and label shift adjustment.
translated by 谷歌翻译
本文解决了任务执行过程中远程移动机器人中自动检测和量化性能退化的问题。在执行任务期间，机器人可能会遇到各种不确定性和逆境，这可能会损害其有效执行任务并导致其绩效降级的能力。可以通过及时的检测和干预来缓解或避免这种情况（例如，由远程人类主管接管在远程操作模式下的控制）。受到医院中患者分类系统的启发，我们介绍了“机器人生命力”的框架，以估算整体“机器人健康”。机器人的生命值是一组指标，可以估计机器人在给定时间点面临的性能降解程度。机器人健康是一种将机器人生命力结合到性能降解的单个标量值估计值中的度量。在模拟和实际移动机器人中，实验表明，可以有效地使用提出的机器人生命力和机器人健康来估计运行时机器人性能降解。
translated by 谷歌翻译
本文报道了机器人研究人员的见解，该洞察力参加了由德国卡尔斯鲁赫（Karlsruhe）的Kerntechnische Hilfdienst GmbH（KHG）进行的为期5天的核灾难反应现场演习。德国核工业建立了KHG，为核事故提供了机器人辅助的紧急响应能力。我们对所使用的设备进行系统描述；机器人操作员的培训计划；现场锻炼和机器人任务；练习期间遵循的协议。此外，我们还提供了基于这些观察结果来推进灾难响应机器人技术的见解和建议。具体而言，性能的主要退化来自对操作员的认知和注意力需求。此外，除了易用性外，机器人平台和模块还应旨在保持健壮和可靠。最后，由于紧急响应利益相关者通常对使用自主系统持怀疑态度，因此我们建议采用可变的自主权范式将自主机器人的能力与人类的自主机器人能力逐渐融合在一起。远程操作和自主权之间的这种中间立场可以增加最终用户的接受，同时直接减轻操作员的机器人控制负担并保持人类陆路的弹性。
translated by 谷歌翻译
超过30亿人缺乏护理皮肤病。AI诊断工具可能有助于早期皮肤癌检测;然而，大多数模型尚未在不同肤色或罕见疾病的图像上进行评估。为了解决这个问题，我们策划了多样化的皮肤科（DDI）DataSet - 这是一种具有不同皮肤色调的第一个公开的，病理证实的图像。我们展示了最先进的皮肤科AI模型在DDI上表现得很糟糕，ROC-AUC与模型的原始结果相比下降29-40％。我们发现暗肤色和罕见的疾病，在DDI数据集中提供良好，导致性能下降。此外，我们表明，无需多样化培训数据，我们表明最先进的强大培训方法无法纠正这些偏差。我们的研究结果确定了需要解决的皮肤病学AI中的重要弱点和偏见，以确保可靠应用于各种患者和所有疾病。
translated by 谷歌翻译