机器人设计优化，模仿学习和系统标识共享一个常见的问题，该问题需要对机器人或任务参数进行优化，同时在优化机器人运动的同时。为了解决这些问题，我们可以使用可区分的最佳控制，以使机器人运动相对于参数的运动的梯度。我们提出了一种通过敏感性分析（SA）通过差分动态编程（DDP）算法进行分析分析计算这些梯度的方法。我们表明，计算梯度时必须包括二阶动力学项。但是，在计算运动时，我们不需要包括它们。我们验证我们在摆和双摆系统上的方法。此外，我们比较使用使用迭代线性二次调节器（ILQR）的衍生物，该线性二次调节器（ILQR）在Kinova ARM的共同设计任务上忽略了这些二阶术语，我们在其中优化了目标机器人的链路长度达到任务。我们表明，使用ILQR梯度忽略二阶动力学的优化会影响衍生物的计算。取而代之的是，使用DDP梯度优化，对于一系列初始设计，使我们的公式扩展到复杂的系统。
translated by 谷歌翻译
深度学习模型的概括性可能会受到火车分布（源域）和测试（目标域）集的分布差的严重影响，例如，当设置由不同的硬件生成时。由于这个领域的转移，某个模型可能在一个诊所的数据上表现良好，然后在部署在另一个诊所时失败。我们提出了一种非常透明的方法来执行测试时间域的适应性。这个想法是替换目标低频傅立叶空间组件，这些空间组件被认为可以反映图像的样式。为了最大程度地提高性能，我们实现了“最佳样式供体”选择技术，并使用许多源数据点来更改单个目标扫描外观（多源传输）。我们研究了域转移严重程度对方法性能的影响，并表明我们的无训练方法达到了复杂的深区适应模型的最新水平。我们的实验代码已发布。
translated by 谷歌翻译
深度神经网络的规模和复杂性继续成倍增长，大大增加了这些模型训练和推断的能源消耗。我们介绍了一个开源软件包ECO2AI，以帮助数据科学家和研究人员以直接的方式跟踪其模型的能源消耗和同等的二氧化碳排放。在Eco2ai中，我们强调能源消耗跟踪和正确的区域二氧化碳排放会计的准确性。我们鼓励研究社区搜索具有较低计算成本的新最佳人工智能（AI）架构。动机还来自基于AI的温室气体与可持续AI和绿色AI途径隔离周期的概念。
translated by 谷歌翻译
在本文中，我们为人形机器人领域提供了一个机器人模型和代码基础，以获得经济实惠的教育。我们概述了一个机器人的软件和硬件，赢得了2019 - 2019 - 2019年的罗布斯特队的几次比赛，提供了对机器人的当代教育市场的分析，并突出了某些设计解决方案之外的推理。
translated by 谷歌翻译
语音转换是一项常见的语音综合任务，可以根据特定的现实情况来以不同的方式解决。最具挑战性的人通常被称为单一镜头多次的语音转换是在最一般的情况下，从一个参考语音中复制目标语音，而源和目标扬声器都不属于培训数据集。我们提出了一种基于扩散概率建模的可扩展高质量解决方案，与最新的单发语音转换方法相比，它表现出了优质的质量。此外，我们专注于实时应用程序，我们研究了可以更快地使扩散模型的一般原则，同时将合成质量保持在高水平。结果，我们开发了一种新型的随机微分方程求解器，适用于各种扩散模型类型和生成任务，如经验研究所示，并通过理论分析证明了它。
translated by 谷歌翻译
近年来，深度学习在许多实际问题中取得了重大结果，例如计算机视觉，自然语言处理，语音识别等。多年来，该研究的主要目标是提高模型的质量，即使复杂性不切实际。但是，对于通常需要实时工作的生产解决方案而言，该模型的延迟起着非常重要的作用。通过将模型复杂性考虑到神经体系结构搜索（NAS），发现了当前的最新架构。但是，设计适合特定硬件的搜索空间仍然是一项艰巨的任务。为了解决这个问题，我们提出了神经体系结构搜索空间的硬件效率的度量 - 矩阵效率度量（MEM）；由硬件有效操作组成的搜索空间；一种延迟感知的缩放方法；和Isynet-一组架构，旨在在专门的神经加工单元（NPU）硬件上快速进行快速，同时准确。我们展示了NPU设备在ImageNet上设计的架构的优势以及下游分类和检测任务的概括能力。
translated by 谷歌翻译
Covid-19大流行为感染检测和监测解决方案产生了重大的兴趣和需求。在本文中，我们提出了一种机器学习方法，可以使用在消费者设备上进行的录音来快速分离Covid-19。该方法将信号处理方法与微调深层学习网络相结合，提供了信号去噪，咳嗽检测和分类的方法。我们还开发并部署了一个移动应用程序，使用症状检查器与语音，呼吸和咳嗽信号一起使用，以检测Covid-19感染。该应用程序对两个开放的数据集和最终用户在测试版测试期间收集的嘈杂数据显示了鲁棒性能。
translated by 谷歌翻译
我们为腿部机器人和动态操作的计算共同设计提供了一个多功能框架。当前的最新方法通常基于随机采样或并发优化。我们提出了一种新型的二元优化方法，该方法利用运动计划子问题的衍生物（即较低级别）。这些运动规划衍生物使我们能够将任意的设计约束和成本纳入通用非线性计划（即上层）。我们的方法允许在较低级别使用任何可区分的运动计划者，还允许捕获任意设计约束和成本的高层。它有效地优化了机器人的形态，有效载荷分布和执行参数，同时考虑其完整的动态，关节限制和物理约束，例如摩擦锥。我们通过设计跳跃和小跑的四倍机器人来演示这些功能。我们证明我们的方法能够为这些任务设计一个更节能的独奏机器人。
translated by 谷歌翻译
由于事件的范围有限，在复杂且高度可变的环境中，避免路径计划和碰撞是具有挑战性的。在文献中，有多种基于模型和学习的方法需要有效地部署大量的计算资源，并且可能具有有限的一般性。我们提出了一种基于全球稳定的被动控制器的计划算法，该算法可以在挑战性的环境条件下使用有限的计算资源计划平滑轨迹。该体系结构将最近提出的分形阻抗控制器与有限时间不变性区域结合在一起。由于该方法基于阻抗控制器，因此它也可以直接用作力/扭矩控制器。我们在模拟中验证了我们的方法，以通过发放Via-toints的发行及其对低带宽反馈的稳健性来分析互动导航在挑战凹域中的能力。使用11个代理的群模拟验证了所提出方法的可扩展性。我们已经在自动式轮式平台上进行了硬件实验，以验证与动态剂（即人和机器人）相互作用的平滑度和稳健性。与依赖数字优化的其他方法相比，所提出的本地规划师的计算复杂性可以通过低功率微控制器的部署降低能源消耗。
translated by 谷歌翻译
Machine learning models are typically evaluated by computing similarity with reference annotations and trained by maximizing similarity with such. Especially in the bio-medical domain, annotations are subjective and suffer from low inter- and intra-rater reliability. Since annotations only reflect the annotation entity's interpretation of the real world, this can lead to sub-optimal predictions even though the model achieves high similarity scores. Here, the theoretical concept of Peak Ground Truth (PGT) is introduced. PGT marks the point beyond which an increase in similarity with the reference annotation stops translating to better Real World Model Performance (RWMP). Additionally, a quantitative technique to approximate PGT by computing inter- and intra-rater reliability is proposed. Finally, three categories of PGT-aware strategies to evaluate and improve model performance are reviewed.
translated by 谷歌翻译