SLAM階段：解決從原始傳感器數(shù)據(jù)開始，構(gòu)建某種基礎(chǔ)地圖的過程,標(biāo)注階段：在SLAM結(jié)果基礎(chǔ)上進行人為標(biāo)注，實現(xiàn)更精細(xì)的交通規(guī)則控制

基于激 光雷達的SLAM（激光SLAM）和基于視覺的SLAM（V-SLAM）。激光SLAM目前發(fā)展比較成熟、應(yīng)用廣泛，未來多傳感器融合的SLAM 技術(shù)將逐漸成為技術(shù)趨勢，取長補短，更好地實現(xiàn)定位導(dǎo)航。

舵機是步態(tài)服務(wù)機器人的核心零部件和成本構(gòu)成，是包含電機、傳感器、控制器、減速器等單元的機電一體化元器件

人工智能技術(shù)支持的圖像采集可以顯著幫助掃描過程實現(xiàn)自動化，還可以重塑工作流程，最大限度地減少與患者的接觸，為成像技術(shù)人員提供最佳保護

騰訊優(yōu)圖實驗室高級研究員Louis在分享了自適應(yīng)缺陷數(shù)據(jù)，業(yè)務(wù)場景下的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法

為決策樹模型是一個具有比較好的可解釋性的模型，以決策樹為代表的規(guī)則模型在可解釋性研究方面起到了非常關(guān)鍵的作用

神經(jīng)網(wǎng)絡(luò)模型本身其實并不是一個黑箱，其黑箱性在于我們沒辦法用人類可以理解的方式理解模型的具體含義和行為

神經(jīng)網(wǎng)絡(luò)的敏感性分析方法可以分為變量敏感性分析、樣本敏感性分析兩種，變量敏感性分析用來檢驗輸入屬性變量對模型的影響程度，樣本敏感性分析用來研究具體樣本對模型的重要程度

通過機械機構(gòu)實現(xiàn)機械手到工具的動力傳遞，無需外部控制及供能，對機器人的避障路徑規(guī)劃影響極小

非接觸式檢測平臺FluSense由麥克風(fēng)陣列和熱成像攝像機組成，用于捕捉不同的候診室人群行為，包括咳嗽和語言活動以及候診室病人數(shù)量

應(yīng)用于MIS的觸覺傳感器主要是基于電學(xué)或光學(xué)原理開發(fā)的，應(yīng)該是小尺寸和圓柱形的，可在導(dǎo)管的管身或尖端集成

MIS 和RMIS觸覺傳感器最常用的傳感原理是基于電氣的傳感器。這些觸覺傳感器進一步分為壓阻型、壓電型和電容型傳感器