0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

高中实习生8周的时间,利用深度学习和神经网络搭建机器人

NVIDIA英伟达 来源:未知 作者:李倩 2018-08-30 08:51 次阅读

机器人领域的新兴力量正在崛起。NVIDIA最新一批的“Jetson”高中实习生们花了8周的时间,利用深度学习神经网络搭建机器人。有朝一日,这些机器人将可能真正用于校园中。

这些才华横溢的高中生将他们对于机器人学的热情带到我们的嵌入式部门。该小组专注于机器人和无人机智能机器的研发。

三组实习生团队基于Jetson搭建机器人,并在商业设施内展示各种功能。三个项目分别涉及类人型机器人、投影灯和2D激光测距仪。

“神经忍者”团队

来自“神经忍者“团队(Team Neural Ninja)的Maddie Waldie、Nikhil Suresh和Jackson Moffet为一个类人型机器人编制程序,使其能够识别手势(如挥手)并作出反应。为了让机器人正确识别目标对象,该团队共训练了超过 300 个神经网络。

据 Nikhil 称,该项目最困难的部分是——找到能够识别手势并忽视背景噪音的正确的神经网络。经历数小时的试错之后,他们最终取得了成功:机器人现在可以识别出手势语中的“对不起”、代表否定的手臂姿势 "X" 和代表肯定的手臂姿势 "Y"。此外,它还可以说话并移动,比如轻轻拍打,这让许多过路人惊叹不已。

“我们经历过很难的时刻,尤其是在一遍遍的训练之后得到了新数据,却发现它并不起作用。不过,我们最终得出了效果良好的网络,那一刻大家都很开心,”Maddie说道,“一旦取得了成功,那么一切的付出都是值得的。”

CCCC (ForeSee) 团队

CCCC 团队的任务是为机器人编制程序,以使其避开复杂障碍物。他们花了8周的时间学习计算机视觉与深度学习的交叉学科知识。

机器人经常对诸如网状栏杆之类的障碍物“感到困惑”,因为这些障碍物不能被使用反射或2D激光测距仪的传感器检测到。大部分的解决方案均耗资不菲,而Rahul Amara、Josh Hejna、Mokshith Voodarla和Anish Singhani则开发了一种利用廉价摄像头即可实现的深度学习技术解决方案。

为了给机器人编制程序,使其能够穿过任意两点并成功避开所有障碍物,CCCC 团队利用栏杆和楼梯等物体的图像对深度神经网络进行了训练。

他们面临的挑战是设计一款既高效又准确的软件。借助NVIDIA的开发平台,这四位成员成功找到了一种可以优化这两个参数的网络。

“在NVIDIA工作的一大优势在于,我们可以与开发相关项目并拥有多年经验的人进行交流,”Rahul说道,“每当遇到问题,我们可以向一大帮人寻求帮助,并向他们学习。”

GreenMachine 团队

GreenMachine 团队由Shruthi Jaganathan、Isaac Wilcove和Karly Hou三位成员组成,他们开发了一款由Jetson TX2提供支持的垃圾分类机器人,以指导NVIDIA员工放置各种剩菜、餐具、杯子和盘子。

该机器人由移动小推车和其顶部的投影仪头组成,计划在圣克拉拉办公室的咖啡馆投入使用。投影仪可闪烁不同颜色的灯光:紫色为可重复使用、蓝色为可回收、绿色为可降解、橙色为垃圾,从而告诉用户应该把垃圾投入何处。

据Shruthi称,摄像头校正是项目中难度最大的部分。传感器经常会受到投影仪灯光颜色的干扰,从而加大了检测物体纹理的难度。例如,照射在塑料盘上的紫色灯光会让摄像头错误地将盘子辨认成可降解材料。不过,通过利用数百张有颜色的图像训练网络,该团队最终得到了成功的模型。

“我真的要感谢自己在NVIDIA的两年实习经历,我知道的关于深度学习的知识,都是在这里学到的。”Isaac如是说,“现在我的目标很明确,就是在将来从事这方面的工作。”

所有以上项目均可在GitHub上找到。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 机器人
    +关注

    关注

    211

    文章

    28390

    浏览量

    206955
  • 神经网络
    +关注

    关注

    42

    文章

    4771

    浏览量

    100720
  • 深度学习
    +关注

    关注

    73

    文章

    5500

    浏览量

    121117

原文标题:NVIDIA高中实习生钻研深度学习技术,化身机器人开发“小能手”

文章出处:【微信号:NVIDIA_China,微信公众号:NVIDIA英伟达】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    深度学习中的卷积神经网络模型

    深度学习近年来在多个领域取得了显著的进展,尤其是在图像识别、语音识别和自然语言处理等方面。卷积神经网络作为深度学习的一个分支,因其在图像处理
    的头像 发表于 11-15 14:52 329次阅读

    简单认识深度神经网络

    深度神经网络(Deep Neural Networks, DNNs)作为机器学习领域中的一种重要技术,特别是在深度
    的头像 发表于 07-10 18:23 1008次阅读

    机器人神经网络系统的特点包括

    机器人神经网络系统是一种模拟人类大脑神经网络的计算模型,具有高度的复杂性和灵活性。在本文中,我们将详细介绍机器人神经网络系统的特点,包括其结
    的头像 发表于 07-09 09:45 449次阅读

    机器人神经网络控制原理是什么

    ,虽然在某些应用场景下取得了较好的效果,但在面对复杂、不确定和动态变化的环境时,其性能往往受到限制。神经网络作为一种模拟人脑神经元网络的计算模型,具有强大的非线性映射能力和自适应学习能力,被广泛应用于
    的头像 发表于 07-09 09:40 511次阅读

    深度神经网络概述及其应用

    深度神经网络(Deep Neural Networks, DNNs)作为机器学习的一种复杂形式,是广义人工神经网络(Artificial N
    的头像 发表于 07-04 16:08 959次阅读

    循环神经网络和卷积神经网络的区别

    循环神经网络(Recurrent Neural Network,RNN)和卷积神经网络(Convolutional Neural Network,CNN)是深度学习领域中两种非常重要的
    的头像 发表于 07-04 14:24 1271次阅读

    深度神经网络与基本神经网络的区别

    在探讨深度神经网络(Deep Neural Networks, DNNs)与基本神经网络(通常指传统神经网络或前向神经网络)的区别时,我们需
    的头像 发表于 07-04 13:20 843次阅读

    卷积神经网络训练的是什么

    、训练过程以及应用场景。 1. 卷积神经网络的基本概念 1.1 卷积神经网络的定义 卷积神经网络是一种前馈深度学习模型,其核心思想是
    的头像 发表于 07-03 09:15 403次阅读

    深度学习与卷积神经网络的应用

    随着人工智能技术的飞速发展,深度学习和卷积神经网络(Convolutional Neural Network, CNN)作为其中的重要分支,已经在多个领域取得了显著的应用成果。从图像识别、语音识别
    的头像 发表于 07-02 18:19 888次阅读

    卷积神经网络的基本结构及其功能

    。 引言 深度学习机器学习的一个分支,它通过模拟人脑神经网络的结构和功能,实现对数据的自动学习
    的头像 发表于 07-02 14:45 1573次阅读

    深度神经网络模型有哪些

    、Sigmoid或Tanh。 卷积神经网络(Convolutional Neural Networks,CNN): 卷积神经网络深度学习中最重
    的头像 发表于 07-02 10:00 1339次阅读

    神经网络架构有哪些

    神经网络架构是机器学习领域中的核心组成部分,它们模仿了生物神经网络的运作方式,通过复杂的网络结构实现信息的处理、存储和传递。随着
    的头像 发表于 07-01 14:16 695次阅读

    利用深度循环神经网络对心电图降噪

    具体的软硬件实现点击 http://mcu-ai.com/ MCU-AI技术网页_MCU-AI 我们提出了一种利用由长短期记忆 (LSTM) 单元构建的深度循环神经网络来降 噪心电图信号 (ECG
    发表于 05-15 14:42

    FPGA在深度学习应用中或将取代GPU

    、笔记本电脑或机架式服务器上训练神经网络时,这不是什么大问题。但是,许多部署深度学习模型的环境对 GPU 并不友好,比如自动驾驶汽车、工厂、机器人和许多智慧城市环境,在这些环境中硬件必
    发表于 03-21 15:19

    详解深度学习神经网络与卷积神经网络的应用

    在如今的网络时代,错综复杂的大数据和网络环境,让传统信息处理理论、人工智能与人工神经网络都面临巨大的挑战。近些年,深度学习逐渐走进人们的视线
    的头像 发表于 01-11 10:51 2026次阅读
    详解<b class='flag-5'>深度</b><b class='flag-5'>学习</b>、<b class='flag-5'>神经网络</b>与卷积<b class='flag-5'>神经网络</b>的应用