| 詳細信息 |
迎賓機器人的眼睛和大腦：機器視覺 |
| 編輯： 來源：浙商證券 時間：2023/6/6 |
機器視覺為迎賓機器人植入“眼睛”和“大腦”，是第四次工業(yè)革命（工業(yè)4.0）的核心要素之一。 硬件端植入眼睛，代表著機器視覺利用環(huán)境和物體對光的反射來獲取及感知信息。 軟件端植入大腦，意味著機器視覺需要對信息進行智能處理與分析，并應用分析得到的結果來執(zhí)行相應 的活動。
|
| 【聲明：轉載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述，文章內容僅供參考，如有侵權，請聯(lián)系刪除。】 |
| 推薦信息 |
|
傳感器在迎賓機器人中的應用很多
陰暗覺傳感器主要適用場景:光敏管,光電斷續(xù)器;形狀覺傳感器主要適用場景:光敏陣列,CCD;壓覺傳感器適用場景:壓電元件,導電橡膠,壓敏高分子材料
迎賓機器人人識別外部信息的器官-傳感器
迎賓機器人感知功能主要由各類傳感器和攝像頭實現(xiàn),相當于人的眼,鼻,耳,皮膚等,運動控制模塊主要包括包括舵機,電機,芯片
GPT是用prompt還是用fine-tuning
prompt是一種針對GPT模型的特殊訓練方式;fine-tuning是一種針對預訓練模型進行微調的方式;根據(jù)具體任務進行定制化的微調
GPT和BERT的區(qū)別是什么
GPT是一種單向的語言模型,BERT則是一種雙向的語言模型;GPT的目標是生成下一個單詞,BERT的目標是預測中心單詞
chatgpt和gpt-3的參數(shù)對比
微軟在2020年發(fā)布的ChatGPT的最大版本有60億個參數(shù),而GPT-3的最大版本有1750億個參數(shù),參數(shù)大小不是確定語言模型性能的唯一因素
什么是注意力機制
注意力機制的計算過程通常由三個步驟組成:查詢,鍵值對,計算權重;將輸入序列經過線性變換得到查詢向量,將上下文序列經過線性變換得到鍵值對
什么是Transformer變換模型
注意力機制可以在序列中的每個位置計算權重,從而計算每個位置與序列中其他位置的關系,可以捕獲序列中的長期依賴關系
什么是 Pre-trained 預訓練
預訓練通常指在大規(guī)模的語料庫上進行無監(jiān)督學習,可以得到一個通用的特征表示,然后可以將這些特征遷移到其他任務上,如文本分類 實體識別 |
| 智能運輸機器人 |
| AGV無人運輸機器人-料箱版 |
| AGV無人運輸機器人-標準版 |
| AGV無人運輸機器人-料箱版（鈑金材質） |
| AGV無人運輸機器人-貨架版（鈑金材質） |
| AGV無人運輸機器人-貨架版（亮面不銹鋼材質） |
| AGV無人運輸機器人-開放版 |
| 行業(yè)動態(tài) |
