︿
Top

前瞻技術脈動：AI與機器人技術（202502）

關鍵字：救援無人機；噪音抑制技術；無監督深度學習模型；機器人；深度學習；單一濾波器性能表現；人工智慧研究；資源試點計畫；
瀏覽次數：520｜ 歡迎推文： facebook twitter wechat Linked

科技產業資訊室(iKnow) - 技術發展藍圖研析團隊 發表於 2025年1月15日
facebook twitter wechat twitter

圖、前瞻技術脈動：AI與機器人技術（202502）
 
用於改進搜索及救援無人機的先進噪音抑制技術
在無人機執行搜救任務時，其螺旋槳產生的噪音可能干擾對受困者聲音的準確辨識。為了解決這一問題，可以運用人工智慧中的生成對抗網絡(GANs)，訓練模型來辨識並過濾無人機螺旋槳的噪音，從而提高聲音辨識的準確性。

傳統上無人機利用攝影機搜索受困者，但受困者處於盲點或被埋在殘骸下時，僅依賴視覺資訊可能不足。有鑑於此，日本芝浦工業大學的研究團隊，發展了一種新的人工智慧噪音抑制系統，利用生成對抗網路(GANs)來訓練模型，辨識無人飛行器的螺旋槳聲音，並將其從實際收集到的聲音中去除，以增強人聲的聽覺可辨識性，增加在災難現場使用無人機搜救的效率，相關研究已發表於《IEEE Transactions on Services Computing》期刊中。
參考資料：Advanced noise suppression technology for improved search and rescue drones. TechXplore. 2024/03/06.

測試機器人模仿人類動作的無監督深度學習模型
如何讓機器人在模仿人類動作的同時，兼顧其自身的構造限制，是一項重要的挑戰。為了解決這個問題，可以採用無監督式深度學習模型，將人類動作的關節位置轉換為符合機器人結構限制的可執行動作。

巴黎ENSTA U2IS的研究團隊探討如何利用深度學習提升機器人模仿人類動作的能力，他們發展一種新的深度學習模型，可以將人類的動作分解為三個步驟：首先，模型會利用姿勢估算算法預測人類關節的運動序列。爾後，模型將預測到的序列轉換成機器人可以執行的關節動作。最後，機器人利用轉換後的序列規劃自身的動作，以完成指定的任務。實際測試中發現，目前無監督式深度學習模型並不能完美達成即時轉換的效果。因此，團隊未來將針對模型的不足進行改進，例如分析模型失敗的原因、建立配對的動作數據集，以及優化模型結構以提升轉換的準確性。相關研究成已發表於《arXiv》期刊上。
參考資料：Testing an unsupervised deep learning model for robot imitation of human motions. TechXplore. 2024/03/10.

邁向成功深度學習的通用機制
雖然深度學習已被證明能勝任影像辨識等任務，但其具體運作機制仍不完全清楚。為此，可以透過量化分析來評估深度學習模型中單一濾波器的性能表現，進一步揭示其內部運作原理。

以色列巴伊蘭大學的研究團隊在《Scientific Reports》期刊上發表了一項研究成果，揭示了深度學習成功的關鍵機制。研究團隊發表了一種衡量深度學習模型中單一濾波器性能表現的方法。他們發現，每個濾波器會辨識一小群圖像，隨著深度學習模型層級的推進，濾波器的辨識能力逐漸增加。此一發現有助於深入理解人工智慧的運作原理，透過更精準地掌控深度學習模型的運作機制，未來人工智慧模型的延遲、記憶體使用量及整體複雜性可以降低，同時維持辨識的準確度，可望為更先進的人工智慧發展立下基礎。
參考資料：Towards a universal mechanism for successful deep learning. TechXplore. 2024/03/12.

美國國家科學基金會推出國家人工智慧研究資源試點計畫
美國國家科學基金會(NSF)與多個合作機構共同推出了國家人工智慧研究資源(National Artificial Intelligence Research Resource, NAIRR)試點計畫，提供先進的計算、資料集、模型、軟體、培訓和用戶支援，以支持美國的研究人員和教育工作者。NAIRR試點計畫促進了學術界、工業界、非營利組織和政府部門之間的跨界合作，有助於促進可行的人工智慧應用商業化和解決方案的開發。NAIRR試點將首先支持人工智慧研究，以推動安全可信的人工智慧，並將人工智慧應用於醫療保健、環境和基礎設施。(1210字；圖1)
參考資料：Democratizing the future of AI R&D: NSF to launch National AI Research Resource pilot. NSF. 2024/01/24.

 

 
歡迎來粉絲團按讚！
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。