原創自動駕駛新數據集發佈，針對局部的漸進稀疏技術

大數據文摘專欄作品

作者：Christopher Dossman

編譯：Jiaxu、雲舟

嗚啦啦啦啦啦啦啦大家好，本週的AI Scholar Weekly欄目又和大家見面啦！

AI Scholar Weekly是AI領域的學術專欄，致力於爲你帶來最新潮、最全面、最深度的AI學術概覽，一網打盡每週AI學術的前沿資訊，文末還會不定期更新AI黑鏡系列小故事。

每週更新，做AI科研，從這一篇開始就夠啦！

本週關鍵詞：自動駕駛、姿勢估計、機器人

本週熱門學術研究

首個且唯一包含完整自動駕駛汽車傳感器套件的數據集

最新研究發佈了一個大型自動駕駛數據集，該數據集是首個包括5個雷達，1個激光雷達，6個攝像頭，IMU和GPS在內的完整傳感器套件的數據集。 NuTonomy場景（NuScenes）比KITTI數據集多出7倍和100倍的圖像，涵蓋23個類別，包括不同類型的車輛，行人，移動設備及其他對象。

研究人員還發明瞭一種新的3D方法來整合各種物體檢測的類別和任務，包括對物體大小，分類，方向，本地化，速度和屬性的檢測和估計。針對激光雷達和圖像檢測方法的數據集分析和基線測試證明，儘管僅基於激光雷達和僅基於圖像的物體檢測都能達到物體識別的要求，但僅激光雷達的網絡性能更爲優越。

潛在應用及影響

NuScenes能夠加速自動駕駛方面的研究和技術，從而推進物體識別技術，並使相關技術更加實用化。我們希望研究人員鼓勵對於 NuScenes的進一步探索，以使其能夠運用所有傳感器數據並利用語義地圖來獲得更好的性能。因爲每個傳感器模態都提供用於訓練3D對象檢測的補充特徵。

此外，該研究已經推動了第一次NuScenes檢測的挑戰，該挑戰將於2019年4月推出。

挑戰賽獲勝者和結果將在自動駕駛研討會上宣佈。

閱讀更多：

https://www.nuscenes.org/

原文：

https://arxiv.org/abs/1903.11027

弱監督發現人類3D姿勢估計中的幾何表達

儘管現有的3D人體姿勢估計已經具有很高的性能，但仍然存在一系列普遍限制，包括有限的動態，實驗室環境及內部數據集的變化等。

那麼，弱監督學習則在過去一段時間內對這一挑戰提供了一種新的方法。但是現有的弱監督學習方法都對於用於模型初始化的大規模3D訓練樣本有較強的依賴性。

日前，一種新的模型提供了一種完全有別於現有框架的方法，該方法致力於在僅使用2D註釋的條件下，發現一種人類姿勢在潛在空間中強大的幾何3D表達。因此，它允許使用較少數據的單眼3D姿勢估計訓練。 Human3.6M和MPI-INF-3DHP數據集的模型評估證明了其在3D人體姿勢估計任務上的有效性和靈活性。

潛在應用及影響

閱讀完論文後，我認爲該模型非常靈活，且易於訓練和實施。其次，它僅在訓練階段在自動編碼器中使用2D關鍵點信息和多個視圖，因此可顯著改善現有技術的3D人體姿勢估計模型的性能。

原文：

https://arxiv.org/abs/1903.08839v1

針對局部的漸進稀疏技術（PSLA）

爲了解決當前視頻對象檢測方面的挑戰，例如移動模糊，不尋常姿勢，離焦相機等等，研究人員推出了一種新方法，可以無需依賴光流模型而實現最先進的性能。該方法可以大大減少模型參數，從而提高結果。

新模型還應用遞歸特徵更新（RFU）和密集特徵變換（DFT）技術來模擬時間外觀並增強非關鍵幀特徵表示。 PSLA 通過在ImageNet數據集上實現81.4％mAP證明了其優於現有技術的有效性。

潛在應用及影響

簡而言之，該研究將大大推進視頻對象的檢測，跟蹤和處理等技術。同時呼籲AI在各類物體檢測任務上提升其準確性，包括機器人，自動駕駛，監視等。

原文：

https://arxiv.org/abs/1903.09126v2

可能消除危險電氣控制的柔性機器人

機器人工業正在逐步向我們展示能夠顯著改善日常生活的創新，特別是在健康和製造業。但同時，機器人應用程序卻非常敏感，一個小小的錯誤事件可能會使得機器人採用大相徑庭的錯誤方法。

研究人員最近開發了一種柔性機器人，用真空電源線、控制輸入和時鐘線來實現抓取和移動。開發過程遵循歐盟ATEX電氣設備認證所必需的數字電子的基本設計原則，以確保安全。該模型實現了流體電路、開關和執行器，並能準確預測一系列系統模塊和功能的移動。

潛在應用及影響

柔性機器人是由高度兼容的材料製成的，可以提高機器人靈活性和適應性。因此，我認爲，關於柔性機器人的研究有潛力使柔性機器人系統的開發能夠在當今的極端環境中（包括醫學、製造業、大氣等）執行更復雜的功能和行爲。

監測和干預野火和其他蔓延過程的優先權地圖

雖然有許多火勢傳播網絡、模擬器和基於無人機路徑規劃的空間監控，但目前並沒有單一的進程將它們連接在一起。此外，洪水和其他傳播方法也面臨着類似的挑戰。最近的一篇論文旨在通過生成依賴傳播過程動力學的優先級映射來解決這一挑戰。優先權地圖非常重要，因爲它有助於定義關鍵區域或節點，在這些節點中野火、洪水或疾病往往涉及到生命或基礎設施風險，非常具有災難性。