杜克大學的一種 AI 算法PULSE可以將模糊、無法識別的人臉圖像轉換成計算機生成的圖像，其細節(jié)比之前任何時候都更加精細、逼真

能快速將現(xiàn)有算法在實際生產(chǎn)環(huán)境落地，并能利用GPU加速實現(xiàn)大規(guī)模計算，我們自己搭建了一個GPU加速的大規(guī)模分布式機器學習系統(tǒng)，取名小諸葛

人類可以通過視覺和觸覺融合感知快速確定抓取可變形物體所需力的大小，以防止其發(fā)生滑動或過度形變，但這對于機器人來說仍然是一個具有挑戰(zhàn)性的問題

在底層通過使用基于模型的操作單元，保證了手指與物體之間持續(xù)穩(wěn)定的抓��；在中層使用強化學習進行規(guī)劃，從而實現(xiàn)較長和復雜的手內操作流程

中科院沈陽自動化所的Wang利用深度強化學習算法和視覺感知相結合的方法來完成移動機器人在非結構環(huán)境下的移動操作

德國伯恩大學計算機學院研制的遙操作輪腿復合的移動操作機器人可通過遠程操作平臺完成各種復雜操作任務

假肢腕設計的有效基準能夠做3自由度運動，即旋前/旋后、屈伸和橈側/尺側偏移,未受影響的腕關節(jié)，其大活動范圍通常在76度/85度

旋轉器用于使終端設備沿前臂的縱向放出或滾動，而屈肌使終端設備彎曲或俯仰, OB棘輪式旋轉手腕，被動腕部裝置的鎖定也可以通過使用不可反向驅動的機構來實現(xiàn)

2自由度腕部由一個與旋轉器串聯(lián)的屈肌單元組成，形成一個U型關節(jié)。其中一種設備是OBRoboWrist ，它可以同時鎖住前旋和屈曲，當解鎖時，還可以通過轉動手腕上的項圈來調節(jié)運動產(chǎn)生摩擦阻力

3自由度人工手腕在某些方面優(yōu)于人類的手腕，如運動范圍或扭矩輸出。盡管一些假肢在設計中加入了3自由度手腕，但串行3自由度手腕設備在機器人應用中更普遍

具有相同數(shù)量自由度的設備之間進行比較時，串行機構往往比并行機構更長，對于串行機構，運動范圍和扭矩規(guī)格通常簡單地由執(zhí)行機構的選擇和基本形狀幾何決定

假肢需要直接的人類互動來發(fā)揮功能，而機器人手腕則完全是主動的,假腕還包括外部可調節(jié)功能，如可調節(jié)摩擦或鎖定；機器人手腕的任何調整通常都是在控制系統(tǒng)內完成的