最新研究發布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。

研究人員還發明了一種新的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，盡管僅基于激光雷達和僅基于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為優越。

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，并使相關技術更加實用化。我們希望研究人員鼓勵對于 NuScenes的進一步探索，以使其能夠運用所有傳感器數據并利用語義地圖來獲得更好的性能。因為每個傳感器模態都提供用于訓練3D對象檢測的補充特征。

此外，該研究已經推動了第一次NuScenes檢測的挑戰，該挑戰將于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布。

弱監督發現人類3D姿勢估計中的幾何表達

盡管現有的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。

那么，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于用于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于現有框架的方法，該方法致力于在僅使用2D注釋的條件下，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。

閱讀完論文后，我認為該模型非常靈活，且易于訓練和實施。 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。

針對局部的漸進稀疏技術（PSLA）

為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征更新（RFU）和密集特征變換（DFT）技術來模擬時間外觀并增強非關鍵幀特征表示。 PSLA 通過在ImageNet數據集上實現81.4％mAP證明了其優于現有技術的有效性。

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。 同時呼吁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。

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，特別是在健康和制造業。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采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，并能準確預測一系列系統模塊和功能的移動。

柔性機器人是由高度兼容的材料制成的，可以提高機器人靈活性和適應性。因此，我認為，關于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、制造業、大氣等）執行更復雜的功能和行為。

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、模擬器和基于無人機路徑規劃的空間監控，但目前并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著類似的挑戰。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，因為它有助于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。

該框架實現了正系統的特征，精確地劃分了價值函數的結構，為監控和干預提供了可擴展的算法。在用16個和1000個節點的例子對模型進行評估時，優先級映射方法對系統的動態變化給出了積極的響應。特別是1000節點示例，展示了框架如何集成野火景觀、風況和傳播動力學。

對于無人機在監視和災難干預當中的應用來說，能夠在考慮速度、飛行時間、耐力和傳感器范圍的情況下快速決定無人機應該飛到哪里至關重要。

鑒于研究團隊已經提出了未來的工作，包括用真實的傳播模型和傳感假設進行更多的測試，以及與機器人運動規劃算法的進一步集成，無人機的路徑規劃將得到顯著改進。除此之外，所提出的優先權地圖可以進一步提升，因為它們可以用作無人機路徑規劃問題的輸入。