菠萝叶变成的无人机部件；能自动在水上追踪收集垃圾的机器人；Amazon全新GAN模型可全方位无死角美颜等
1.研究人员将菠萝叶变成了无人机部件
马来西亚的研究人员已经找到了一种方法，可以将菠萝叶中的纤维转变成足够坚固的材料，从而制作出无人机架。普特拉大学（Putra University）教授Mohamed Thariq HameedSultan告诉路透社，用这种材料制成的无人机比使用合成纤维制成的框架具有更高的强度/重量比。它们也更便宜，更轻。
2.Clearbot：一款能自动在水上追踪收集垃圾的机器人
Clearbot是由总部位于中国香港的初创公司Open Ocean Engineering开发的一款产品投入商用。据悉，其被投入到港口、湖泊或运河等区域使用，一个或多个水上机器人可以进行实时远程控制也可以自主操作。在后一种情况下，Clearbot要么在预先设定好的地理围栏区域来回移动，要么使用其集成的计算机视觉系统来发现并追踪零散的漂浮垃圾。无论使用哪种方式，垃圾都会通过机器人打开的弓被收集到机器人内部的网状垃圾箱里。为了更有效地收集垃圾，该机器人还配有一个前传送带系统。
3.无人机、机器人齐上阵天津电网刷新历史最大负荷纪录
天津电网最大负荷创历史新高，达到1616万千瓦，较历史最大负荷增长0.47%，较冬季历史最大负荷增长15.41%。目前电网运行平稳。国网天津电力注重利用科技手段应对寒潮影响，创新应用可搭载无人机的移动机巢，实现重点输电线路不间断巡检。利用电缆防外破管理系统，对重要运行线路实施24小时监控，确保电缆安全运行。在重点变电站采用智能巡检机器人、红外测温、暂态地电波等手段开展带电检测，保障电网设备可靠运行。
谷歌Quoc V. Le的团队提出了一种名为AutoDropout的方法。AutoDropout的主要目的，就是将设计针对专门场景的Dropout模式这件事自动化。研究人员为此设计了一个新的结构化Dropout模式的搜索空间。这个搜索空间囊括了许多现有的Dropout模式。结果显示，在CIFAR-10和ImageNet上，AutoDropout都有效改善了SOTA模型的结果，并且优于DropBlock等需要人工介入的方法。而与使用Variational Dropout方法训练的Transformer-XL模型相比，AutoDropout同样带来了更好的表现。
5.精准生成Fake人脸！Amazon全新GAN模型可全方位无死角美颜
来自 AmazonOne 的研究人员提出了一个训练 GAN 的框架，可以对生成的图像进行显式控制。该框架能够通过设置确切的属性（例如年龄，姿势，表情等）来控制生成的图像。这篇论文已经发布在arxiv上，并且在Google网盘中有相应的补充说明。
6.Nature：用光子处理器提升人工智能计算速度
数据量的快速增长给AI中使用的电子计算硬件带来了巨大的挑战，计算速度和功耗问题已成为人工智能的主要瓶颈。Xu等人和Feldmann等人的两篇论文报告了一种通过利用光的独特属性来加速AI处理的光子处理器。Xu和他的团队使用了一种巧妙的方法来实现卷积：首先用色散让波长复用的光信号产生不同的时间延迟（光的传输速度取决于其波长），然后沿着与光的波长相关的维度组合这些信号。他们还确定了其光子卷积处理器在实际应用中的切入点。他们建议处理器在光电子混合框架中使用，如在光纤通信过程中进行原位计算。
7.现代化物流中心建成开仓,新松携手乔丹体育打造行业新标杆
乔丹体育在晋江市举行物流中心开仓仪式。这所由乔丹体育与新松公司携手打造的现代化物流中心，是乔丹体育第一个高标准化、信息化物流园区，标志着其在仓配一体化、缩短物流时效的能力上又有了新的突破。为全面满足鞋服行业线上线下融合发展的新消费模式，乔丹体育与新松公司通力合作。新松公司充分发挥卓越的自主创新能力和在智能物流领域的技术优势，结合乔丹体育丰富的行业经验，打造了一套集仓储、拣选、分拣、配送于一体的智能物流系统，助力乔丹体育实现全渠道、全流程的一站式运营服务。
转载自：机器人大讲堂
↓点击阅读原文可查看更多内容