The learning technologies for picking tasks presentedin the preceding 的简体中文翻译

The learning technologies for picki

The learning technologies for picking tasks presentedin the preceding sections use images and convolutionalneural networks. Robot sensors such as force sensors andtactile sensors mostly provide time-series information.Among the networks effective for learning from suchtime-series information, the Recurrent Neural Network(RNN) [45] and Long Short-Term Memory (LSTM) [46]have been widely used to make industrial robots more in-telligent. Hatori et al. connected an LSTM-based voicerecognition network to their robot and demonstrated bin-picking based on voice interactions [47]. Yang et al.demonstrated their robot’s RNN-based learning to fold uptowels in many different colors and shapes [48]. Gu et al.had their robot learn to open and close a door based on itsreinforcement learning [49]. Finn et al. had their robot ac-quire motions to shift picked objects sideways [50]. Ref-erence [51] succeeded in a robot learning a task in aninvisible state hidden from its vision sensor, combinedwith a tactile sensor. Machine learning is sure to becomean increasingly important technology for robotic object-manipulation tasks.
0/5000
源语言: -
目标语言: -
结果 (简体中文) 1: [复制]
复制成功!
前面部分介绍的拣选任务的学习技术使用图像和卷积神经网络。机器人传感器,如力传感器和触觉传感器,大多提供时间序列信息。 在从这些时间序列信息中学习有效的网络中,循环神经网络 (RNN) [45] 和长短期记忆 (LSTM) [46] 有被广泛用于使工业机器人更加智能。羽鸟等。将基于 LSTM 的语音识别网络连接到他们的机器人,并展示了基于语音交互的 bin-picking [47]。Yang 等人展示了他们的机器人基于 RNN 的学习,可以折叠许多不同颜色和形状的毛巾 [48]。Gu 等人让他们的机器人根据其强化学习 [49] 学习打开和关闭门。芬恩等人。让他们的机器人获得动作以将拾取的物体侧向移动 [50]。参考文献 [51] 成功地让机器人在不可见状态下学习任务,该任务隐藏在其视觉传感器中,并结合了触觉传感器。机器学习肯定会成为机器人对象操作任务中越来越重要的技术。
正在翻译中..
结果 (简体中文) 2:[复制]
复制成功!
前面章节中介绍的挑选任务的学习技术使用图像和卷积神经网络。力传感器和触觉传感器等机器人传感器主要提供时间序列信息。在从这些时间序列信息学习的有效网络中,递归神经网络(RNN)[45]和长短时记忆(LSTM)[46]已被广泛用于使工业机器人更加智能化。Hatori等人将基于LSTM的语音识别网络连接到他们的机器人上,并演示了基于语音交互的垃圾箱拾取[47]。Yang等人展示了他们的机器人基于RNN的学习方法,可以折叠许多不同颜色和形状的贴边[48]。Gu等人让他们的机器人在强化学习的基础上学习开门和关门[49]。Finn等人让他们的机器人通过移动将拾取的物体移到一边[50]。参考文献[51]成功地将机器人与触觉传感器结合,在视觉传感器隐藏的可见状态下学习任务。机器学习必将成为机器人对象操作任务中一项日益重要的技术。
正在翻译中..
结果 (简体中文) 3:[复制]
复制成功!
在前几节中介绍的挑选任务的学习技术使用图像和卷积神经网络。力传感器和触觉传感器等机器人传感器主要提供时间序列信息。在从这种时间序列信息中有效学习的网络中,递归神经网络(RNN) [45]和长短期记忆(LSTM)[46]已被广泛用于使工业机器人更加智能。Hatori等人将一个基于LSTM的语音识别网络连接到他们的机器人上,并展示了基于语音交互的垃圾箱选择[47]。杨等人展示了他们的机器人基于的学习,可以折叠成许多不同的颜色和形状。顾等人让他们的机器人基于强化学习来学习开门和关门[49]。Finn等人让他们的机器人需要运动来侧向移动拾取的物体[50]。参考文献[51]结合触觉传感器,成功地使机器人在视觉传感器看不见的状态下学习一项任务。机器学习肯定会成为机器人物体操纵任务中日益重要的技术。
正在翻译中..
 
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.

Copyright ©2024 I Love Translation. All reserved.

E-mail: