机器人可以为残疾人或老年人的日常生活提供极大帮助，比如说机器人辅助穿衣。当前的研究中通常人工的将衣服附在机器人末端执行器上，忽略机器人识别衣服抓取点并进行抓取的过程，从而将问题简化。
本文中我们利用深度神经网络学习衣服抓取点。深度学习通常需要大量数据，而采集真实环境数据过程极度耗费时间及人力。为解决上述问题，本文主要开展以下两点研究：第一，我们借助仿真环境采集大量仿真数据，并辅以少量真实数据训练神经网络；第二，本文提出一套机器人抓取衣服流程，该流程考虑了机器人末端6自由度（DOF）抓取位姿态，以及机器人与衣服间的碰撞避免问题。
基于行为序列的深度学习推荐模型搭配高性能的近似检索算法可以实现既准又快的召回性能，如何利用这些丰富的反馈信息改进召回模型的性能
卡扣式装配广泛应用于多种产品类型的制造中，卡扣装配是结构性的锁定机制，通过一个机器学习框架将人类识别成功快速装配的能力迁移到自主机器人装配上。
罗晶博士和杨辰光教授团队提出，遥操作机器人系统可以自然地与外界环境进行交互、编码人机协作任务和生成任务模型，从而提升系统的类人化操作行为和智能化程度
专家(查红彬,陈熙霖,卢湖川,刘烨斌,章国锋)从计算机视觉发展历程、现有研究局限性、未来研究方向以及视觉研究范式等多方面展开了深入的探讨
音乐科技、音乐人工智能与计算机听觉以数字音乐和声音为研究对象，是声学、心理学、信号处理、人工智能、多媒体、音乐学及各行业领域知识相结合的重要交叉学科，具有重要的学术研究和产业开发价值
Adam 算法便以其卓越的性能风靡深度学习领域，该算法通常与同步随机梯度技术相结合，采用数据并行的方式在多台机器上执行
人体姿态估计便是计算机视觉领域现有的热点问题，其主要任务是让机器自动地检测场景中的人“在哪里”和理解人在“干什么”
SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目标检测算法优缺点对比及使用场合比较
深度学习模型：OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD
大型商用时序数据压缩的特性，提出了一种新的算法，分享用深度强化学习进行数据压缩的研究探索
滴滴机器学习场景下的 k8s 落地实践与二次开发的技术实践与经验，包括平台稳定性、易用性、利用率、平台 k8s 版本升级与二次开发等内容
机器学习就是通过经验来寻找它学习的模式，而人工智能是利用经验来获取知识和技能，并将这些知识应用于新的环境
