Robotanist[14][15]是卡內基梅隆大學機器人學院FRC實驗室研制一款野外自主農作物探測機器人(如圖7(a)(b))，機器人總重140kg，驅動系統由4個200W無刷直流電機構成，通過50:1的空心軸減速機可以G達2m/s的速度在玉米、G粱等農作物的地里前進。機器人通過D端的GPS進行全局定位，可實現10mm的定位精度。前后分別安裝有單線激光雷達，用于檢測行進過程中掉落的莖桿和障礙物(如圖7(c))。機器人的姿態是AHRS使用擴展卡爾曼濾波器(EKF)方法融合MTI等傳感器信息估計機器人相對與全局坐標系的位姿。末端操作器采用二指加持器(如圖7(d))，主要用于加持植物的莖桿并對其進行測量和數據采集。
視頻搜索是涉及信息檢索、自然語言處理（NLP）、機器學習、計算機視覺（CV）等多L域的綜合應用場景
服務機器人潛在危險有：電擊、與能量有關的危險、著火、與熱有關的危險、機械危險、輻射、化學危險等
HRI的MTL可以使機器人更輕松，更智能地與新用戶進行交互，即使使用諸如RL這樣的數據密集型方法，也可以避免社交交互失敗的不利影響。MTL和多模態ML已用于自動識別自閉癥譜系障礙（ASD）兒童
從大型仿人機器人整機構型國內外研究現狀入手，圍繞機器人整機構型、關節運動特點、伺服驅動器、減速器、仿真平臺等方面進行深度講解，后就大型仿人機器人整機構型未來發展趨勢給出自己的見解
智能機器人視覺方面的工作，主要體現在感知、理解、學習及推理4個方面，涉及到目標檢測、目標追蹤、人體姿態估計、人臉識別、行為識別、推理等技術
基于康復機器人內部傳感器識別記錄訓練過程中的運動學參數,能夠實時定量評估不同的運動模式,還能夠掌握患者是否主動參與訓練等情況
「Vision+Ask」的任務包含視覺問題生成、根據問題生成查詢、圖像描述等；「Vision+Answer」的任務包含視覺問答、視覺對話等
對于聯邦學習技術,數據應用推廣的經驗,并深入探討聯邦學習在政務,醫療,金融,廣告,物流的應用價值,以期為數據應用價值的釋放帶來解讀和參考
DeepTech通過科研數據分析、專家訪談等方式洞悉先進計算L域發展趨勢,探尋具備技術顛覆性,有商業化前景的先進計算技術,提煉出 2022 年先進計算技術及應用七大趨勢
一種基于水凝膠彈性體混合物的仿生機器皮膚.分為三層結構,中間的水凝膠層構成機器皮膚的主體,可以實現電信號的傳遞,實現靜態和動態觸覺的模態識別
