先進(jìn)計(jì)算技術(shù)指代一切從計(jì)算理論、計(jì)算架構(gòu)、計(jì)算系統(tǒng)等層面有效提升現(xiàn)有算力規(guī)模、降低算力成本、提高算力利用效率的創(chuàng)新性技術(shù)。
為了解決算力挑戰(zhàn)，打破后摩爾時(shí)代的算力危機(jī)，先進(jìn)計(jì)算技術(shù)將從單點(diǎn)計(jì)算性能的提升與算力系統(tǒng)的高效利用兩個(gè)方向著手突破。
DeepTech通過(guò)科研數(shù)據(jù)分析、專家訪談等方式洞悉先進(jìn)計(jì)算領(lǐng)域發(fā)展趨勢(shì)，探尋具備技術(shù)顛覆性、有商業(yè)化前景的先進(jìn)計(jì)算技術(shù)，并提煉出 2022 年先進(jìn)計(jì)算技術(shù)及應(yīng)用七大趨勢(shì)。
算力是多領(lǐng)域多技術(shù)融合的載體，人類對(duì)于算力的追求沒有止境。未來(lái)，隨著先進(jìn)計(jì)算技術(shù)的不斷發(fā)展，計(jì)算的效能與能效都將迎來(lái)全新的突破，算力體系將得到顛覆性的變革。
在先進(jìn)計(jì)算技術(shù)的支撐下，更多智慧化、智能化的應(yīng)用將會(huì)涌現(xiàn)，綠色低碳、開放開源的算力也將成為數(shù)字經(jīng)濟(jì)時(shí)代生態(tài)共建的趨勢(shì)。
附件：Deep Tech：2022先進(jìn)計(jì)算七大趨勢(shì)
對(duì)于聯(lián)邦學(xué)習(xí)技術(shù),數(shù)據(jù)應(yīng)用推廣的經(jīng)驗(yàn),并深入探討聯(lián)邦學(xué)習(xí)在政務(wù),醫(yī)療,金融,廣告,物流的應(yīng)用價(jià)值,以期為數(shù)據(jù)應(yīng)用價(jià)值的釋放帶來(lái)解讀和參考
「Vision+Ask」的任務(wù)包含視覺問(wèn)題生成、根據(jù)問(wèn)題生成查詢、圖像描述等；「Vision+Answer」的任務(wù)包含視覺問(wèn)答、視覺對(duì)話等
基于康復(fù)機(jī)器人內(nèi)部傳感器識(shí)別記錄訓(xùn)練過(guò)程中的運(yùn)動(dòng)學(xué)參數(shù),能夠?qū)崟r(shí)定量評(píng)估不同的運(yùn)動(dòng)模式,還能夠掌握患者是否主動(dòng)參與訓(xùn)練等情況
智能機(jī)器人視覺方面的工作，主要體現(xiàn)在感知、理解、學(xué)習(xí)及推理4個(gè)方面，涉及到目標(biāo)檢測(cè)、目標(biāo)追蹤、人體姿態(tài)估計(jì)、人臉識(shí)別、行為識(shí)別、推理等技術(shù)
從大型仿人機(jī)器人整機(jī)構(gòu)型國(guó)內(nèi)外研究現(xiàn)狀入手，圍繞機(jī)器人整機(jī)構(gòu)型、關(guān)節(jié)運(yùn)動(dòng)特點(diǎn)、伺服驅(qū)動(dòng)器、減速器、仿真平臺(tái)等方面進(jìn)行深度講解，最后就大型仿人機(jī)器人整機(jī)構(gòu)型未來(lái)發(fā)展趨勢(shì)給出自己的見解
HRI的MTL可以使機(jī)器人更輕松，更智能地與新用戶進(jìn)行交互，即使使用諸如RL這樣的數(shù)據(jù)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(tài)ML已用于自動(dòng)識(shí)別自閉癥譜系障礙（ASD）兒童
服務(wù)機(jī)器人潛在危險(xiǎn)有：電擊、與能量有關(guān)的危險(xiǎn)、著火、與熱有關(guān)的危險(xiǎn)、機(jī)械危險(xiǎn)、輻射、化學(xué)危險(xiǎn)等
視頻搜索是涉及信息檢索、自然語(yǔ)言處理（NLP）、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺（CV）等多領(lǐng)域的綜合應(yīng)用場(chǎng)景
驅(qū)動(dòng)系統(tǒng)由4個(gè)200W無(wú)刷直流電機(jī)構(gòu)成，通過(guò)50:1的空心軸減速機(jī)可以最高達(dá)2m/s的速度在玉米、高粱等農(nóng)作物的地里前進(jìn)
通過(guò)2D激光雷達(dá)信息采用Hector SLAM實(shí)現(xiàn)機(jī)器人對(duì)地圖的感知和自主導(dǎo)航規(guī)劃，通過(guò)頂部的RGB-D相機(jī)采集目標(biāo)物體深度和RGB圖像信息
機(jī)器人的學(xué)習(xí)分為三個(gè)部分的軌跡預(yù)測(cè)包括示教者的手部運(yùn)動(dòng)軌跡、示教者的身體移動(dòng)軌跡以及被操作物體的運(yùn)動(dòng)軌跡
Cosero是德國(guó)波恩大學(xué)的Sven Behnke團(tuán)隊(duì)根據(jù)家庭環(huán)境中的日常操作任務(wù)而研制的一款仿人操作機(jī)器人基于深度學(xué)習(xí)方法的目標(biāo)姿態(tài)估計(jì)和RGB-D SLAM等感知測(cè)量
