- 执行器 Actuator
- 让机器人动起来的部件,例如电机。
- 算法 Algorithm
- 计算机解决问题时遵循的逐步配方。
- 自主 Autonomous
- 无需人操控每一步就能完成任务。
- 分类 Classification
- 把东西归入某个类别,例如“成熟”或“未成熟”。
- 计算机视觉 Computer vision
- 让计算机理解图片和视频的方法。
- 数据集 Dataset
- 用来教模型的例子集合。
- 深度学习 Deep learning
- 使用很多层简单单元(神经网络)的机器学习。
- 边缘 AI Edge AI
- 在设备本身而不是云端运行 AI。
- 末端执行器 End effector
- 机械臂末端的“手”,例如夹爪。
- 模仿学习 Imitation learning
- 通过模仿人的示范来学会技能。
- 推理 Inference
- 用训练好的模型做预测,也就是模型在“工作”。
- 卡尔曼滤波 Kalman filter
- 把有噪声的传感器读数融合成一个更好估计的数学方法。
- 激光雷达 Lidar
- 通过计时激光反射回来的时间来测距的传感器。
- 定位 Localisation
- 弄清楚机器人在哪里。
- 大语言模型 LLM
- 聊天助手背后的那类 AI,擅长语言和规划。
- 机器学习 Machine learning
- 计算机从例子中找规律,而不是遵循手写的规则。
- 模型 Model
- 训练产生的“配方”。你给它输入,它给出输出。
- 神经网络 Neural network
- 由很多相连的简单单元组成的模型,连接强度从数据中学得。
- 物体检测 Object detection
- 在图像中找出并命名物体,通常给每个物体画个框。
- 路径规划 Path planning
- 找出从一个地方到另一个地方的安全路线。
- 感知 Perception
- 机器人用传感器理解周围环境所做的一切。
- 量化 Quantisation
- 每个数字用更少的位数来缩小模型,使它在小芯片上跑得更快。
- 强化学习 Reinforcement learning
- 通过试错和奖励分数来学习。
- 奖励 Reward
- 告诉正在学习的机器人某个动作好不好的分数。
- ROS 2 ROS 2
- 帮助机器人各部分互相通信的免费软件。
- 传感器融合 Sensor fusion
- 结合多个传感器,使它们的误差互相抵消。
- 从模拟到现实 Sim-to-real
- 把在模拟中学到的技能搬到真实机器人上。
- SLAM SLAM
- 同时建图并在图上找到自己的位置。
- 训练 Training
- 让模型从例子中学习的过程。
- 训练数据 Training data
- 模型学习所用的例子。数据差,模型就差。