走出實驗室演算法視頻

① 人生不設限，我們和這些「非定義青年」聊了聊

誰能定義你的人生？誰能定義當代青年的模樣？

1915年，從日本回國的陳獨秀為了呼籲有志青年積極救國，在輾轉迂迴中創辦了《新青年》雜志，並寫下了一段飽含理想主義熱情的創磨咐刊詞： 「青年如初春，如朝日，如百卉之萌動，如利刃之新發於硎，人生最可寶貴之時期也。青年之於 社會 ，猶新鮮活潑細胞之在人身。新陳代謝，陳腐朽敗者無時不在天然淘汰之途，與新鮮活潑者以空間之位置及時間之生命。」

以前的「新青年」們。/維基網路

在任何時代，青年都是 社會 進步的鮮活力量。在每個時代，青年的使命各不相同。在100多年後，數字在重構現實 社會 。這一代的青年人，也面臨著更多的挑戰，但他們也有更多打破束縛的機會。 今天是五四青年節，在這個青年人的節日里，我們聚焦一批從事新型職業、在新銳崗位上實現價值的年輕人。

他們或許起點較低，但毅然反抗命運、跳出已被寫好的劇本；或許面對世俗成見壓力，但義無反顧、勇敢選擇、忠於內心。他們是大家眼裡的「非定義」年輕人，他們遨遊在互聯網的海洋里，打破傳統、勇於革新，在一條少有人走的路上，重新定義自己的命運。

不認命：從廠工到程序員一個「瘋子騎士」的冒險

「砍風車的騎士」，在小說《堂吉訶德》中，溫學貴看到自己的影子——「我現在做的事情不一定能做成，但仍舊要試一試」。 從深圳市某「流水線擰螺絲」的廠工到廣州屯大軟體公司的一名程序員，要完成這樣的蛻變，沒點「瘋子騎士」的理想主義和毅力恐怕不行。

在工廠上班的時候，工廠引進的一批機械手，讓溫學貴隱隱感到了危機。不安感還來源於未來生活里可預見的漫長空虛——「今天的日子已經把餘生的日子過完了」。 一個瘋狂的念頭突然出現在溫學貴眼前：自學編程。

成為一名程序員的溫學貴。

此前，溫學貴沒讀大學，而是選擇初中畢業就去讀中專——那是最快的可以幫家裡人分擔經濟重擔的方式。作為家中長子，學貴有4個弟妹，他必須懂事。 從自學編程到「程序員上岸」，對他來說，是一場漫長的征戰。

每天下班回宿舍，是他珍貴的兩個小時學習時間。可男生宿舍里，外放視頻聲混雜著各類 游戲 聲、聊天聲。除此之外，還有每天下班回來之後的疲憊。

對於學貴這樣學歷不高的小鎮青年來說，「突圍」最大的阻礙，來源於信心不足。當他開始嘗試學編程的時候，周圍的人總會評價「這東西太難了」「真的能自學嗎」。

但溫學貴時常會想起中專班主任說過的一個段子：「中考成績不好可能是因為出生月份的問題。」這句在今天看起來純屬「玄學」的一句話，卻讓失意時的他找到了一種力量，不是因為自己的智力不達標、不是因為學習能力匱乏，可能只是一種說不清道不明的「運氣欠佳」。

當溫學貴開始調整自己的自學效率、更嚴格地執行學習目標時，他發現「編程原來沒有想像中那麼困難」。

周圍的人總會評價「這東西太難了」「真的能自學嗎」。/圖蟲創意

幾個月的在線網課結束後，溫學貴開始集中精力找工作、投簡歷。經過3個多月的求職後，他接到了一個面試：微信小程序的前端開發。緊接著，他成為了一名小程序工程師。 事實上，不僅僅是學貴，據信通院報告，2020年小程序帶動就業780萬個，成為微信帶動就業的核心引擎。

進入廣州屯大軟體公司以後，從為企業搭建各類小程序商城，到設計 娛樂 性的「數字盲盒」，當自己和團隊研發的小程序被推入市場後，學貴看到了編程給周遭生活帶來的直接影響。

現在，溫學貴比別人都努力。

「在流水線上，再怎麼擰螺絲你也擰不出花來」，但是在代汪游碼的數字世界中，自己彷彿也可以改變世界。溫學貴感到驕傲，盡管只是參與了很多小程序開困游銷發其中的一環，但一想到手頭的小程序將覆蓋千萬人，他看到了自己的價值。

在廣州某國際貿易中心的寫字樓里，溫學貴在休息片刻時，望著窗外大雨過後、霧氣氤氳的城市。22樓，他已脫離了那個黏著他的地表，未來，他期待可以走得更高。

愛挑戰：明明可以靠顏值她卻用演算法「改變世界」

女性也可以成為頂尖程序員嗎？ 27歲的劉恩雨正在用親身經歷證明：當然可以。 劉恩雨是一名多媒體實驗室演算法研究員，目前主要的研究方向是圖像及視頻處理，通過傳統公式建模和人工智慧演算法的結合，完成包括圖像生成、視頻修復、視頻增強等工作。

年僅27歲的她，不僅參與並主導了多媒體相關的多個項目，還提交了20+篇的專利，發表了7篇學術期刊和國際會議論文。

她記得，小時候，電視里播過一部關於華人工程師群體在矽谷打拚的紀錄片，電視里程序員的形象令她心生嚮往——專業干練、知識豐富，最重要的是能改變世界！

一顆夢想的種子，自此埋下。

比如「我想要過有挑戰的生活」。

自初中起，劉恩雨就享受理科的推導過程；高考第一志願填的是電子信息專業，盡管當時 AI 的概念還未走俏。她順利考入武漢大學，大二期間開始跟著導師進行圖像和視頻方面的科研項目——圖像去霧。

她較真，「做模型設計的時候，或者實驗了兩個月，結果發現效果沒達到預期；又或者我做完了實驗、達到了預期，但一和市面上的演算法對比，發現我的演算法不如別人……」推倒，重來，完善，再精進；與bug纏斗，和競爭對手以及自己賽跑，也和時間做對抗。

恩雨回憶，當時她連軸工作了一個月、基本住在了公司，「睜開眼睛就想到工作，周六周日加班看文獻和論文」。

女性學習理科、進入 AI 行業，多少會引來因刻板印象而產生的質疑或「規勸」。在不少場合，恩雨也都因「年輕」「漂亮」這樣的標簽，遭受過質疑。

這些聲音，劉恩雨從未在意過。「我想要過有挑戰的生活。」在很多維度上，互聯網都促成了真正意義上的開放和平權，讓機會和選擇變得多元。

她說，「在我的工作崗位，大家不看你長什麼樣，只看你代碼寫得好不好」。

劉恩雨的世界裡，沒有克服不了的困難。

不久前的清明節，恩雨作為主力參與了一個老照片修復的圖像優化項目。 當破損、模糊的照片變得嶄新且清晰——照片中的老軍人一下子鮮活了起來。照片中的老軍人已經去世，當劉恩雨將照片交到老軍人兒子的手中，看到他激動又隱忍的復雜 情感 ，這一瞬間，她明白了自己的價值，也堅定了以後努力的方向。 作為一名程序員，在用代碼改變世界、推動 科技 的過程中，劉恩雨感受到一種使命的召喚、一種實現自我價值的滿足和堅定。

新使命：是駐村幹部也是大山裡的「主播」

唐強是廣西農村的一名駐村幹部。他的另一個身份，是大山裡的「主播」。 通過運營視頻號的方式，他將助農過程中的感人經歷和有趣瞬間記錄了下來，在贏得村民信任的同時，也得到了大山之外不少城市白領的關注和認可。

在駐村之前，唐強的人生幾乎都在踐行著「如何走出鄉村」這個議題。

30年前，唐強出生在廣西玉林的一個小山村。當時，農民出身的父母心裡只有一個信念：一定要把孩子送出大山、出人頭地。唐強記得童年時代，上個學要步行好幾里地，開學時，他必須背著米去學校。

唐強沒有上下班時間，有事情隨時出發。

2009年，唐強不負眾望，考上了廣西大學。此後的人生，順風順水。畢業後，他通過校招，進入了廣西投資集團旗下的橋鞏水電站工作。

2020年，廣西投資集團公開招募新一批駐村幹部，唐強「鬼使神差」地報了名，來到了廣西大山裡的弄坤村。

從小在土地里長大的唐強，對土地有一種親切感。別人拚命走出農村，他卻執著地往回走。面對別人的不解，他樂在其中，「每天都在幫助村民進步一點點」，他覺得無比充實。

2020年某晚臨睡前，唐強刷到了一條「來自海拔3200米以上」的視頻，風景美極了。這條視頻出自四川阿壩州的一名扶貧幹部之手。

唐強深受啟發，有感於駐村助農過程中的一些觀察和感悟，他決定自己也動起手來，用視頻記錄的方式，把扶貧助農這件事，傳播到更遠的城市去。

從一個拍攝剪輯小白，到熬夜在線學會整個視頻製作流程，唐強只用了不到一個月。幫助村民申領津貼、應急處理滾石造成的基建毀壞、逐戶走訪，雖然平時工作很忙，但唐強總會擠出時間用在視頻策劃、拍攝、配音、文案和剪輯上。

唐強准備用短視頻把村裡的東西賣出去。

去年6月，唐強受邀開通視頻號「努力的大強」，不到一年的時間里，他發布了100多條短視頻，記錄駐村助農過程中的點點滴滴。

盡管土壤貧瘠，但在駐村幹部的 探索 和幫助下，村裡因地制宜生產出了山葡萄酒、旱藕粉絲等等特色農產品。未來，唐強將通過直播電商的方式推廣這些地方特色，持續推進鄉村振興。

在互聯網短視頻的發展之下，唐強找到了自己作為村幹部的獨特樂趣，並將幫助農村實現經濟上的發展。

在唐強看來，視頻號就像是一個連通器，不僅連接了鄉村和城市，還通過朋友圈、小程序、群聊等場景，形成了功能和業務閉環，不僅有利於駐村工作贏得更多認同，也有助於下一步目標——電商扶貧、產銷結合的實現。

做自己：被電競改變的18歲

高考前夕，18歲的夏聖欽突然來到了人生的交叉路口。 高三那年，夏聖欽接觸到了《王者榮耀》。只用了4天，他的賬號就升到了 21 級，不久後，他就沖上了區排位賽第一名。上海 Mu 俱樂部的職業邀請隨之而來。

電競選手是「網癮少年」嗎？/圖蟲創意

擺在他面前的是兩條路，一條是和所有同齡人一樣，通過高考進入大學；另一條路，是成為一名職業電競選手。前者是一條很多人走過的路，安全；後者在所有人看起來是「不務正業」、是網癮少年逃避學習的借口，並且前途未卜。 高考過後的那個暑假，夏聖欽帶著3000塊錢，瞞著父母，坐上了去上海的列車。由於彼時《王者榮耀》電競剛起步，因為沒有經過科學的訓練，夏聖欽和他的隊伍打一場輸一場。

夏聖欽動搖了，猶豫、迷茫、沮喪圍繞著他。他不停想著，自己到底是在逃避生活，還是真的把電競當成夢想？他決定先去大學報到。 夏聖欽的大學生活，只持續了兩天。

來到大學校園，草草參觀了學生宿舍和教室後，他拉著還沒來得及打開的行李，重回電競擁抱。 多年後想起來，夏聖欽慶幸自己的選擇。天賦、努力和勇敢沒有辜負他。

2016年，剛加入重慶QG happy俱樂部的夏聖欽，用孫尚香一角完成了職業生涯中的「第一殺」。在2017年5月的 KPL 春季賽常規賽中，夏聖欽的孫尚香以一比五帶領隊伍扭轉敗勢成功翻盤。

2017年，新組成的QG happy戰隊一鳴驚人，一舉奪得2017年春季聯賽、冠軍杯以及秋季聯賽「三冠王」，成為KPL賽場上第一支年度大滿貫戰隊。2020年3月21日，夏聖欽又一次迎來職業巔峰。在 KPL 春季賽中，他使用英雄孫尚香成功解鎖KPL1500擊殺成就，成為 KPL 的第一位「1500殺先生」。

他贏過，也輸過。只不過，真正融入電競以後，夏聖欽比誰都更明白浮浮沉沉的道理。但因為電競，他也學會了以更積極的心態去面對一切，因為電競正如人生。 「如果沒有打電競的話，我現在可能在上班，可能跟著父親做生意，也可能開個店，當個小賣部部長。」說到這里，夏聖欽露出了笑眯眯的神情，「也不是說上班不好。」

只不過那樣的話，也就沒有「神射手Hurt」（夏聖欽在《王者榮耀》中最擅長的位置是射手）了。

守護底線：民警小朱的反詐之路

朱啟亮是深圳市公安局刑警支隊的一名反詐民警。 用朱啟亮的話來說，這份工作，是一個「每天每個月都在變」的工作，由於信息網路犯罪形式靈活，所以偵破手段也得跟著改變。這份在網上「貓抓老鼠」的工作，讓他有了需要不斷學習的迫切感。

這份工作，每天都需要在網上不斷學習。

想要熟練掌握反詐偵查所需的技能，對專業是治安學的朱啟亮來說，是個不小的考驗。 當年，剛被調到反詐騙中心時，朱啟亮還「很懵懂、不太清楚網路詐騙具體如何運作」。有次遇到一個炒股詐騙平台，朱啟亮和同事喬裝打扮成投資人，和對方交涉了解情況，前期花了很多時間去調查。最後，花了好大的功夫，他們把一層一層的網路代理全都揪出來了。 朱啟亮細心，愛學習，喜歡思考，這些品質幫助他完成了從治安工作到反詐騙工作的轉型。

相比傳統犯罪，在網路上與犯罪作斗爭，需要更多的耐心和細心。/電影《烈日灼心》

每天，朱啟亮和同事都會接到大量警情，第一件事情就是對事主被騙的資金進行追查，找到流向、及時攔截資金，再對涉案的關鍵線索進行進一步排查。有時還要參與打擊追捕。 除了追捕，朱啟亮的日常工作還包括預警勸阻。預警勸阻的技術，源於公安部門和互聯網技術平台的合作。朱啟亮和同事們一旦發現市民們已經被詐騙團伙盯上，就會第一時間上門勸阻。 盡管從事反網路詐騙工作已經8年了，朱啟亮還是會時不時地感嘆不法分子的狡猾。好在魔高一尺道高一丈，信息技術不斷進步，總能讓他們及時遏制住犯罪。

破案了，朱警官最開心的時刻。/ 圖蟲創意

比如此前詐騙分子經常使用「偽基站」這種詐騙手法。所謂「偽基站」，就是利用其他設備，屏蔽正常的通訊信號，並偽裝成銀行客服等工作人員給失主發釣魚鏈接簡訊。後來，警方與騰訊合作，開發出一款反擊「偽基站」的工具。

朱啟亮說，幾個月後，深圳地區幾乎沒出現過「偽基站」了。傳統刑偵與數字技術的結合，讓更多像朱啟亮這樣的反詐民警得到了極大的便利。 朱啟亮在工作中獲得的，還有滿滿的成就感。他記得無數個驚險的「攔截」犯罪時刻。

一次，朱啟亮和同事經過努力，發現了一位馬上要給詐騙團伙轉賬的市民。多次上門後，他們在最後一刻終於成功勸阻，一筆巨款就此被安全地攔截下來。看到當事人的資金安然無恙，朱啟亮打心眼裡覺得自豪。 如今，電信網路詐騙的形勢依然嚴峻，反詐民警的工作量也越來越大，朱啟亮很難有足夠的時間陪伴家人。可每次猶豫後，他都會被工作拉回。

在朱啟亮看來，反詐工作其實也是一份「積德」的工作。

朱警官日常的片刻休息。

後記

青年應該是什麼形狀呢？它不應該被定義。

以往，我們總覺得「差生」沒有未來、「網癮少年」都是不務正業；我們以為女生讀不好理科，我們質疑女性程序員吃不了苦；我們以為所謂的傳統工種，就應該也只能按部就班……我們要感謝這些恣意追夢的「非定義」年輕人，他們揮灑青春，創造出新的可能。

這些年輕人，不只是生活中小部分光鮮亮麗的身影，他們也是大千世界中無數個追逐夢想、勇敢嘗試未知的新青年的縮影。 如今，互聯網數字經濟迅猛發展，越來越多陌生的職業、崗位紛紛涌現，在互聯網數字化就業浪潮下，這些偏見一一被打破。

可以說，互聯網催生的新業態，在很大程度上讓年輕人有了超越出身的勇氣和機會，激發自身新的潛能，過上了自己選擇的新生活。信通院發布2020年《數字化就業新職業新崗位研究報告》顯示，過去一年，僅微信衍生的新就業機會就達到3684萬個。 在這些新職業里，年輕人們看到了新的可能，擁有了新的技能，發現了新的潛力，成為了真正的「非定義青年」。

無需受困於地域、學歷、資本……別說沒經驗、學歷不高、不在一線撕碎固有標簽，沒人能定義你的人生 想發光發熱，就去拼去闖這是值得敬佩的人生

② 機器人是如何走出迷宮的

首先，我們要了解，機器人領域的視覺（Machine Vision）跟計算機領域（Computer Vision）的視覺有一些不同：機器視覺的目的是給機器人提供操作物體的信息。所以，機器視覺的研究大概有這幾塊：

物體識別（Object Recognition）：在圖像中檢測到物體類型等，這跟 CV 的研究有很大一部分交叉；

位姿估計（Pose Estimation）：計算出物體在攝像機坐標系下的位置和姿態，對於機器人而言，需要抓取東西，不僅要知道這是什麼，也需要知道它具體在哪裡；

相機標定（Camera Calibration）：因為上面做的只是計算了物體在相機坐標系下的坐標，我們還需要確定相機跟機器人的相對位置和姿態，這樣才可以將物體位姿轉換到機器人位姿。

當然，我這里主要是講物體定位領域的機器視覺；SLAM 等其他領域的就先不講了。 演算法肯定也是有的。

由於視覺是機器人感知的一塊很重要內容，所以研究也非常多了，我就我了解的一些，按照由簡入繁的順序介紹吧：

1. 相機標定
這其實屬於比較成熟的領域。由於我們所有物體識別都只是計算物體在相機坐標系下的位姿，但是，機器人操作物體需要知道物體在機器人坐標系下的位姿。所以，我們先需要對相機的位姿進行標定。內參標定就不說了，參照張正友的論文，或者各種標定工具箱；外參標定的話，根據相機安裝位置，有兩種方式：

Eye to Hand：相機與機器人極坐標系固連，不隨機械臂運動而運動
Eye in Hand：相機固連在機械臂上，隨機械臂運動而運動 兩種方式的求解思路都類似，首先是眼在手外（Eye to Hand）

只需在機械臂末端固定一個棋盤格，在相機視野內運動幾個姿態。由於相機可以計算出棋盤格相對於相機坐標系的位姿 、機器人運動學正解可以計算出機器人底座到末端抓手之間的位姿變化 、而末端爪手與棋盤格的位姿相對固定不變。
而對於眼在手上（Eye in Hand）的情況，也類似，在地上隨便放一個棋盤格（與機器人基座固連），然後讓機械臂帶著相機走幾個位姿，然後也可以形成一個 的坐標環。

2 平面物體檢測
這是目前工業流水線上最常見的場景。目前來看，這一領域對視覺的要求是：快速、精確、穩定。所以，一般是採用最簡單的邊緣提取+邊緣匹配/形狀匹配的方法；而且，為了提高穩定性、一般會通過主要打光源、採用反差大的背景等手段，減少系統變數。
目前，很多智能相機（如 cognex）都直接內嵌了這些功能；而且，物體一般都是放置在一個平面上，相機只需計算物體的 三自由度位姿即可。另外，這種應用場景一般都是用於處理一種特定工件，相當於只有位姿估計，而沒有物體識別。 當然，工業上追求穩定性無可厚非，但是隨著生產自動化的要求越來越高，以及服務類機器人的興起。對更復雜物體的完整位姿 估計也就成了機器視覺的研究熱點。

3. 有紋理的物體
機器人視覺領域是最早開始研究有紋理的物體的，如飲料瓶、零食盒等表面帶有豐富紋理的都屬於這一類。當然，這些物體也還是可以用類似邊緣提取+模板匹配的方法。但是，實際機器人操作過程中，環境會更加復雜：光照條件不確定（光照）、物體距離相機距離不確定（尺度）、相機看物體的角度不確定（旋轉、仿射）、甚至是被其他物體遮擋（遮擋）。
幸好有一位叫做 Lowe 的大神，提出了一個叫做 SIFT （Scale-invariant feature transform）的超強局部特徵點：Lowe, David G. "Distinctive image features from scale-invariant keypoints."International journal of computer vision 60.2 (2004): 91-110.具體原理可以看上面這篇被引用 4萬+ 的論文或各種博客，簡單地說，這個方法提取的特徵點只跟物體表面的某部分紋理有關，與光照變化、尺度變化、仿射變換、整個物體無關。因此，利用 SIFT 特徵點，可以直接在相機圖像中尋找到與資料庫中相同的特徵點，這樣，就可以確定相機中的物體是什麼東西（物體識別）。
對於不會變形的物體，特徵點在物體坐標系下的位置是固定的。所以，我們在獲取若干點對之後，就可以直接求解出相機中物體與資料庫中物體之間的單應性矩陣。如果我們用深度相機（如Kinect）或者雙目視覺方法，確定出每個特徵點的 3D 位置。那麼，直接求解這個 PnP 問題，就可以計算出物體在當前相機坐標系下的位姿。

4. 無紋理的物體
好了，有問題的物體容易解決，那麼生活中或者工業里還有很多物體是沒有紋理的
我們最容易想到的就是：是否有一種特徵點，可以描述物體形狀，同時具有跟 SIFT 相似的不變性？不幸的是，據我了解，目前沒有這種特徵點。所以，之前一大類方法還是採用基於模板匹配的辦法，但是，對匹配的特徵進行了專門選擇（不只是邊緣等簡單特徵）。

這里，我介紹一個我們實驗室之前使用和重現過的演算法 LineMod：Hinterstoisser, Stefan, et al. "Multimodal templates for real-time detection of texture-less objects in heavily cluttered scenes." Computer Vision (ICCV), 2011 IEEE International Conference on. IEEE, 2011.
簡單而言，這篇論文同時利用了彩色圖像的圖像梯度和深度圖像的表面法向作為特徵，與資料庫中的模板進行匹配。由於資料庫中的模板是從一個物體的多個視角拍攝後生成的，所以這樣匹配得到的物體位姿只能算是初步估計，並不精確。但是，只要有了這個初步估計的物體位姿，我們就可以直接採用 ICP 演算法（Iterative closest point）匹配物體模型與 3D 點雲，從而得到物體在相機坐標系下的精確位姿。
當然，這個演算法在具體實施過程中還是有很多細節的：如何建立模板、顏色梯度的表示等。另外，這種方法無法應對物體被遮擋的情況。（當然，通過降低匹配閾值，可以應對部分遮擋，但是會造成誤識別）。針對部分遮擋的情況，我們實驗室的張博士去年對 LineMod 進行了改進，但由於論文尚未發表，所以就先不過多涉及了。

5. 深度學習
由於深度學習在計算機視覺領域得到了非常好的效果，我們做機器人的自然也會嘗試把 DL 用到機器人的物體識別中。
首先，對於物體識別，這個就可以照搬 DL 的研究成果了，各種 CNN 拿過來用就好了。有沒有將深度學習融入機器人領域的嘗試？有哪些難點？ - 知乎 這個回答中，我提到 2016 年的『亞馬遜抓取大賽』中，很多隊伍都採用了 DL 作為物體識別演算法。 然而， 在這個比賽中，雖然很多人採用 DL 進行物體識別，但在物體位姿估計方面都還是使用比較簡單、或者傳統的演算法。似乎並未廣泛採用 DL。 如@周博磊所說，一般是採用 semantic segmentation network 在彩色圖像上進行物體分割，之後，將分割出的部分點雲與物體 3D 模型進行 ICP 匹配。
當然，直接用神經網路做位姿估計的工作也是有的，如這篇：Doumanoglou, Andreas, et al. "Recovering 6d object pose and predicting next-best-view in the crowd." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016.
它的方法大概是這樣：對於一個物體，取很多小塊 RGB-D 數據（只關心一個patch，用局部特徵可以應對遮擋）；每小塊有一個坐標（相對於物體坐標系）；然後，首先用一個自編碼器對數據進行降維；之後，用將降維後的特徵用於訓練Hough Forest。

6. 與任務/運動規劃結合
這部分也是比較有意思的研究內容，由於機器視覺的目的是給機器人操作物體提供信息，所以，並不限於相機中的物體識別與定位，往往需要跟機器人的其他模塊相結合。
我們讓機器人從冰箱中拿一瓶『雪碧』，但是這個 『雪碧』 被『美年達』擋住了。我們人類的做法是這樣的：先把 『美年達』 移開，再去取 『雪碧』 。所以，對於機器人來說，它需要先通過視覺確定雪碧在『美年達』後面，同時，還需要確定『美年達』這個東西是可以移開的，而不是冰箱門之類固定不可拿開的物體。 當然，將視覺跟機器人結合後，會引出其他很多好玩的新東西。由於不是我自己的研究方向，所以也就不再班門弄斧了。

更詳細的圖文解析可以到機器人家上去看，我這邊就不貼出來了，希望對你有用

③ 有哪些適合研究生階段參加的演算法/計算機比賽

適合研究生階段參加的演算法/計算機比賽有天池大數據競賽與全國人工智慧大賽。

天池大數據競賽

2015年3月23日，阿里雲計算宣布啟動新一賽季的天池大數據競賽。大賽將吸引全球新生代數據科學家，為預測手機黨購物喜好、余額寶資金流動、時尚穿衣搭配，提供更精準的數據分析模型。

大數據專家、阿里巴巴集團副總裁塗子沛介紹，比賽中勝出的優秀數據模型，不僅可用於參賽者的學術研究成果，還有機會走出實驗室，直接應用於淘寶、支付寶等真實的商業場景，影響中國乃至世界數以億計的用戶。

全國人工智慧大賽

全國人工智慧大賽（以下簡稱大賽）由深圳市人民政府主辦，深圳市科創委、鵬城實驗室及科技部指導成立的新一代人工智慧產業技術創新戰略聯盟（AITISA，以下簡稱「聯盟」）共同承辦。

人工智慧應用於4K/高清視頻處理是一個非常有前景的領域，而4K/高清視頻是5G時代的主流應用之一， 本屆大賽設置的「AI+4K HDR」賽道代表了科技和文化深度融合的未來方向。