访问： 阿里云服务器精选特惠：1核1G云服务器低至0.9元/月 该框架叫做 Manual-to-Executable-Plan Network（简称 MEPNet），目前已经在多款计算机生成的乐高套装、真实的乐高套装指南和 Minecraft 风格的立体建筑上成功测试，科研人员表示其性能已经超过现有其他版本。 对于人工智能来说，理解 2D 指导手册并不容易。研究人员表示，视觉指令有几个关键问题，就像乐高套装一样，完全由图像组成：识别 2D 和 3D 对象之间的对应关系，以及处理许多基本部件都非常困难。 研究人员表示在，任何复杂的乐高套装都是建立在基础的乐高砖块上。研究人员表示这增加了机器对乐高手册的理解难度，它需要推断由可见图元组成的不可见物体的 3D 姿势。 研究人员表示，现有的将手动步骤解析为机器可执行计划的方法主要包括两种形式：基于搜索的方法，简单准确但计算成本高；以及基于学习的模型，这些模型速度很快，但不太擅长处理看不见的 3D 形状。 研究人员说，MEPNet 结合了两者。研究人员写道，从组件的 3D 模型、乐高集的当前状态和 2D 手动图像开始，MEPNet “预测每个组件的一组 2D 关键点和掩码”。 完成后，2D 关键点“通过找到基本形状和新组件之间的可能连接，反向投影到 3D”。该团队写道，这种组合“保持了基于学习的模型的效率，并更好地推广到看不见的 3D 组件”。在论文中，研究人员表示，他们的目标是创造帮助人们组装复杂物体的机器，他们的应用列表中包括家具、乐高积木和像素世界。
阅读更多（Read More）