最新消息：

騰訊正式發布Max二代機器人：復雜地形可精確走位通行

新浪科技

2022-08-09 06:04新浪網技術（中國）有限公司官方帳號

關注

來源：IT之家

　　騰訊正式發布了 Max 二代機器人，由騰訊 Robotics X 實驗室自研。騰訊表示，全新一代 Max 對於復雜地形可以精確走位通行，這在國內尚屬首次。

圖自騰訊，下同

　　同時，Max 還具有良好的自主學習能力，可以在幾個小時以內就能初步學會自然靈動的步態，讓 Max 在面對復雜環境下的適應能力得到大幅提升。

　　IT之家了解到，Max 二代機器人能完成單樁跳躍、雙輪站立、雙足起立、空翻下樁等高難度動作，且過樁速度達到“前輩”Jamoca 的 4 倍。

　　據介紹，Max 的最大突破是能提前規劃復雜地形上可行的精確踩點通行方法。此外，騰訊 Robotics X 實驗室也正利用深度強化學習等 AI 技術，推進機器人智能研究，讓機器人在虛擬環境中自主學習，更好地適應復雜環境的變化。

參閱文獻--

超越期待：騰訊攜手博彥緊密合作竟至知識產權層面助力騰訊榮獲機器人界顳葉腦機組冠軍

最新重磅：騰訊攜手博彥緊密合作竟然至知識產權層面大力助騰訊連續3次霸                   榜世界科技最前沿

摘要--

騰訊天衍實驗室奪世界機器人大賽雙冠軍

雷鋒網

發布時間：12-1708:42鯤鵬計劃獲獎作者,萬象大會年度獲獎創作者,優質創作者

雷鋒網消息，日前，“2020世界機器人大賽-BCI腦控機器人大賽”公布成績，騰訊天衍實驗室和天津大學高忠科教授團隊組成的C2Mind战隊，入圍BCI腦控機器人大賽“運動想象範式”賽題決賽，最終斬獲技術賽“顳葉腦機組”一等獎，以及技術錦標賽“顳葉腦機有訓練集一等獎”兩項冠軍。

據雷鋒網了解，世界機器人大賽在業內被譽爲機器人界的“奧林匹克”，是目前國內外影響廣泛的機器人領域官方專業賽事，自2015年起已成功舉辦五屆，共吸引了全球20余個國家12萬余名選手參賽。

BCI腦控機器人大賽作爲世界機器人大賽中一項高精尖科研類賽事已成功舉辦三屆，此項競賽內容重點考察腦-機接口技術在醫療康復等領域的創新應用技術成果，旨在推動該技術與各領域產業交流合作，滿足人們對醫療、養老、助殘、康復等多樣化的民生需求，實現該領域與各行業的跨越融合發展。

運動想象新算法突破腦-機接口技術瓶頸

BCI（Brain-computer interface ，腦-機接口）是指通過對神經系統電活動和特徵信號的收集、識別及轉化，使人腦發出的指令能夠直接傳遞給指定的機器終端，從而使人對機器人的控制和操作更爲高效便捷，俗稱“腦控”。

該項技術是一項融合了神經科學和人工智能的一門新興技術，在人與機器人的交流溝通領域有着重大創新意義和使用價值，其已廣泛應用於助殘康復、災害救援、娛樂體驗等多個領域。

作爲集科技性、創新性、實用性於一體的世界級BCI賽事，本屆大賽上也誕生了諸多腦-機接口領域突破性技術成果。由天津大學和騰訊天衍實驗室組成的C2Mind战隊，從運動想象（Motor imagery ，MI）路徑入手。

這是一種非常重要的BCI範式，指沒有任何肢體運動的情況下，利用意念想象肢體運動，是一種自發性腦電。但是，由於腦電信號的不穩定性，以及不同受試者腦電信號差異較大，甚至同一受試者在不同時間段採集的腦電信號都會存在較大差異，這使得腦機接口技術在使用前均需較長的校准時間，且系統性能不穩定，這些問題均嚴重影響了腦機接口技術運動想象範式在實際醫療場景中的應用。

針對運動想象腦電信號的時間差異性，騰訊天衍實驗室提出基於動態域自適應的深度腦電解碼模型

研究運動想象算法的騰訊天衍實驗室高級研究員柳露豔介紹，針對腦電信號數據差異大，且數據集樣本量少，而導致訓練困難及訓練模型泛化性能差等問題，騰訊天衍實驗室和天津大學高忠科教授團隊提出了一種創新的運動想象腦電信號分類方法。

該方法首先通過將同類樣本的時頻圖進行疊加的方式進行數據預處理，這樣在保證擴充數據多樣性的同時，又保持了原始數據時頻特性。

同時，還增加了模型在不同受試者或者同一受試者不同時間點腦電信號上的泛化性能； 其次使用了基於GAN的領域自適應算法進一步加強了模型在不同腦電信號上的泛化性能。使用該算法訓練的輕量級卷積神經網絡（Convolutional neural network ，CNN）模型，具有更強的魯棒性和泛化性能。

小樣本學習技術化解訓練樣本缺乏難題

在技術算法直接應用於實際數據時，大多數情況下無法獲得理想結果。

因爲實際數據往往分布的很不均勻，且存在訓練數據缺乏、算法跨中心泛化能力差、算法准確度要求高等問題，尤其在嚴謹的醫療場景實際應用中，這些問題則成了技術精進的“攔路虎”。

柳露豔還介紹，騰訊天衍實驗室運動想象團隊基於其在醫學領域的長期技術積澱和創新探索，針對以上行業性問題提出了解決方案，即採用小樣本、領域自適應、元學習等技術解決訓練樣本缺乏、數據分布差異大等普遍存在的難題，從小樣本數據集中學習出魯棒的、高精度的腦電信號分類模型，不僅有助於提升運動想象下的腦-機接口系統的精度和泛化性，而且爲腦機接口技術的應用奠定良好的技術基礎。

運動想象算法應用場景廣泛

運動想象腦電信號在醫療場景中的應用是非常廣泛的，如對於感覺運動皮層相關部位受損的中風病人，腦機接口可以從受損的皮層區採集信號，然後刺激肌肉或控制矯形器，改善手臂運動。

因癲癇病人的大腦會出現某個區域的神經元異常放電，而通過腦機接口技術檢測到神經元異常放電後，可以對大腦進行相應的電刺激，從而減少癲癇發作。

同時，運動想象腦機接口在針對自閉症兒童的康復訓練中也承擔着重要的角色。與正常兒童相比，自閉症兒童在觀看他人運動情景時模仿動機弱，相應的感覺運動皮層激活程度較低。

通過讓這些兒童參與基於自身感覺運動皮層激活程度強弱實時反饋的遊戲項目，可以提升他們對感覺運動皮層激活程度的自我控制能力，從而改善自閉症的症狀。

騰訊天衍實驗室提出的運動想象創新算法，有望從准確性、效率、實用性、創新性、技術性等多維度提高腦-技接口技術在助殘康復等多領域的技術應用與產業發展，爲突破當前人類與機器、人類與環境的交互技術中存在的難題提供了一個可行的解決方案。

這項算法可以通過嵌入到不同的硬件系統或者軟件系統，爲受試者實現意念傳輸和控制。比如，它和外骨骼機器人結合的BCI系統，可用於偏癱、腦卒中患者運動功能的主動式康復；和電動輪椅結合的BCI系統，有望幫助肢體行動不便的人群自由活動出行等等。

希望在不久的將來，可以看到這項技術幫助越來越多的殘障人士突破肉體和工具的局限。雷鋒網

重磅消息：騰訊攜手博彥緊密合作竟然至知識產權層面大力助騰訊再次霸榜

--騰訊攜手博彥緊密合作竟然至知識產權層面大力助騰訊再次霸榜

摘要--

超越想象：騰訊微視獲VCR競賽榜第一/騰訊攜手博彥爲此緊密合作竟然至知識產權層面

最新消息：博彥科技互動e

--2020.12.4

博彥科技股友　

影響力　　

發表於 2020-12-03 13:41:00 股吧網頁版

舉報

你好！12.2消息，日前騰訊微視視頻理解團隊在多模態理解領域排行榜之一VCR任務中拿下榜首。BLENDer憑單模型效果超越了此前榜單上的多模型最好效果並深度應用到短視頻領域。VCR任務於2018年由華盛頓大學研究人員首次提出，任務旨在將圖像和自然語言理解二者結合，驗證多模態模型高階認知和常識推理的能力，讓機器擁有看圖說話的能力。請問作爲騰訊頭部合作夥伴貴司爲此團隊參與研發提供了技術和數據嗎？

博彥科技：
尊敬的投資者，您好！公司與相關客戶一直保持良好的合作，出於保護客戶知識產權及利益的考慮，暫不方便透露合作的具體內容，敬請諒解。公司將繼續緊跟客戶需求，積極爲客戶提供相關技術服務、解決方案及產品，感謝您對公司關注！

（來自 互動易）　　答復時間 2020-12-04 17:49:00

摘要--

單模型史上最佳成績，BLENDer模型登頂權威榜單VCR

一舉刷新單、多模型史上最佳成績，BLENDer 是怎么做到的？

2020 年 11 月 19 日，騰訊微視「BLENDer」模型憑借「81.6，86.4，70.8」的成績，登上了多模態領域權威榜單 VCR 的榜首。
這項最新成果來自騰訊微視視頻理解團隊。在這個之前，榜單的紀錄保持者是百度、微軟、Facebook 等知名機構。

BLENDer（BimodaL ENcoDer）創造了 VCR 排行榜的單 / 多模型最佳成績，而提交模型的出發點僅是驗證團隊的多模態算法。
什么是 VCR ？
當人們談到「騰訊微視」，或許想到的是一款「短視頻 App」，它經常出現在微信朋友圈裏，同時也是很多人的裝機必備軟件……
既然是視頻業務，就肯定會涉及到內容審核、內容創作等，視覺常識推理（Visual Commonsense Reasoning，VCR）解決的就是讓機器「秒懂內涵」的問題。所以，在走近騰訊微視技術團隊之前，更應該深入了解一下 VCR 這個任務。
2018 年，來自華盛頓大學和艾倫人工智能研究所的 Rowan Zellers、Yonatan Bisk、Ali Farhadi、Yejin Choi 四位學者聯合發起了一項 VCR 任務，該數據集包括 11 萬個電影場景中的 29 萬個多項式選擇題，是當前圖像理解和多模態領域層次最深、門檻最高的任務之一。
VCR 任務包括問答 (question answering) 和解釋 (rationale) 兩個子任務。在問答子任務上，計算機需要結合問題（如圖中人物動作、意圖等）和與問題相關的圖片進行理解，通過四選一進行回答；在解釋子任務上，計算機需要在此基礎上通過四選一給出第一部分答案的解釋。
以下圖爲例，模型需要回答兩輪問題。兩道題都答對，才能獲得最終得分。
第一個問題：爲什么 person 4 要指向 person 1？

正確答案是，person 4 在告訴 person 3，person 1 點了薄餅。（這對於人類來說是很容易解讀的）
給出答案後，計算機還需要回答：「爲什么這樣判斷？」比如該示例的第二道問題，正確答案是：

person 3 正在上菜，但他不知道這些食物都是誰點的。

對於人類來說，只需要看一眼圖片，就能比較容易地理解出圖片的內涵，比如行爲、目標、精神狀態，甚至人物之間的關系。但這種任務對於機器視覺系統來說是比較困難的，需要更高層次的認知和常識推理能力。
這項高難度任務已經吸引了微軟、谷歌、Facebook、百度等多個科技公司的團隊參與。此前，這一任務的衆多紀錄保持者包括 ERNIE-ViL-large（15 模型集合）、UNITER-large（10 模型集合）等。

但現在最強的是 BLENDer，憑借單模型同時刷新了此前榜單上的單、多模型效果。
單模型 BLENDer 如何打榜 VCR？
BLENDer 是怎么做到的？

BLENDer 第一階段算法模型
BLENDer 基於當前主流的 one stream 的視覺語言 BERT 模型，該模型的學習過程分爲三個階段：
第一階段在大約 150w 對圖片及其描述的樣本上進行預訓練，採納了 Masked Language Modeling (MLM), Masked Region Modeling (MRM)和 Image-Text Matching (ITM)三組預訓練任務，如圖所示。
第二階段在 VCR 的訓練集上進行進一步的預訓練，繼續採用第一階段的 MLM 和 MRM 任務。
第三階段進行最後的 finetune，輸入 VCR 提供的 question, answer 和 rationale 以及 box feature，在[CLS] token 的輸出進行 Q->A 和 QA->R 的二分類。以上所有階段的 box feature 都採用的 BUTD 算法提取的 res-101 feature，除了 flip 沒有採用其他增強手段。
相比以往的參賽模型，BLENDer 加入了人物物體關系推理、噪聲對抗訓練以及針對性更強的 MLM，最終，BLENDer 將三項問答准確率提高到了 81.6, 86.4, 70.8 的水平，單模型表現即超越此前單、多模型效果。具體技術方案細節，團隊會在近期开源相關代碼、模型和文章。
騰訊微視將人工智能技術賦能短視頻　
一直以來，騰訊微視高度關注技術研發，騰訊微視產品也爲人工智能技術落地提供了廣泛的應用場景。
視頻理解團隊更是長期深耕多模態語義理解領域，持續進行技術突破和落地，將相關技術應用在海量圖像、視頻、文本等跨媒體信息的認知推理中。　　同時，團隊也從業務出發不斷探索前沿領域，並將人工智能技術應用到短視頻生態中，貫穿內容創作、內容審核以及內容分發的各個環節。　　在內容創作環節，騰訊微視將 3D 人臉、人體、GAN 等 AI 技術結合 AR 技術輔助用戶進行內容創作，讓創作過程更加便捷、有趣和普惠；在視頻審核環節，騰訊微視借助圖像檢測、分類、多模態理解等 AI 技術精准識別視頻內容，提升審核效率，使得用戶生產的內容最快時間觸達消費者，目前騰訊微視內容處理效率已經持平業界領先水平；而在視頻分發環節，騰訊微視借助 AI 技術從非結構化的圖像、音頻、文本數據中提取結構化信息輸出，如標籤、特徵等，支撐分發精准匹配用戶。　　未來，人工智能將具備更加多元、深度的交流學習能力，而技術的創新和精進將進一步推動 AI 技術在短視頻業務中智能交互場景的落地。

微視的新目標

作爲騰訊在短視頻賽道的重要產品，微視過去一年做了哪些工作？未來又將如何發力？

“短視頻是內容行業未來重要的發展方向，它正在跟過往的內容形式，如圖文、長視頻結合，進而讓用戶產生新的內容消費習慣。”上述微視負責人介紹了其對短視頻行業的判斷，在他看來，對微視而言，未來如何能夠提升用戶的信息獲取效率，會是重點發力的方向。這就包括短視頻的理解、分發、推薦以及內容質量、運營聯動等方面。

近期任務，是抓住春節的機會，提升用戶增長和用戶對微視的認知，具體的數字化目標是用戶日活和用戶時長。內容方面，影視綜、遊戲和微視短劇會成爲重點發力方向。

在此前一年，微視更多的工作是“打牢基礎設施”。在技術方面，騰訊微視將3D人臉、人體、AR(增強現實）技術等技術結合，輔助用戶進行內容創作，讓創作過程更加便捷， 同時用圖像檢測、分類等技術提升審核效率。內容方面，引入很多PGC(專業內容生產)和UGC（用戶內容生產）的創作者，此外微視還與文學、動漫、遊戲、音樂、影視等團隊實現聯動，提升了IP運營效率。

據騰訊控股2019年第四季度財報，微視的日活躍用戶數環比增長80%，日均視頻上傳量環比增長70%。而根據QuestMobile《中國移動互聯網2019半年大報告》，截至2019年6月，微視的月活用戶已經突破1億。

這個成績對2018年才上线，在短視頻頭部玩家已經固定的環境下生長的微視，是可圈可點的。但橫向來看，快手、抖音已在今年年中先後宣布日活突破3億和6億。可以說，一切對於微視而言，任重道遠。

所以，未來騰訊將繼續攜手博彥科技 努力在微視、短視頻等上緊密合作，再創佳績。

本文作者可以追加內容哦 !