活动时间：2021.01.30 (周六) 9:00-12:00
活动地点：DataFunTalk直播间
| 活动简介
无人驾驶汽车、无人驾驶飞行器未来会对我们的生活产生深远的影响。美团作为生活服务行业的领军企业，近几年一直致力于无人驾驶领域的前沿探索。美团无人配送团队深耕城市配送场景，研究方向涵盖了机器人空间定位、实例分割、轨迹预测、规划控制等多个领域。本次技术沙龙，我们将与大家分享无人配送团队今年在这些方向的最新成果。
出品人
毛一年 博士 | 美团无人机业务部负责人
负责美团无人机在城市低空物流配送方向的业务探索。2018年12月加入美团，此前是北京二郎神科技公司创始人、CEO，为无人机带来环境感知、自主规划等能力。2018 年被评为北京市海聚工程专家，北京市朝阳区凤凰计划技术专家。
2001年获得清华大学电子工程学士学位，2006年获得美国马里兰大学电子工程博士学位。曾就职于美国高通研究院，领导并参与了MPEG DASH等重要项目的研发和产品化。2014年获得Qualcomm Research RoCStar Award。是30 余个国际专利的发明人，发表了20 多篇国际期刊和会议文章，所著论文和专利被引用过千次。
| 活动日程海报
| 分享介绍
主题一：基于点表示的一阶段实例分割算法 CenterMask 介绍
王钰晴 | 美团算法工程师
南开大学硕士毕业，2019年加入美团。目前负责目标检测和实例分割相关工作在高精地图元素提取中的应用。
内容简介：介绍美团AI平台无人车配送中心高精地图组在CVPR2020 上发表的论文，基于点表示的一阶段实例分割算法CenterMask。
论文题目：
CenterMask: single shot instance segmentation with point representation
主题二：基于 3D 场景几何约束的视觉定位算法
田咪 | 美团算法工程师
美团无人车配送中心算法工程师，2018年加入美团，目前负责无人车业务中的视觉定位算法研发工作。
内容简介：介绍美团AI平台无人车配送中心视觉定位组在ICRA 2020 上发表的论文，基于3D场景几何约束的视觉定位算法。
论文题目：
3D Scene Geometry-Aware Constraint for Camera Localization with Deep Learning
主题三：基于全局交互的多智能体轨迹预测算法
朱炎亮 | 美团算法工程师
美团无人车配送中心算法工程师，2018年加入美团，目前负责无人车业务障碍物行为分析与预测工作。
内容简介：介绍美团无人车配送中心PNC组在ICRA 2020 轨迹预测竞赛上的参赛方法，基于全局交互的多智能体轨迹预测算法。
参赛方法名称：
Robust Trajectory Forecasting for Multiple Intelligent Agents in Dynamic Scene
主题四：一种交互作用感知的时空图卷积行人轨迹预测网络模型
樊明宇 | 美团研究员
美团无人车配送中心研发顾问，研究员，2019年加入美团，目前主要从事轨迹预测和路径规划的研发工作。
内容简介：本文提出了一种基于注意力模型的交互感知时空图卷积模型方法，该方法能够实现动态自适应地障碍物交互时空特征建模以捕捉多个障碍物之间的复杂交互信息。
论文题目：
An Attention-based Interaction-aware Spatio-temporal Graph Neural Network for Trajectory Prediction
主题五：双目外参的在线标定算法在 VIO 上的实现
朗小明 | 美团算法工程师
美团无人机业务部算法工程师，2019年加入美团，目前负责无人机视觉定位算法研发工作。
内容简介：介绍美团无人机配送中心视觉定位组在ICRA2020上有关双目外参实时标定的论文。
论文题目：
Stereo Visual Inertial Odometry with Online Baseline Calibration
主题六：面向动态场景的自监督深度-位姿联合学习
高枫 | 清华大学硕士生
2019年从清华大学电子系取得学士学位，现于电子系纳米集成电路与系统实验室高能效计算组硕士在读，导师为汪玉教授。研究兴趣有机器人定位与导航，强化学习，多机协同智能。
内容简介：单目深度估计和视觉里程计在自动驾驶等领域有十分重要的作用。近年来，从无标注的视频中同时学习深度和相机位姿的自监督学习方法取得了很大的关注，然而在动态场景中，运动物体的存在会干扰自监督信号的产生。针对这个问题，我们提出可以同时学习场景的运动和相机的运动，并自适应地产生监督信号。相关工作发表在CoRL2020会议。
论文题目：
Attentional Separation-and-Aggregation Network for Self-supervised Depth-Pose Learning in Dynamic Scenes
| 报名方式
识别二维码，免费报名