来自艾伦人工智能研究所和华盛顿大学的AI研究人员训练了一个无人机代理，该无人机的顶部装有一个盒子，可以在模拟环境中捕获20个物体。在试验中，使用卫生纸的无人机成功率最低(0%)，而使用烤面包机的无人机成功率最高(64.4%)。其他对象包括闹钟，生菜头，书籍和篮球。总体而言，该系统捕获对象的成功率超过了3D空间当前位置预测器模型的两个变体，以及Google AI研究人员在2016年提出的经常被引用的强化学习框架。

为了进行这项研究，发射器将每个物体朝无人机人员扔了两米(6.5英尺)。每个模拟都放置在客厅中，并在AI2-THOR逼真的模拟环境中进行。在虚拟环境中，物体的重量，大小和结构决定了它们的投掷方式，投掷的速度以及物体是否从墙壁上弹起。在每种试验情况下，发射器的位置都大约高于人类的平均身高。该模型使用20,000个投掷的数据集进行了训练，发射器针对每20个物体随机放置。

“我们提出的解决方案是对基于模型的强化学习范例的改编。更具体地说，我们提出了一个预测网络，该网络可以从视觉观察中推断出所抛物体的未来轨迹。我们预测网络与基于模型的规划师集成估计无人机行动的最佳顺序捕捉对象，”读取描述模型的论文。

作者提出了一个新框架，该框架可以预测物体的未来运动并做出反应，“以动态方式做出决策，并接收来自环境的反馈，以更新我们对未来运动的看法。”

该论文是本周在线召开的计算机视觉和模式识别(CVPR)会议的一部分。根据AI指数报告，CVPR拥有9,000多名与会者，是2019年全球第二大年度人工智能研究会议。组织者在VentureBeat的一份声明中说，有6,500多人注册了CVPR2020。其他主要的AI会议-诸如ICLR和ICML之类的产品也已经转移到网上，上周NeurIPS的组织者表示，机器学习会议将在12月进行全数字化。

本周在CVPR上推出的其他作品包括MIT模型的详细信息，该模型可以预测人们如何绘制风景和静物，以及用照片生成3D头像的生成模型。