即将上线，敬请期待

联合参与方

英特尔中国研究院：基于神经符号学的机器人任务规划和相关AI算法；
上海交通大学：机器人末端执行器与工装的设计实现和机器人运动控制

技术背景

神经符号学是一个新兴的技术，它的目标是将高级推理与低级感知能力（通过概率学习实现）紧密结合在一起。其架构可分为两个层次：在高层次进行基于知识的逻辑推理，在低层次进行基于概率学习的感知、控制等。两个层次互相协作，共同完成复杂的任务。通过高层推理，系统能够更清楚的了解当下的工作状态，基于该状态降低低层感知模块的识别难度。通过低层的识别，将原本复杂的高维信息，抽象成简单的低维信息，使高层可直接进行推理而无需人工介入。

应用场景

神经符号学极大地降低了感知模型的复杂性，扩大了其在实际工业场景中的适用性。神经符号学可应用的行业场景包括但不限于：智慧交通、智慧医疗、智慧工业、智慧安防、新能源等。