Добавлены проекты GIGA, Flower, Graspnet

docs/technologies/machine-learning-in-robotics.md

@@ -148,6 +148,12 @@ __Алгоритм поиска последовательности сборк
 
 Авторы проанализировали, как multi-agent RL может преодолеть разрыв с реальностью в распределенных системах с несколькими роботами, где работа различных роботов не обязательно однородна.
 
+### GIGA - Grasp detection via Implicit Geometry and Affordance
+
+[Сайт](https://sites.google.com/view/rpl-giga2021) | [Paper](http://arxiv.org/abs/2104.01542) | [Github](https://github.com/UT-Austin-RPL/GIGA)
+
+GIGA - Нейронная сеть, которая обнаруживает позы захвата с 6 степенями свободы и одновременно с этим реконструирует трехмерную сцену. GIGA использует преимущества глубоких неявных функций, непрерывного представления с эффективным использованием памяти, чтобы обеспечить дифференцированное обучение обеим задачам. GIGA принимает в качестве входных данных представление сцены с помощью функции усеченного расстояния со знаком (TSDF) и предсказывает локальные неявные функции для понимания доступности и трехмерной занятости. Запрашивая имплицитные функции аффорданса с кандидатами в центры захвата, мы можем получить качество захвата, ориентацию захвата и ширину захвата в этих центрах. GIGA обучается на синтетическом наборе данных о хватании, созданном с помощью моделирования физики.
+
 
 ## Инструменты машинного обучения
 
@@ -166,6 +172,13 @@ __Алгоритм поиска последовательности сборк
 используется для связи Unreal Engine и Gym.
 
 
+### Flower
+
+[Сайт](https://flower.dev/) | [Github](https://github.com/adap/flower) | [Paper](https://arxiv.org/pdf/2007.14390.pdf)
+
+Фреймворк для federated learning (федеративное или распределённое обучение), который активно интегрируется в ROS ([презентация RosDevDay'21](https://www.youtube.com/watch?v=kRxmyr8-4RM)). Ключевая идея состоит в том, чтобы локальные агенты отправляли на сервер не данные, а уже обновлённые параметры модели, которые потом агрегируются с помощью метода federeated averaging от Google ([paper](https://arxiv.org/pdf/1602.05629.pdf)). В [примере](https://flower.dev/blog/2021-02-24-pytorch-from-centralized-to-federated) с pytorch существующий алгоритм обучения подключается к библиотеке Flower (указывается host:port сервера) и тиражируется на нескольких машинах, а на сервере задаётся количество раундов federated averaging.
+
+
 ### robo-gym
 
 [Сайт](https://sites.google.com/view/robo-gym) | [Github](https://github.com/jr-robotics/robo-gym) | [Paper](https://arxiv.org/pdf/2007.02753.pdf)
@@ -226,6 +239,13 @@ Open source симулятор для автономных транспортн
 Leveraging Motion Generation in Reinforcement Learning for Mobile Manipulation | [Paper](https://arxiv.org/abs/2008.07792)
 
 
+### GraspNet
+
+[Сайт](https://graspnet.net/index.html) | [Github](https://github.com/graspnet)
+
+Открытый проект Шанхайского университета. [Базовая модель нейронной сети](https://github.com/graspnet/graspnet-baseline) для опознавания и захвата групп смешанных объектов. Много разнообразных датасетов. 
+
+
 ### Gibson Environments
 
 [Сайт](http://gibsonenv.stanford.edu/) | [Github](https://github.com/StanfordVL/GibsonEnv)