CNCC2019 panel2：智能机器人在哪些方面能更加智能了？

4594字数，预计学习时长9分钟

我对这个对机器人特别感兴趣的小核心感到非常好奇和兴奋。我将和小核心一起听机器人领域的专家说些什么。

山东大学计算机科学与技术学院的涂长河教授和林露教授是此次论坛的主席和东道主。

论坛开始时，屠长河简要介绍了论坛的发展现状、研究领域和主要内容。

他说:智能机器人是一个新的跨学科领域，包括系统软件、机器学习和人机交互。它与工业密切相关，已广泛应用于教育、医疗、旅游、银行等行业。研究领域主要涉及机器人操作系统与软件、感知理论与方法、机器人学习理论与方法、地图构建与定位导航、人机自然互动与和谐等。

今天的论坛将组织智能机器人领域的专业人士，重点关注机器人感知理论与方法、机器人学习理论与方法、地图构建与定位导航、人机自然互动与和谐的发展。让我们仔细看看熟悉和不熟悉的智能机器人领域，并获得全面的收获。

杜长河很幽默。每位嘉宾演讲后，他仍然不忘对演讲内容和自己的感受做一个简洁的总结，使整个论坛气氛轻松有趣。

第一位特邀演讲人是浙江大学计算机辅助设计与控制国家重点实验室的张国凤教授。他带来了一篇关于“视觉冲击技术”的演讲。

SLAM:同步定位和地图构建可以解决机器人和计算机视觉领域的基本问题——在未知环境中定位自己的方位，同时构建环境三维地图。它广泛应用于增强现实、虚拟现实、机器人和无人驾驶。其操作结果:设备可以根据传感器信息计算自己的位置(在空之间的位置和方向)，并构建环境地图(稀疏或密集的三维点云)

目前，SLAM技术主要使用以下传感器:单目摄像机、双目摄像机和多目摄像机。其他辅助传感器:廉价的惯性测量单元、全球定位系统、深度相机等。本发明具有硬件成本低、小范围内定位精度高、无需提前布置场景等优点。

在介绍了视觉SLAM技术的基本知识后，张国凤指出，虽然视觉SLAM技术在过去十年左右取得了很大的进步，但要满足实际应用的需要，还有两个关键挑战需要解决:

并展示了他解决挑战问题的关键思想，分别是:

1.约束的正确性通过有效地消除离群点来实现，约束的充分性通过运动先验约束和结构先验约束来实现。最后，实现了稳定的解决方案。

2.通过联合优化相机参数和三维点，重新投影误差被最小化以实现聚类调整。

同时，他还就“集群调整的挑战、ICE-BA效率的比较、定位导航、视觉定位和ar导航、低成本MSF:cangnsmm”展示了一些思路和解决方案。

最后，通过实例说明了自动驾驶仪和自动驾驶仪的一些应用，并对视觉SLAM技术的未来发展趋势进行了预测:

舞台上的第二位嘉宾是中国科技大学的刘立刚教授。他的演讲主题是:机器人自主三维场景扫描与重建。

首先，通过总结机器人的两种主要类型(工业机器人和服务机器人)、应用场景和特点，分析了“机器人”的反馈系统。他说机器人的行为源于机械结构(仿生结构)控制系统。机器人的认知(智能)源于机器算法。由于不同的传感装置和数据采集方法，可以划分不同的研究领域，包括自然语言处理、计算机视觉、视频处理、计算机图形学等。

通过这些铺垫，他主要向我们介绍了计算机图形学。

因为与人类手持扫描相比，机器人自动扫描具有疲劳少、稳定性好、控制精度高等优点。在此基础上，进一步研究并提出了一种新的自主场景三维重建方法。通过为自动扫描提供基于对象感知的指导，可以在一个扫描计划中完成未知场景的探索、重建和理解。

该方法基于对象感知交替地执行对象分析和信息增益分析，从而为机器人的全局探索和局部扫描确定下一个最佳对象和下一个最佳视点。

此外，本研究还提出了通过多类图割最小化方法同时解决对象分割和对象识别的新思路，解决了不完全重构点云的语义理解问题。虚拟场景和真实场景的实验结果表明了该方法的可行性和有效性。

在计算机图形学方面，北京大学的陈宝全教授也分享了他的研究成果——“面向机器人的三维视觉智能”。

本文主要讨论三维视觉如何支持机器人视觉智能的提高，以及机器人的主动性如何有助于提高对三维场景的理解，从而不断提高三维视觉智能等问题。

在比较之前，时代对计算机图形和视觉提出了新的挑战:以前处理的内容大多是单一对象，数据密集且完整，但现在它们经常面临多对象场景，数据稀疏且不完整。前面的内容符合抽样理论:抽样率高于nyguist，抽样率可重构。但现在的内容对抽样理论提出了挑战:抽样率远低于nyguist抽样率，无法重构。

因此，我们需要研究面向机器人的三维视觉智能来解决时代问题，陈宝全说。具体解决方案包括:通过印刷方向的动态变化，多向=离散，多向=连续，变得更加灵活和准确。

具体算法步骤如下:

步骤1:基于形状分析的粗略分解

步骤2:序列规划

步骤3:微调可打印的约束

此外，他还提出了一些限制条件:可印刷性和储存材料时不碰撞。

缺点1:分离平面之间没有交叉点

缺点2:所有分离面必须朝上

它需要一些有效的支持。在观测过程中，很难确定非零亏格模型对自由体积分解的支持度。需要一种更通用的方法并遵守分解标准。

刘金庸是清华大学计算机系主任任命的教授。他给我们的报告的主题是:UR3/UR5机器人手臂的一些智能应用。

在报告中，他介绍了机器人手臂智能应用研究小组的一些工作。包括机器人辅助3D打印系统RoboFDM、一套生物3D打印原型系统和一套植物基因表型采集多臂系统等。

他表示，RoboFDM 3D打印系统可以将模型分解成不受支持的部分，不仅可以打印复杂的模型，还可以应用于低成本的四轴打印设备。生物3D打印原型系统通过在血管支架上打印干细胞，取得了一些令人鼓舞的成果，极大地促进了医学技术的发展。

关于农业自动化的应用，他说，研究小组已经提出了一种新的多臂系统，在这种系统中，基于深度学习，多个机器人臂可以根据规划者的轨迹同时执行任务。今天，他主要向我们介绍了UR3/UR5机器人手臂的一些具体智能应用方面和成果。具体研究工作发表在美国计算机学会会刊、ICRA、IROS、美国电气工程师学会等著名国际会议期刊上。如果你感兴趣，可以选择浏览。

下一位上台发言的是香港大学计算机科学系的潘佳教授。他的课题非常有趣，与“密集人群场景中的自主机器人避障”相关的研究。

他说，自主机器人在拥挤场景中的避障一直是一个未解决的问题，已经成为移动服务机器人实际应用的一个重要瓶颈。目前大多数解决方案都是基于静态场景的传统位置映射和运动规划。常用的解决办法——分治法，加法；

使用SLAM创建地图并定位机器人

动态障碍物的稳定识别、跟踪和轨迹预测通过视觉和语义进行，动态物体的避障规划通过MPC等算法进行，控制器执行轨迹并控制误差。

或者通过运动轨迹规划避免静态障碍物，控制器执行轨迹并控制误差以手动定义各种避障规则。

这种分区方法有许多限制:

首先，子问题可能是解决一个比原来更难的问题。(获得目标问题的解决方案或通过更困难问题的较低质量解决方案直接解决目标问题)

其次，子问题的困难可能在于没有考虑其他部分的相互作用。

遮挡处理和再识别是动态场景中目标跟踪的难题。然而，如果机器人能够灵活地避开密集人群中的障碍物，它总是能够跟上目标人，从而简化遮挡和识别的困难。

动态场景中的SLAM经常遭受定位特征或环回特征的丢失。然而，如果机器人能够灵活地避开密集人群中的障碍物，它可以依靠自身的机动性来主动寻找恢复定位或回送的特征。

面对目前很少有新的解决方案是根据动态场景的特点设计的。

潘佳从提高机器人避开动态障碍物的能力出发，提出了一种解决密集人群场景中自主机器人避障问题的新方法。

通过减法思维，让机器学习人类思维，分析人类核心避障行为，建立一个仿人避障框架，直接利用原始传感器数据，通过高级学习和底层控制，反复训练达到最终目标。

在现场，他还展示了四机实验(使用超宽带(UWB)粗略定位)的视频，并将扩展到三维(多无人机避障)问题的讨论。

这次，他带给我们的主题也与水下机器人有关——“基于海洋力量的人工智能实践与探索——水下敏捷机器人的目标抓取”。

结合党的十八大和十九大，他提出了“人工智能管理海洋”的研究方向和海洋牧场的技术问题，表明海洋牧场的信息化和智能化势在必行，海洋人工智能领域具有极高的研究价值。

列举了海洋牧场智能化的挑战

建立水下移动机器人环境感知和目标抓取项目组迫在眉睫。然而，实际上，中国缺乏一个水下敏捷机器人在真实近海场景中真实捕获性能的竞争评估平台，这对于研究是非常不利的。因此，罗钟轩积极推动国内水下机器人抓靶比赛及相关论坛。

在报告中，他详细描述了水下机器人目标捕捉比赛。在此基础上，详细分析了当前海洋人工智能技术发展面临的技术瓶颈和挑战:稳定性和敏捷性之间的矛盾，机器人在真实海流环境中控制和抓取的技术难点，水下视觉——水下目标的精确识别和认知。

视觉增强:视觉效果差(波浪、折射、沉积物)= >如何获得高质量清晰的水下图像？

深度估计:成像质量差(折射、失真、噪声)= >如何实现高精度水下校准和深度估计？

目标检测:数据样本差异(数量少，多样性差)= >如何实现高精度水下目标检测？

最后，介绍了水下评估平台的规划和展望。

此时，智能机器人——如何让智能机器人更“智能”的论坛圆满结束，是不是每个人都像小核心一样富有成果？