CNCC2019 panel2：如何讓智能機器人更「智能」

上有天堂下有蘇杭，你和大佬只差一扇窗。沒錯，這扇窗就是計算機工做者們的年度狂歡盛會——CNCC。 姑蘇城外，金雞湖畔，桂花盛開，滿城飄香。金秋時節，CNCC2019如期而至，於10月17~19日和大夥相約蘇州金雞湖國際會議中心。會議由CCF主辦，蘇州工業園區管委會承辦。小芯做爲CCF官方合做媒體，前來「取經」。

全文共4594字，預計學習時長9分鐘

談到「智能+社會」的建設，咱們就不能不提智能機器人的強勢地位和發展。特別是隨着學科融合，技術交叉，AI技術的發展與普遍運用， 智能機器人應運而生，逐漸融入到人們的平常生活中，成爲不可分割的一部分，讓人們享受到「智能」福利。那麼，智能機器人的智能究竟從哪裏來的？如何才能讓智能機器人更加「智能」呢？目前智能機器人的研究現狀和前景又是怎樣的呢？

對機器人情有獨鍾的小芯感到無比好奇和激動，下面就和小芯一塊兒，聽聽機器人領域的專家們都怎麼說吧！

屠長河：人機天然交互與和諧共融是咱們共同的追求

屠長河

來自山東大學計算機科學與技術學院的屠長河教授和呂琳教授是本次論壇主席兼主持人。

論壇伊始，屠長河簡明扼要地介紹了智能機器人目前的發展示狀，研究領域以及本次論壇的主要內容。

他表示：智能機器人是系統軟件、機器學習和人機交互等多學科交叉的新興領域，與產業界密切相關，已普遍應用於教育、醫療、旅遊、銀行等行業。研究領域主要涉及機器人操做系統和軟件、感知理論和方法、機器人學習的理論和方法、地圖構建與定位導航、人機天然交互與和諧共融等。

今天的論壇將組織智能機器人領域的專業人才，聚焦研討機器人感知理論和方法、機器人學習的理論和方法、地圖構建與定位導航，以及人機天然交互與和諧共融等領域的發展。讓你們近一步瞭解智能機器人這個熟悉又陌生的領域，得到滿滿收穫。

屠長河很是幽默，在每位嘉賓演講結束後還不忘一句話精闢總結演講內容和本身的感悟，讓論壇現場總體氛圍輕鬆又有趣。

章國鋒：視覺SLAM技術解決基本問題，實現「智能+」

章國鋒

第一位報告嘉賓是來自浙江大學CAD&CG國家重點實驗室的章國鋒教授。他帶來有關「視覺SLAM技術」的演講。

SLAM：同時定位與地圖構建，可以解決機器人和計算機視覺領域的基本問題——在未知環境中定位自身方位並同時構建環境三維地圖。它在加強現實、虛擬現實、機器人和無人駕駛獲得普遍的應用。它的運行結果：可根據設備根據傳感器的信息計算自身位置 (在空間中的位置和朝向)，構建環境地圖(稀疏或者稠密的三維點雲)

目前視覺SLAM技術主要運用到的傳感器有：單目攝像頭、雙目攝像頭、多目攝像頭。其它輔助傳感器：廉價IMU、GPS，深度攝像頭等。具有硬件成本低廉、小範圍內定位精度較高、無需預先佈置場景等優點。

介紹完視覺SLAM技術基本知識後，章國鋒提出，雖然視覺SLAM技術在過去十多年裏取得了很大的進展，但要知足實際的應用需求仍須要解決兩方面的關鍵性挑戰：

1. 複雜環境下的定位精度和穩定性（動態變化、視覺特徵匹配不許、優化計算不穩定）
2. 大尺度場景下在低功耗移動設備上的實時性（場景規模大、計算維度高、低功耗設備計算能力有限）

並展示了本身對於解決挑戰問題所提出的關鍵思路，分別是：

1．經過高效剔除Outliers達到約束的正確性，經過運動先驗約束、結構先驗約束達到約束的充分性，最終實現穩定求解。

2．經過聯合優化相機參數和三維點，最小化重投影偏差，達到集束調整。

同時，他還展現了「集束調整的挑戰、ICE-BA效率對比、定位與導航、視覺定位與AR導航、低成本MSF:CAN+GNSS + SMM」相關問題的思考與方案。

並在最後經過案例展現了目前在AR和自動駕駛方面所作的一些應用，展望了視覺SLAM技術的將來發展的兩個趨勢：

1. 緩解特徵依賴（基於邊、面特徵的跟蹤；直接圖像跟蹤或半稠密跟蹤；結合機器學習和先驗/語義信息）
2. 多傳感器融合（結合IMU、GPS、深度相機、事件相機、光流計、里程計、WiFi、 5G）

劉利剛：讓機器人遠離「路癡」狀態

劉利剛

第二位上場嘉賓是來自中國科學技術大學的劉利剛教授，他的演講主題是：機器人自主三維場景掃描與重建。

首先，他經過總結目前機器人兩種主要類型（工業機器人、服務機器人）、運用場景和特徵，分析了「機器人」的反饋系統。他表示，機器人的行爲源自機械結構(仿生結構) +控制系統。機器人的認知(智能) 源自機器算法，因爲傳感設備、獲取數據方式不一樣，可劃分不一樣的研究領域，有：天然語言處理、計算機視覺、視頻處理、計算機圖形學等。

經過這些鋪墊，他重點給咱們介紹了計算機圖形學++

他表示：利用移動機器人對未知室內場景進行自主三維掃描與重建是機器人與計算機圖形學領域共同關注的重要研究方向。

由於相比於人手持掃描，機器人自動掃描具備不易疲勞、穩定性好、控制精度高等優勢。在此基礎上進一步研究並提出了一種全新的自主場景三維重建的方法，經過爲自動掃描提供基於物體感知的引導，使得對未知場景的探索、重建和理解能在一次掃描規劃中完成。

該方法交替進行物體分析和基於物體感知的信息增益分析，從而爲機器人的全局探索和局部掃描肯定了下一個最佳物體以及下一個最佳視點。

此外，該研究還針對不徹底重建點雲的語義理解問題，提出了經過多類圖割最小化方法來同時求解物體分割和物體識別的新思路。並經過虛擬與真實場景的實驗結果展示了所提出方法的可行性和高效性。

陳寶權：賜機器人一雙認清環境的明眸

陳寶權

在計算機圖形學上，北京大學教授陳寶權也分享了本身的研究成果——「面向機器人的三維視覺智能」。

主要討論了三維視覺如何支持機器人視覺智能的提升，機器人的能動性如何幫助提高三維場景的理解，從而不斷提高三維視覺智能等問題。

對比以前，時代對於計算機圖形學和視覺上提出了新的挑戰：之前處理的內容多爲單個對象、數據密集和完整的，但現現在面對的卻經常是多對象場景，數據稀疏和不完整的。之前內容符合抽樣理論：抽樣率高於nyguist，抽樣率，可重構。但現現在內容一直在挑戰採樣理論：採樣率遠低於nyguist採樣率，沒法重構。

因此咱們須要研究面向機器人的三維視覺智能，來解決時代問題，陳寶權表示。具體的解決方案有：經過打印方向動態變化，多向=離散，多軸=連續，變得更靈活，更精確。

具體算法步驟以下：

步驟1：基於形狀分析的粗分解

步驟2：序列規劃

步驟3：使用可打印約束進行微調

此外，他還提出約束條件：可印刷性，存放材料時無碰撞。

Cons.1:分隔平面之間沒有交點

Cons.2:全部的分離面都必須朝上

而且須要必定有效支持，觀察過程當中，對於非零虧格模型，很難肯定支持自由體積分解。須要更通用的方法，遵照分解準則。

劉永進：UR3/UR5機器臂讓咱們的生活更「智能」

劉永進

劉永進是清華大學計算機系長聘教授，他給咱們帶來的報告主題是：UR3/UR5機器臂的一些智能應用。

報告中，他介紹了課題組在機器人手臂智能應用方向的一些工做。包括機器人輔助3D打印系統RoboFDM，一套生物3D打印原型系統和一套植物基因表型採集的多臂系統等。

他表示，RoboFDM 3D打印系統能夠將模型分解爲無支撐部件，不只能夠打印複雜的模型，並且能夠應用於低成本的四軸打印設備中。而生物3D打印原型系統經過在血管支架上打印幹細胞獲得了一些使人鼓舞的結果，極大推進醫療技術發展。

而在農業自動化的應用上，他表示課題組提出了一種新的多臂系統，其中多個機器人臂能夠根據咱們基於深度學習的規劃器的軌跡同時執行任務。今天，他主要給咱們介紹了UR3/UR5機器臂的具體的一些智能應用方面與成果，具體的研究工做發表在ACMSIGGRAPH, ICRA, IROS, IEEE T-ASE等國際著名會議期刊。你們有興趣能夠選擇瀏覽。

潘佳：智能機器人如何精準避障

潘佳

接下來上臺的演講嘉賓是來自香港大學計算機系的潘佳教授，他的課題十分有意思，關於「密集人羣場景下的自主機器人避障」相關研究。

他表示，密集人羣場景下的自主機器人避障一直是一個還沒有解決的問題，成爲移動服務機器人實用的重要瓶頸。目前的解決方案大多基於針對靜態場景的傳統定位建圖和運動規劃的修修補補。經常使用的解決思路——分治法，作加法：

使用SLAM創建地圖，並定位機器人的位置

經過視覺、語義等對動態障礙物進行穩定識別、跟蹤、軌跡預測，經過MPC等算法進行動態物體的避障規劃，控制器執行軌跡並控制偏差；

或經過運動軌跡規劃避開靜態障礙物，控制器執行軌跡並控制偏差，達到手工定義各類避障規則。

這種分治法方案具備不少侷限性：

1、子問題也許在解決一個比原問題更難的問題。（經過一個更難問題的低質量的解來獲得目標問題的解Or直接解決目標問題）

2、子問題的難點可能在於沒有考慮其餘部分的交互。

動態場景中目標人的跟蹤中遮擋處理和從新辨識是個困難的問題。但若是機器人能在密集人羣中進行靈活避障，就能夠始終跟上目標人，從而簡化遮擋和辨識上的困難。

動態場景中的SLAM每每會出現定位特徵或者回環特徵丟失的問題。但若是機器人能在密集人羣中進行靈活避障，就能夠依賴移動能力主動尋找恢復定位或者回環的特徵。

面對如今不多針對動態場景自己的特色去設計對應的新的解決方案的現狀。

潘佳提出了從提升機器人躲避動態障礙物的能力出發，運用新的角度解決密集人羣場景下的自主機器人避障問題的方案。

經過作減法的思路，讓機器學習人類思惟，分析人類的核心避障行爲，設置仿人避障框架，直接使用原始的傳感器數據，經過高層學習+底層控制，反覆訓練達到最終目標。

現場，他還展現了四機實驗（使用超寬帶(UWB)進行大體定位）視頻，並將擴展到三維（多無人機避障）問題的討論。

羅鍾鉉：促進水下機器人發展，讓咱們更好「經略海洋」

羅鍾鉉

最後一位演講嘉賓是來自大連理工大學的羅鍾鉉教授，他推進並主持承辦了由國家天然科學基金委主辦的「水下機器人目標抓取大賽」及高端論壇，得到中央電視臺等國內多家媒體深刻報道，在國際水下機器人領域引發普遍關注。

這次，他給咱們帶來的主題也與水下機器人有關——「基於海洋強國的人工智能實踐與探索-水下敏捷機器人目標抓取」。

結合國家十八大與十九大關於海洋發展方針，他提出「人工智能+經略海洋」的研究方向，提出海洋牧場中的技術問題，表示海洋牧場信息化、智能化勢在必行，海洋人工智能領域具備極高的研究價值。

並羅列出海洋牧場智能化的挑戰

1. 近海海域環境複雜：弱光照、動態洋流、海底地形複雜、活態目標
2. 水下敏捷機器人發展相對滯後
3. 國家天然科學基金委2016年立項:

創建水下移動機器人環境感知與目標抓取項目羣的任務迫在眉睫。但實際上我國缺少真實近海場景下，水下敏捷機器人真實抓捕性能的競賽評測平臺，這對研究是很是不利的。所以羅鍾鉉積極推進了國內水下機器人目標抓取大賽及相關論壇。

報告中他詳細介紹了水下機器人目標抓取大賽相關狀況。並在此基礎上，詳細分析了目前海洋人工智能技術發展所面臨的技術瓶頸與挑戰：穩定性與敏捷性的矛盾，真實海流環境下的機器人控制和抓取的技術困難，水下視覺——水下目標精準識別和認知。

視覺加強：視覺效果差(波浪、折射、泥沙)=>如何獲取高質量清晰水下圖像?

深度估計：成像質量差(折射、畸變、噪聲)=>如何實現高精度水下標定及深度估計?

目標檢測：數據樣本差(數量少、多樣性差)=>如何實現高精度水下目標檢測?

最後，他還介紹了水下評測平臺的規劃與展望。

至此，智能機器人——如何讓智能機器人更「智能」論壇圓滿結束，你們是否是和小芯同樣，收穫滿滿呀？

推薦閱讀專題

留言 點贊 關注

咱們一塊兒分享AI學習與發展的乾貨
歡迎關注全平臺AI垂類自媒體 「讀芯術」

（添加小編微信：dxsxbb，加入讀者圈，一塊兒討論最新鮮的人工智能科技哦～）