中国自动化学会青年菁英系列活动“机器人智能控制与自主学习”论坛成功召开

为了推进机器人与自动化等领域的学术交流,由中国自动化学会主办、湖南大学机器人视觉感知与控制技术国家工程研究中心等承办的主题为“机器人智能控制与自主学习”的CAAYeS论坛于2022年1月8日-9日于线上/线下混合形式圆满召开。中国工程院院士,中国自动化学会会士,常务理事,湖南大学机器人视觉感知与控制技术国家工程研究中心主任王耀南院士担任本次论坛主席,湖南大学电气与信息工程学院缪志强副教授担任本次论坛组织主席,湖南大学机器人学院张辉教授担任本次论坛共同组织主席。论坛邀请了25位来自国内外知名高校和企业的优秀科技工作者做主题报告,共同研讨机器人智能控制和自主学习理论和应用等方面所面临的机遇及挑战,线上总参会人数达500多人次。

论坛主席王耀南院士致开幕词,对本次论坛进行了隆重介绍,并预祝本次论坛活动圆满举办。组织主席缪志强副教授对参会嘉宾进行了介绍,并对各位与会的专家学者、老师和同学表示热烈欢迎,希望本次论坛能够促进在机器人智能控制与自主学习领域等方面的交流与进步。

1.李智军中国科学技术大学教授

第一位报告人为来自中国科学技术大学的李智军教授,报告题目为“面向人机合作混合智能的可穿戴机器人控制理论与方法”。报告中,针对老龄化、心脑血管或神经系统疾病和意外伤害造成的肢体损伤患者,李教授对可穿戴机器人的控制理论与方法展开了长期攻关,解决了如下四大科学问题:操作主体的运动意图认知、人机技能传递机理与变刚度控制、人在环中的人机强耦合控制优化以及面向控制安全的操作主体人机验证。

2.徐昕国防科技大学教授

第二位报告人为来自国防科技大学的徐昕教授,报告题目为“机器人自学习优化控制理论与技术的研究进展”。报告中,徐昕教授分析了机器人和无人系统由于动力学模型复杂性和不确定性带来的优化控制问题,介绍了机器人自学习优化控制技术的若干研究进展,包括结合近似策略迭代的自学习PID控制方法、多核在线学习控制方法、学习型预测控制方法等;特别是针对学习型预测控制,分别讨论了基于模型学习的预测控制和基于强化学习的预测控制研究进展。针对地面无人系统的优化控制问题,给出了有关自学习优化控制的仿真和实验结果,最后对未来的研究方向进行了分析和展望。

3.刘连庆沈阳自动化所机器人学国家重点实验室研究员

4.黄剑华中科技大学教授

第四位报告人为来自华中科技大学的黄剑教授,报告题目为“气动柔性驱动的康复辅助机器人及其智能控制”。报告中,黄剑教授介绍其团队设计了气动肌肉驱动的上下肢功能康复机器人,针对气动肌肉存在很强的非线性和时变特性,造成精确控制困难的问题,其团队结合非线性干扰观测器、回归神经网络、鲁棒滑模控制、预测控制等智能和鲁棒控制方法,实现了机器人外骨骼的高精度轨迹跟踪控制。此外,基于新型柔性驱动器件还设计了面向偏瘫患者的辅助机器人系统,可帮助他们实现双手协调操作。

5.何玉庆中国科学院沈阳自动化研究所研究员

第五位报告人为来自中国科学院沈阳自动化研究所的何玉庆研究员,报告题目为“面向高海拔科考的特种机器人及其自主性技术”。报告中,何玉庆研究员介绍近几年我国高原科考机器人的研制现状及其面临的关键科学与技术问题。报告重点介绍团队研制的空中/地面科考机器人系统,自主定位/导航、人机交互/协同等自主性和智能性技术,以及面向我国第二次青藏科考的典型应用案例。

6.宋锐山东大学教授

第六位报告人为来自山东大学的宋锐教授,报告题目为“机器人复杂任务作业技能研究”。报告中,宋锐教授主要围绕近年来国内外机器人复杂任务作业技术研究现状,从机器人操作技能学习出发,探讨规划面临的主要科学挑战和关键科学问题并结合部分研究成果,探讨有感当前和未来机器人复杂任务作业面临的挑战和发展愿景。

7.吴新宇中国科学院深圳先进技术研究院研究员

第七位报告人为来自中国科学院深圳先进技术研究院的吴新宇研究员,报告题目为“人机融合外骨骼机器人”。报告中,吴新宇研究员主要介绍了四个方面的内容:(1)基于脑机接口的穿戴者运动意图识别方法—提高人-机认知交互的信息传递效率;(2)复杂行走环境下的多模感知与步态模式规划模型;(3)下肢外骨骼机器人自主决策机制—提高机器人系统的自适应能力;(4)以人为本的人-外骨骼-环境融合决策机制。重点介绍了如何提高人机智能融合系统在复杂环境中的适应性,拓展外骨骼机器人的应用场景。

8.兰旭光西安交通大学教授

第八位报告人为来自西安交通大学的兰旭光教授,报告题目为“基于视觉推理与学习的机器人自主作业”。报告中,兰旭光教授介绍了机器人在智能方面的进展和面临的挑战,特别是人机协作中机器人对非结构场景的自主理解、学习和作业的难点。针对这些问题提出了一种基于视觉推理与学习的自主作业方法。在部分可观测场景下,将学习与规划(POMDP)进行交互迭代,使得机器人能够对动态非结构场景进行理解并完成特定物体的作业。报告同时还将介绍机器人自主学习等方面的进展,提出了基于经验回放的信赖域策略优化方法,提升了稀疏奖励下机器人自主学习的性能。

9.曹政才北京化工大学教授

第九位报告人为来自北京化工大学的曹政才教授,报告题目为“智能移动机器人感知-规划-控制”。报告中,曹政才教授在报告中指出,从扫地机器人到快递物流机器人,智能移动机器人已渗透到我们生活的方方面面。机器人的智能主要体现在自主定位与导航,目标识别与运动控制等方面,报告从移动机器人的智能行为出发,为大家讲解机器人的环境感知,路径规划与运动控制的关键技术。

10.蒲华燕上海大学教授

第十位报告人为来自上海大学的蒲华燕教授,报告题目为“医工结合中的智能机器人研究与应用”。报告中,蒲华燕教授团队将智能机器人技术与生物医学工程相结合,实现单细胞五个生物物理特性指标的并行检测,以及细胞内导航及亚细胞生物物理特性测量。

11.董希旺北京航空航天大学教授

第十一位报告人为来自北京航空航天大学的董希旺教授,报告题目为“集群系统协同控制理论及在飞行器集群中的应用”。报告中,董希旺教授主要针对集群系统协同控制中的分布式时变编队控制技术、编队跟踪控制技术及编队-合围控制技术进行分别介绍,并结合在无人机集群上的系列飞行试验对所提出技术的有效性进行演示验证,最后以所参加的空军“无人争锋”智能无人机集群系统挑战赛密集编队穿越竞速的比赛为例进行应用展示,并对未来的可能发展方向进行概述。

12.杨辰光华南理工大学教授

第十二位报告人为来自华南理工大学的杨辰光教授,报告题目为“机器人技能学习与仿人控制”。报告中,杨辰光教授着重从遥操作和人机协作两方面介绍人机共享控制的实际应用场景以及效果,从实时避障、神经网络优化、动态补偿以及肌电信号利用等多个方面对人-工业机器人以及人-移动机器人的新型共享控制技术进行探索与应用。

13.王贺升上海交通大学教授

14.汤奇荣同济大学教授

第十四位报告人为来自同济大学的汤奇荣教授,报告题目为“多机器人协同搬运与装配关键技术研究”。报告中,汤奇荣教授主要围绕多机器人的协同搬运、装配、大规模异构机器人集群扩展障碍突破,以及在面向复杂使役环境时的协同操作与技巧学习,从运动学、动力学建模出发,到与目前机器训练类方法的对比,再到多(群)机器人基于局部动力学伺服的集群控制、非直接通信、和群平台创制和应用等。

15.贺威北京科技大学教授

16.胡国强新加坡南洋理工大学教授

17.吴元清广东工业大学教授

第十七位报告人为来自广东工业大学的吴元清教授,报告题目为“自主无人系统群智控制”。吴元清教授在报告中表示,随着自主无人系统的应用环境与任务要求进一步多样化、复杂化与智能化,现有的自主无人系统建模与控制方法已经无法满足日趋复杂多变的任务需求。针对自主无人系统存在的科学问题,设计了自主无人系统的机械设计、加工制造、电路板设计、集成组装4个流程,并将算法应用于智能无人巡逻车及机械狗。其团队自主研制了智能无人巡逻车及机械狗的电控系统、通讯系统、定位系统,视觉处理系统、上位机系统和群智控制系统这6个主要系统,实现了智能无人巡逻车及机械狗的电机驱动与控制、信息采集与信息传输、室内外定位、视觉图像获取与处理、远程控制与数据分析,群智协同控制与平台搭建。

18.王健吉林大学教授/青岛慧拓智能机器有限公司联合创始人

第十八位报告人为来自吉林大学的王健教授,报告题目为“全栈式无人矿山运输解决方案”。报告中,王健教授介绍了“愚公”全栈式无人矿山运输解决方案,包括:调度系统、仿真系统、应急系统、车辆系统、协同系统、路侧系统。同时介绍目前国内主要的露天和井下应用案例。

19.方浩北京理工大学教授

20.刘屿华南理工大学研究员

第二十位报告人为来自华南理工大学的刘屿研究员,报告题目为“精密制造装备中轴向驱动结构的智能控制”。报告中,刘屿研究员以SMT中轴向驱动结构的振动主动抑制为例,讨论其动力学建模、自适应振动主动控制以及视觉检测算法,通过对加工产品的实时检测,在线修正振动主动控制算法,提升控制性能,进而提升精密制造装备的加工精度。

21.周博文湖南睿图智能科技有限公司总经理

第二十一位报告人为湖南睿图智能科技有限公司的周博文总经理,报告题目为“精密显微成像技术及其在智慧医疗上的应用”。报告中,周博文总经理在报告中详细阐述智慧医疗新技术,通过显微成像技术,对细胞进行快速检测和识别,用于体外辅助诊断、病理诊断等。

22.王宇中国科学院自动化研究所副研究员

第二十二位报告人为来自中国科学院自动化研究所的王宇研究员,报告题目为“面向自主作业的水下仿生机器人”。报告中,王宇研究员详细阐述了水下机器人的广泛应用,以及其系统设计、控制等方面面临的许多亟待解决的难题,并提出相比于螺旋桨推进的潜器平台,综合水下仿动物推进模式的优点而设计的新型潜器平台将为解决UVMS系统的悬停、水动力干扰等难题提供新的研究思路、方案和路线。报告主要围绕水下目标的精准作业控制问题,具体介绍水下机器人的仿生设计、自主环境感知、运动控制和抓取作业控制等方面研究工作。

23.王越浙江大学副教授

24.熊鹏文南昌大学副教授

第二十四位报告人为来自南昌大学的熊鹏文副教授,报告题目为“机器人力触觉感知技术研究”。报告中,熊教授介绍了四个方面的主要研究:(1)机器人FBG力觉传感器与多模态触觉传感器研制—解决传统力触觉传感器感知局限性等问题。(2)基于跨模态学习的机器人多模态数据生成与检索方法研究—在机器人在缺乏视觉或触觉感知能力时,通过生成或检索操作赋予机器人缺失的感知能力。(3)基于多模态混合融合的机器人材料识别方法研究—提高机器人在多种异构混合测量模态下的材料感知能力(4)基于小样本耦合稀疏编码的机器人物体感知研究—提高机器人在缺乏充足样本数据环境下的物体感知能力。

25.缪志强湖南大学副教授

第二十五位报告人为来自湖南大学的缪志强副教授,报告题目为“受限条件下多自主机器人系统协同控制”。报告中,缪教授针对复杂环境下多移动机器人和无人机协同控制问题,主要介绍两类受限条件下的协同控制方法:视觉反馈控制和无速度反馈控制。最后,对多机器人协同控制系统的未来研究方向和发展趋势进行了展望。

THE END
1.AI技术革新自主学习能力的突破性进展尤其是自主学习能力的突破性进展,为此领域带来了前所未有的创新机遇。本文将深入探讨这些最新资讯新闻背后的科学原理,以及它们如何影响我们的生活和工作。 自主学习的概念与意义 自主学习是一种机器能够通过观察、模仿和实践来提升自身性能的能力。这种能力不仅限于单一任务,而是能够适应新的情境https://www.whhdaiezn.com/zhi-neng-zhuang-bei/776521.html
2.智能系统设计师手册理解和运用人工intelligence三大算法1. 人工智能三大算法概述 人工智能三大算法分别是机器学习(Machine Learning)、深度学习(Deep Learning)以及强化学习(Reinforcement Learning)。这三个概念虽然有着不同的具体实现,但它们都旨在通过数据驱动来提高计算机程序对环境变化的适应能力,并最终实现自主决策。 https://www.jvahvb5c.cn/shu-ma/524011.html
3.解析人工智能三大算法机器学习深度学习与强化学习的核心之旅解析人工智能三大算法:机器学习、深度学习与强化学习的核心之旅 人工智能三大算法是现代计算机科学领域中的重要组成部分,它们分别是机器学习、深度学习和强化学习。每种算法都有其独特的特点和应用场景,共同推动了人工智能技术的发展。 机器学习:数据驱动的革命 机器学https://www.fmovhaqkz.com/shou-ji/530948.html
4.算法原理与代码实例讲解:自主学习自主学习算法本文将介绍自主学习的核心概念和算法原理,以及如何使用深度学习来实现自主学习。同时,我们还将提供代码实例和详细解释说明,帮助读者更好地理解和应用自主学习技术。 2. 核心概念与联系 自主学习是指机器能够自主地从数据中学习知识和技能,而不需要人类的干预。自主学习的核心概念包括数据、模型和算法。 https://blog.csdn.net/m0_62554628/article/details/139816417
5.机器人运动平衡控制中自主学习算法的研究期刊模型与期望性能指标设计出模糊控制器,构建了基于模糊自适应算法的自主学习方法,并从理论上证明了算法的稳定性.仿真结果表明,所提自主学习算法能在机器人偏离垂直位置较大角度时,实现机器人直立平衡和速度跟踪,并与传统PID控制方法相比,消除了机器人各状态响应的抖动现象,具有较高的动态响应和稳态精度,体现了算法的有效https://d.wanfangdata.com.cn/periodical/jsjfz201406083
6.机器人自主学习新进展,百度飞桨发布四足机器人控制强化学习新算法百度的工作展现出,基于自主学习的方法在四足机器人控制上具有完全替代甚至超越经典算法的潜力,有可能成为强化学习和进化学习在复杂非线性系统中开始大规模落地和实用化的契机。 这不是百度在机器人方向上做的第一个强化学习工作,早在18年,他们就尝试将人工干预引入到强化学习中,以推进强化学习应用在在四轴飞行器控制等https://www.youuvs.com/news/detail/202109/34581_2.html
7.人工智能新算法,糅合VR技术“教”会机器人自主学习本周,OpenAI又推出了用于机器人仿真的开源软件Roboschool,它基于增强学习研究平台OpenAI Gym而开发的,提供了十几个新的操作环境,让用户可以在模拟环境中训练一个或多个机器人。 图丨Roboschool的训练画面 不过,相较以往,单次模仿学习算法的进步之处在于不需要人类操作者将动作反复重复,只要一次就足够人工智能来“领悟学https://m.sohu.com/a/676462821_121687414
8.六年级下册信息技术教案(集合15篇)机器人还有很多其他的功能,你对它们的哪些功能最感兴趣呢?在课后通过其他方式作进一步了解吧。 六年级下册信息技术教案7 学习目标: 1、了解编制程序解决问题的大致过程,会用流程图设计和描述循环结构算法。 2、在自主学习常用的程序流程图符号中了解流程图,在小组合作绘制“计算商品金额”流程图中加强对算法的理解,学https://www.fwsir.com/jiaoan/html/jiaoan_20230213091926_2377682.html
9.人工智能助推教师教育教学能力提升心得(精选13篇)网络学习与多参加线下培训学习方式自我成长,提高课程融合能力和课程开发能力;针对实施场地和怎么教的问题,大部分学校没有开展起来的原因可能主要也是因为资金对场地和平台投入比较大,但是可以利用信息技术课堂作为人工智能教育的切入点,融入数据、算法、程序设计、机器人课程、开源硬件类课程等,利用项目式教学或其他活动如https://www.jy135.com/jiaoxuexinde/913126.html
10.机器学习151CTO博客概念<-> 数值、关系 <-> 运算的映射,造就了机器可以自主学习获得事物规律的可能 二 机器学习三要素:数据、模型、算法 算法通过在数据上进行运算产生模型 特征工程: 1.确定用哪些特征来表示数据; 2.确定用什么方式表达这些特征。 模型是机器学习的结果,这个学习过程,称为训练(Train)一个已经训练好的模型,可以被理https://blog.51cto.com/u_15088375/3249973
11.电院计算机系卢策吾团队提出时空概念提取算法汤佳俊上海交通大学电院计算机系在读硕士生,上海交通大学计算机系学士。主要研究方向为计算机视觉和深度学习,尤其是视频动作理解算法。 卢策吾上海交通大学电院计算机系长聘教轨副教授。在他加入交大之前,他是斯坦福大学人工智能实验室研究员。他的研究兴趣主要集中在机器人、人工智能和机器人计算机视觉。他担任CVPR 2020的https://www.seiee.sjtu.edu.cn/index_news/1802.html
12.吴晶辰·算法通识16讲1机器学习算法是一系列让计算机自主学习的算法。它们最适合用在人类没法用明确规则进行解决的问题上 2 机器学习学到了很多人类没教过、自己也不懂的事物细节。 3 机器学习学到的是事物之间的复杂关系。 15_学习策略:机器学习如何获得知识 1 机器学习模拟了不同的学习模式,学习模式不同,学到的知识也不一样,但也许https://m.douban.com/note/853714655/
13.把看不懂的算法做成产品,「智铀科技」让AI小白也能上手机器学习凭着此前在百度的积累,智铀在算法调参、建模等方面较为擅长,包括怎么梳理客户的数据特征;怎么提炼用户画像和业务维度;如何调整参数让 F(x) 的效果更好,智铀可以将这些需要算法科学家完成的工作打包成一个 PC 端的产品,工程师只要将已有的数据导入“Ebrain”系统,就可实现机器的自主学习与判断。 https://www.tmtpost.com/3268558.html
14.机器学习和深度学习的常见概念总结(多原创图)4.不同优化算法的损失减少曲线理论对比图。 5. **优化算法的挑战** 5. **总结** 梯度下降(Gradient Descent) 1. **梯度下降的基本思想** 2. **梯度的含义** 3. **梯度下降的三种变体** 3.1. **批量梯度下降(Batch Gradient Descent)** http://www.zsrm.cn/news/167769.html
15.快速入门了解机器学习计算机程序自主学习任务T的经验E,随着提供大量,优质,合适的经验E,该程序对于任务T的性能逐步提高 过程 算法:根据业务需要和数据特征选择相关算法,也就是一个数学公式 模型: 基于数据和算法构建出来的模型 评估/测试:对模型进行评估的策略 机器学习是人工智能的一个分支,我们使用计算机设计一个系统,使他能够根据提供的https://www.jianshu.com/p/496b913a4ab0/