0
| 本文作者： 劉偉 | 2018-07-05 18:07 | 專題：2018 CCF-GAIR 全球人工智能與機器人峰會 |
雷鋒網按：2018 全球人工智能與機器人峰會（CCF-GAIR）在深圳召開，峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，得到了寶安區政府的大力指導，是國內人工智能和機器人學術界、工業界及投資界三大領域的頂級交流盛會，旨在打造國內人工智能領域最具實力的跨界交流合作平臺。
雷鋒網CCF-GAIR 2018 延續前兩屆的“頂尖”陣容，提供 1 個主會場和 11 個專場（仿生機器人專場，機器人行業應用專場，計算機視覺專場，智能安全專場，金融科技專場，智能駕駛專場，NLP 專場，AI+ 專場，AI 芯片專場，IoT 專場，投資人專場）的豐富平臺，意欲給三界參會者從產學研多個維度，呈現出更富前瞻性與落地性相結合的會議內容與現場體驗。
大會第二天的計算機視覺專場，中科院深圳先進技術研究院副研究員王魯佳教授作為下午場的最后一位演講嘉賓，發表了題為“從自動駕駛到自動物流的機器人學視角”的精彩演講。
演講中，王魯佳教授從機器人的角度切入，向大家介紹了自動駕駛、自動物流的最新進展與關鍵技術，并對這一領域的發展做了總結與展望。
她總結道：一、目前低速無人駕駛正在由單一傳感器朝多傳感器融合轉型；二、云計算與邊緣計算結合可以降低無人駕駛系統的成本；三、機器人技術要與時俱進，從應用端、落地端提煉產業需求，為算法界和學術界引入有價值的研究課題。
以下是王魯佳教授的全部演講內容，雷鋒網做了不改變原意的整理與編輯：
大家好，這個專場的主題是計算機視覺。從早上到現在，我們聽了很多學術界泰斗和工業界大咖介紹的計算機視覺領域的最前沿進展和成果。
計算機視覺最終的載體是機器，其中最主要的載體就是機器人，所以接下來我會從機器人的角度，和大家聊聊自動駕駛和自動物流的發展。
首先做個自我介紹，我的研究領域包括機器人感知，數據處理、理解、計算與優化。我將從L3到L4無人駕駛移動機器人的關鍵技術切入今天的演講。
移動機器人的無人駕駛涉及幾個方面：
首先是環境感知，包括硬件、軟件兩方面。硬件方面主要包括傳感器的校準和標定，軟件方面指傳感器數據的處理算法，具體包括圖像特征和關鍵物體的識別、分類，以及點云數據的分解、感知與檢測。
其次是環境的描述和理解，包括機器人視角的建圖和定位。
最后是控制與決策。在對環境有一定的感知和理解后，機器人需要對“從哪兒來”、“到哪兒去”進行規劃，并控制機器人本體執行。
下圖展示了我們課題組現有的部分自主駕駛移動平臺：
自主駕駛可以從幾個維度進行分類，比如按環境可以分為陸地和水上，陸地又包括高速、低速場景，結構化場景、非結構化場景。結構化場景包括城區路面、高速路，非結構化場景主要指封閉園區。
下面我將從整車和解決方案的角度，為大家介紹低速自主無人駕駛。
我們團隊和學術界開展了多方面深入合作，也得到了產業界的支持，在此基礎上我們搭建了一個國際人才交流和產學研融合的平臺。
下圖展示了低速無人駕駛車輛。其中左下角展示了一個多線激光雷達構建的地圖，包括環境中的障礙物和一些特征檢測與標注。左上角是我們標記障礙物后，對車輛自主控制決策的實時體現。
剛才主要介紹了建圖和定位，其實我們在低成本視覺導航方面也有研究。2011年，我們通過Robots@home家用服務機器人，實現了基于視覺伺服和拓撲地圖的協同工作。這套方案的計算量和功耗非常低，還解決了多種光照條件下的穩定性問題，是一套能自適應光照的低成本視覺導航方案。
現在很多公司、團隊在研究停車場場景的視覺導航，我們也有所涉及。即通過一個單目攝像頭和一個慣導傳感器，在停車場實現自主導航。
另外，我們在多機器人協同方面也取得了一些成果。我們通過一個RGBD傳感器實現了多機器人同時定位和地圖融合。例如，在停車場范圍太大，單個機器人需要很久才能掃完地圖的情況下，可以通過這種方式實現多機器人地圖融合和自主導航。
下圖展示了小載重自主物流系統在大范圍園區內利用激光傳感器構建地圖和自主導航避障的場景。其中左邊展示了該系統夜間在園區場景內導航的畫面。右上角是園區全局的高精度地圖，通過它可以實現從起始點實時路徑規劃、避障，最終達到目的地。右下角展示的是通過實時感知的數據進行局部規劃和避障，最終到達目的地。
關于大載重量的自主駕駛系統，下圖中，左邊展示了真實環境中連續長時間運行的場景；右下角展示了三維高精度環境地圖，機器人可以通過這個地圖和路徑規劃算法實現自主導航和定位；右上角是服務器端對這個自主駕駛系統的調度和實時監控，包括電量、車速、實時位置等信息。
我們的另一個研究方向是云、網、端結合的物聯網。在云端，我們研究存儲、負載平衡等問題，同時解決實時通信問題，通過云計算和邊緣計算結合降低成本。
最后簡單總結一下：
首先，目前低速無人駕駛正在由單一傳感器朝多傳感器融合轉型。通過前期研究與驗證，（我們發現）單個傳感器很難適應動態、復雜的環境，因此多傳感器融合一定是趨勢。
其次，云計算與邊緣計算結合可以降低無人駕駛系統的成本。我們團隊已經從產學研結合的角度，一定程度上打通了同一領域甚至不同領域的上下游，進行資源整合，降低了產業的試錯成本。
最后，機器人技術要與時俱進，從應用端、落地端提煉產業需求，為算法界和學術界引入有價值的研究課題。
我的分享就到這里，謝謝大家。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
