中文字幕精品一区二区精品_久久一二三区_亚洲韩日在线_日韩中文字幕视频

首先由中國(guó)自動(dòng)化學(xué)會(huì)副秘書(shū)長(zhǎng)東南大學(xué)孫長(zhǎng)銀教授致辭。孫教授代表學(xué)會(huì)對(duì)各位參會(huì)代表表示了熱烈的歡迎，并簡(jiǎn)要介紹了此次講習(xí)班的主題及內(nèi)容，希望大家能在相互交流中有思想火花的碰撞，能從中有所收獲。

第一位進(jìn)行報(bào)告的嘉賓是美國(guó)羅德島大學(xué)何海波教授。何教授為大家?guī)?lái)題為“Learning: From Shallow to Deep”的報(bào)告，報(bào)告旨在回顧和討論最近在learning方面的研究進(jìn)展，重點(diǎn)闡述learning由淺層到深層的一些關(guān)鍵特征。何教授以強(qiáng)化學(xué)習(xí)為核心的Google AlphaGo/AlphaGo Zero為例，展示了如何開(kāi)發(fā)一個(gè)深度強(qiáng)化學(xué)習(xí)系統(tǒng)，以改善學(xué)習(xí)和決策過(guò)程。在報(bào)告過(guò)程中，何教授展示了大量的應(yīng)用程序，這些廣泛而深遠(yuǎn)的應(yīng)用程序跨越不同的領(lǐng)域。在報(bào)告結(jié)束前夕，何教授向各位專家學(xué)者提出幾個(gè)基本問(wèn)題，以鼓勵(lì)大家就這方面進(jìn)行認(rèn)真的討論和思考。

隨后由西安交通大學(xué)薛建儒教授為大家?guī)?lái)題為“無(wú)人車自主運(yùn)動(dòng)決策的探索與實(shí)踐”的報(bào)告。無(wú)人車的自主運(yùn)動(dòng)決策必須同時(shí)考慮環(huán)境感知與理解的不確定性和運(yùn)動(dòng)控制的不確定性。隨著研究深入，經(jīng)典的分層架構(gòu)即行為決策-運(yùn)動(dòng)規(guī)劃-運(yùn)動(dòng)控制越來(lái)越表現(xiàn)出計(jì)算效率低、環(huán)境適應(yīng)性差、自學(xué)習(xí)能力不足等問(wèn)題，尤其在應(yīng)對(duì)復(fù)雜交通環(huán)境時(shí)遠(yuǎn)遠(yuǎn)不及人類駕駛員。面對(duì)這些問(wèn)題，薛教授首先綜述無(wú)人車自主運(yùn)動(dòng)決策的研究進(jìn)展及面臨的主要挑戰(zhàn)，然后結(jié)合團(tuán)隊(duì)多年來(lái)在無(wú)人駕駛領(lǐng)域的探索與實(shí)踐，探討開(kāi)放、真實(shí)交通環(huán)境中無(wú)人車自主運(yùn)動(dòng)決策的前沿技術(shù)。報(bào)告的最后，薛教授通過(guò)幾段無(wú)人車未知路障行駛視頻，更直觀地向各位專家學(xué)者展示了目前團(tuán)隊(duì)的研究成果。

第三位進(jìn)行報(bào)告的嘉賓是中科院深圳先進(jìn)技術(shù)研究院研究員吳新宇教授。吳教授為大家?guī)?lái)題為“人機(jī)共融可穿戴外骨骼機(jī)器人系統(tǒng)”的報(bào)告。可穿戴外骨骼機(jī)器人能幫助下肢失能人群恢復(fù)站立、行走等能力，擴(kuò)大活動(dòng)范圍。首先，吳教授展示了外骨骼機(jī)器人當(dāng)前的研究現(xiàn)狀與面臨的問(wèn)題。其次，吳教授重點(diǎn)闡述了其研究的主要內(nèi)容。吳教授研究了基于腦機(jī)接口的穿戴者下肢運(yùn)動(dòng)模式?jīng)Q策意圖的獲取方法，提高現(xiàn)有低通量腦機(jī)接口的信息傳輸效率；構(gòu)建復(fù)雜行走環(huán)境下的多模感知與步態(tài)模式規(guī)劃模型，將影響步態(tài)模式的人體因素與環(huán)境因素綜合融入模型，提高步態(tài)模式的適應(yīng)性；建立復(fù)雜行走環(huán)境下的下肢外骨骼機(jī)器人自主決策機(jī)制，提高機(jī)器人系統(tǒng)的自適應(yīng)能力；融合人的決策意圖與機(jī)器人自主決策，建立以人為中心的人-外骨骼-環(huán)境融合決策機(jī)制，有效提高人機(jī)混合智能系統(tǒng)對(duì)復(fù)雜環(huán)境的適應(yīng)能力，擴(kuò)大外骨骼機(jī)器人的應(yīng)用場(chǎng)景。最后，吳教授給出了多個(gè)外骨骼機(jī)器人助力行走的相關(guān)視頻。

上午最后一個(gè)為大家?guī)?lái)報(bào)告的是清華大學(xué)李力副教授。李教授所作報(bào)告題目為“On the crossroad of artificial intelligence: A revisit to Alan Turing and Norbert Wiener”。李教授簡(jiǎn)略回顧了人工智能70年發(fā)展中圖靈和維納對(duì)于如何實(shí)現(xiàn)人工智能的不同看法，并討論了沿著維納的想法前進(jìn)過(guò)程中，最近10年的新成果，以及未來(lái)的發(fā)展方向。

下午第一位做報(bào)告的嘉賓是中國(guó)科學(xué)院自動(dòng)化研究所研究員程龍教授。程教授的報(bào)告題目為“神經(jīng)動(dòng)力方法求解優(yōu)化問(wèn)題及其在機(jī)器人中的應(yīng)用”。 針對(duì)帶有不等式和等式約束的非光滑凸優(yōu)化問(wèn)題，程教授提出了一種基于神經(jīng)動(dòng)力方法的求解器。利用鞍點(diǎn)定理證明了神經(jīng)網(wǎng)絡(luò)的平衡點(diǎn)能夠滿足最優(yōu)解性質(zhì)，同時(shí)神經(jīng)網(wǎng)絡(luò)的狀態(tài)最終會(huì)收斂到其平衡點(diǎn)，從而求解優(yōu)化問(wèn)題。最后，程教授給出了基于神經(jīng)動(dòng)力求解器的優(yōu)化問(wèn)題求解方法在雙冗余機(jī)器人搬運(yùn)工件和多機(jī)器人最優(yōu)編隊(duì)方面的應(yīng)用例子。

接下來(lái)由北京科技大學(xué)賀威教授作題為“柔性關(guān)節(jié)機(jī)器人智能控制方法與應(yīng)用”的報(bào)告。賀教授的報(bào)告重點(diǎn)討論了柔性關(guān)節(jié)機(jī)器人智能控制系統(tǒng)的研究進(jìn)展。首先，賀教授從解決柔性關(guān)節(jié)機(jī)械臂的精準(zhǔn)跟蹤控制問(wèn)題切入，介紹了一種能為Baxter機(jī)器人智能控制系統(tǒng)提供精準(zhǔn)跟蹤控制保障的控制算法。其次，賀教授把精準(zhǔn)跟蹤控制問(wèn)題擴(kuò)展到協(xié)同任務(wù)中，介紹了基于Baxter機(jī)器人的雙臂協(xié)同控制系統(tǒng)。為提升機(jī)器人智能控制系統(tǒng)的柔順性，介紹了柔性關(guān)節(jié)機(jī)器人的阻抗控制系統(tǒng)。為提升機(jī)器人智能控制系統(tǒng)的安全性，介紹了基于柔性關(guān)節(jié)機(jī)器人的自主避障系統(tǒng)。為增強(qiáng)機(jī)器人智能控制系統(tǒng)的功能，介紹了基于Baxter機(jī)器人的智能分揀系統(tǒng)以及人與機(jī)器人之間的物體交接系統(tǒng)。最后賀教授對(duì)該方向進(jìn)行了研究和展望。

下午第三位為大家?guī)?lái)報(bào)告的是安徽大學(xué)張興義教授，張興義教授帶來(lái)報(bào)告的題目為“Multi-objective evolutionary algorithms for solving complex optimization problems”。近二十年來(lái)，多目標(biāo)進(jìn)化算法已被證實(shí)是解決現(xiàn)實(shí)世界中復(fù)雜網(wǎng)絡(luò)、物流、機(jī)器人等多種優(yōu)化問(wèn)題的有效技術(shù)，但在處理復(fù)雜優(yōu)化問(wèn)題時(shí)仍有許多工作值得進(jìn)一步研究。此次報(bào)告，張教授首先簡(jiǎn)要介紹了多目標(biāo)進(jìn)化算法，然后重點(diǎn)介紹了最近提出的一些解決復(fù)雜優(yōu)化問(wèn)題的多目標(biāo)進(jìn)化算法。

最后一個(gè)報(bào)告為東南大學(xué)孫長(zhǎng)銀教授作題為“從“智能控制”到“控制智能”---- From Hype to Hope”的報(bào)告。孫教授首先介紹了“智能控制”和“控制智能”這兩個(gè)概念。“智能控制”是采用智能化理論和技術(shù)驅(qū)動(dòng)智能機(jī)器實(shí)現(xiàn)其目標(biāo)的過(guò)程。“控制智能”是有效融合大數(shù)據(jù)、云計(jì)算下自主體感知、認(rèn)知、控制與行為于一體，在復(fù)雜惡劣環(huán)境下表現(xiàn)出與人類相當(dāng)或超越人類的能力，無(wú)人車、無(wú)人機(jī)和機(jī)器人等是其重要載體。接下來(lái)，孫教授指出了目前面臨的主要挑戰(zhàn)包括：（1）從確定條件下智能控制向非確定條件下自主智能的跨越；（2）從“大數(shù)據(jù)小任務(wù)”向“小數(shù)據(jù)大任務(wù)”的跨越；（3）從單個(gè)自主智能體向群體協(xié)同智能體的跨越這三個(gè)方面。最后，孫教授列舉了一些智能控制應(yīng)用的例子。

東南大學(xué) 供稿