分分3分快3怎么玩哈工大朱晓蕊教授:具有社会属性的智能移动机器人 | CCF

  • 时间:
  • 浏览:31
  • 来源:一分时时彩官方

雷锋网 AI 科技评论按:7 月 12 日-7 月 14 日分分3分快3怎么玩,2019 第四届全球人工智能与机器人峰会(CCF-GAIR 2019)于深圳正式召开。峰会由中国计算机学着(CCF)主办,雷锋网、香港中文大学(深圳)承办,深圳市人工智能与机器人研究院协办,得到了深圳市政府的大力指导,是国内人工智能和机器应学术界、工业界及投资界三大领域的顶级交流博览盛会,旨在打造国内人工智能领域极具实力的跨界交流合作者平台。

7 月 13 日,哈尔滨工业大学(深圳)教授、IEEE RAS国际事务委员会主席朱晓蕊教授为「机器人前沿专场」带来了《具有社会属性的智能移动机器人》的大会报告。以下为朱晓蕊教授所做的大会报告全文,感谢朱晓蕊教授的修改与确认。

我今天想跟另一个人都都 探讨一下智能机器人未来的趋势,也好分分3分快3怎么玩多好多 具有社会属性的智能移动机器人,我把它叫做「Learning from Social Behaviors」。

一、具有社会属性的智能系统

我先从具有社会属性的智能系统结速 讲起。随着智能系统的感知能力和行动能力日益增强,人与智能系统日益融合,突然出现了人机共融环境,在一种生分分3分快3怎么玩活人机共融的环境中,自然而然就发展出了具有社会属性的智能系统。一种生活智能系统既然有社会属性,就由于它要具备还要进化的能力,好多好多 我共要从以下另三个小 方面讲一讲一种生活系统的可进化性。

  • 另三个小 方面是智能系统还要要具备还要实物进化的能力。系统不可能 要进行实物进化,通过另三个小 单一的计算平台是不不可能 实现的,好多好多 还要实现不同平台之间的交互,比如说机器人端和云端的计算平台之间的交互,也好多好多 「云机器人」的概念。

  • 那我方面是智能系统要具备实物进化的能力。比如说通过人与机器人之间的交互来让智能系统拥有实物可进化性的能力,这也好多好多 另一个人都都 讲的「社交机器人」的概念。

下面我分别就这另三个小 方面讲讲另一个人都都 团队在过去共要六七年间做的而且 探索。

二、面向长期自主定位的云移动机器人

首先另一个人都都 提出了面向长期自主定位的云移动机器人。在讲一种生活点随后 ,另一个人都都 先来回顾一下目前移动机器人不可能 服务机器人在应用上处于的大间题:工作范围受限、业务覆盖受限、提供服务受限以及运维成本高

那些大间题看上去是应用层面的大间题,然而具体到技术层面,实际上是关键的技术(长期自主的移动或长期自主和大面积覆盖的移动)并这样 得到很好的突破的大间题。

而这项关键技术也处于以下三大主要挑战:

  • 第另三个小 挑战是,另一个人都都 还要覆盖大面积的区域,那我另一个人都都 就还要大量的数据来描述不同的环境;

  • 第三个小挑战是,另一个人都都 还还要让移动机器人适应动态场景,比如说检测和跟踪静态或动态的物体、学习更多的知识来预测环境变化;

  • 第另三个小 挑战是,不可能 移动机器人还要长时间运行,随着时间增长,它要求的数据存储量也太多。

那我语录,另一个人都都 就还要让机器人拥有更多的存储空间和更强的运算能力,不可能 好多好多 靠它们的单机本体觉得是这样实现的。

这顶端就提到了「云机器人」的概念,它好多好多 利用了机器人端的运算以及云端的运算来进行机器人技术研究。总体而言,云机器人有几只优点,包括:

  • 第一,它还要利用云机器人的框架弹性分配计算资源,那让他还要实现在多样化环境中的一块儿定位与制图;

  • 第二,它还要在一种生活框架下访问大量的数据库,比如说另一个人都都 在做识别和抓取物体的随后 ,还要用好多好多 的数据库来进行比对,另外比如说另一个人都都 做基于外包地图的长期定位,也还要访问大量的地图的数据库;

  • 第三,一种生活机器人还要形成知识共享,也好多好多 多机器人系统间的信息共享。也就由于那些多机器人之间还要根据分分3分快3怎么玩状态配备不同的装备,一块儿它们之间还要在云端形成而且 知识共享。

具体有另三个小 例子,好多好多 另一个人都都 当时人提的面向长期实时定位的云移动机器人。顶端是另一个人都都 的另三个小 系统框架,另一个人都都 主好多好多 做了那些事情呢?

  • 首先,另一个人都都 充分利用云端的无线存储空间和富有的数据库资源,来降低对机载传感器的要求,设计分布式算法,寻求云端的强大计算能力和机器人实还要求之间的平衡;

  • 其次,另一个人都都 还要补偿不可能 网络不稳定引起的断网大间题,以及不可能 云端和机器人端数据的频繁交互引起的网络延迟。

具体的内容让他不全版讲了,另一个人都都 有一篇关于这方面的论文,另一个人都都 感兴趣还要下载下来看一下:

Xiaorui Zhu* et al, Cloud-based Real-time Outsourcing Localization for a Ground Mobile Robot in Large-scale Outdoor Environments, Journal of Field Robotics, 2017, 34(7)

另一个人都都 在做一种生活云移动机器人的随后 ,做了另三个小 实际的环境测试,一种生活测试环境是围绕着深圳西丽片区的第四根共要 13.1 公里长的道路,覆盖了 2.5×6.7 平方公里的面积,涵盖了几乎所有种类的路面:城市快道、主要交通干道、主次交通干道、服务性道路、城市峡谷、隧道等等几乎这样 GPS 信号的地方。另一个人都都 最终的实时定位的结果还要看得人,从结速 到最后 13 公里长的道路的平均定位误差是在厘米级的

觉得另一个人都都 进行这项研究的时间是 2012 年到 2016 年,当时用的通讯法律措施是 4G 网络。那个随后 ,另一个人都都 觉得一种生活想法不错,Demo 也还要做出来,而且离实际的应用感觉还差很远,而这顶端有另三个小 很关键的环节,好多好多 另一个人都都 的通讯法律措施。

随着 5G 时代的到来,另一个人都都 要能使用高速率单位、低延时、高并发的通讯网络,那我云、网、端三位一体的云机器人才不可能 真正得到大规模的应用,从而让移动机器人要能扩展环境覆盖面积、提升业务覆盖能力、增强场景覆盖力、降低运维成本。那我整个服务机器人的商业化程序才会真正进入到另三个小 新的时代。

下另三个小 主次让他 讲的好多好多 我刚才提到的人与机器人的交互大间题,对当时另一个人都都 提出了具有学习行人行为能力的社交移动机器人,即「Social Mobile Robotics」。

三、具有学习行人行为能力的社交移动机器人

另一个人都都 知道使用传统法律措施研究的机器人是将环境中的人当做障碍物的,那让他产生了另三个小 大间题:由于整个系统的移动速率单位低,甚至在人群密集的环境中很有不可能 是失效的。

因而另一个人都都 提出一种生活新型智能移动机器人,其在未知的环境中具有学习行人行为模式的能力,那让他还要增强移动机器人的智能理解和智能决策的能力。一种生活能力对于人来说是很简单的,而且为了让机器人从技术上实现一种生活能力,另一个人都都 做了另三个小 方面的工作:第一是未知环境可通行域感知,第二是半稠密环境语义地图制作,第三是人机共融动态环境下一块儿定位与地图更新

另一个人都都 一种生活系统主要有另三个小 贡献:首先是提出了一种生活基于行人行为学习的机器人可通行区域制图算法,也好多好多 「Learning from Social Behaviors(LSB)」;其次是另一个人都都 提出了一种生活适应人机共融动态场景下的机器人一块儿定位与地图构建的法律措施(DM-LSAM)。二者其中的焦点就在于何如在动态环境适应能力、定位精度与鲁棒性这几只因素之间寻求平衡。关于一种生活点,另一个人都都 也发表了而且 文章:

  • Deng F., Zhu, X.*, et al, Vision-Based Real-Time Traversable Region Detection for Mobile Robot in the Outdoors, SENSORS, 2017.9,17(9)

  • 邢志伟,朱晓蕊*,何超,基于行人行为学习的机器人一块儿定位与可通行区域制图,机械工程学报,2019

首先讲一下未知环境可通行域制图。

另一个人都都 基于机器人实时看得人的图象帧,而且快速进行了一次行人检测,不可能 发现一种生活场景顶端并这样 人,就采用基于消失点的道路检测;不可能 是另一个人语录,就还要基于行人来进行学习,而且进行道路检测。

上图是另一个人都都 做的另三个小 基于消失点的非形状化道路检测算法,这是另三个小 图例,(a)是机器人当前看得人的一幅图象,而且到(f)是另一个人都都 通过算法选择的它在非形状化道路上的可通行区域。

这里对另一个人都都 的算法和传统的基于像素和基于边界的法律措施进行了比较,发现另一个人都都 的算法在一种生活非形状化环境下的检测效果,比传统法律措施要好好多好多 。

这是另一个人都都 对实际环境做的另三个小 测试。(a)是机器人实时在跑,顶端几张图是几只不同帧,另一个人都都 对每一帧都是另三个小 可通行区域的检测结果。

 

那在机器人看得人的图象顶端有行人处于的状态下,另一个人都都 何如进行非形状化道路的检测呢?这顶端另一个人都都 有另三个小 基本假设,即行人能通过的位置也好多好多 机器人可通行的区域,好多好多 这里另一个人都都 也是从图象出发,经过几只步骤最终还要检测到一种生活可通行区域。

这是另一个人都都 针对不同图片的场景来进行可通行区域感知的结果。有了可通行区域信息随后 ,下一步另一个人都都 要建另三个小 半稠密的语义地图。另一个人都都 进行半稠密语义地图制作的路径,同样也是从图象出发,一方面结合图片中行人的位置,当时人面也结合另一个人都都 刚才自动检测出的可通行区域的信息。

这是用另一个人都都 的算法在 KITTI 数据集上的另三个小 序列上做的语义地图制作的效果,红色的区域好多好多 可通行区域,湖蓝色的点是机器人当前的位置,灰色的主次是环境形状。

另一个人都都 在数据集上做了另三个小 测试,一块儿进行了实际环境的一段半稠密语义地图的制作。这里另一个人都都 重点与目前效果最好的 ORB-LSAM 在鲁棒性方面的表现进行了比较,结果表明,另一个人都都 的算法在动态适应性方面提高了好多好多 。

有了半稠密语义地图随后 ,另一个人都都 就会进行人机共融动态环境下机器人一块儿定位与地图更新,也好多好多 另一个人都都 刚才讲的 DE-SLAM。在这里,另一个人都都 基本上只用了简单的图象信息和 IMU 的信息,其中最重要的而且 是另一个人都都 将运动目标的检测融合在了一块儿定位与地图构建的框架中。

尽管另一个人都都 讲的是做动态场景的算法,而且另一个人都都 要能了以牺牲静态场景的效果为前提,好多好多 另一个人都都 在做实验的随后 ,一块儿做了动态场景和静态场景。以下是另一个人都都 在数据集上做的四组静态场景和四组动态场景。

 

 

另一个人都都 发现在静态场景下,DE-SLAM 的均方根误差比 ORB-SLAM 减小了将近 7%;动态场景下,DE-SLAM 的适应性也更强,平均误差比 ORB-SLAM 减小了 300%。

 

这是另一个人都都 做的另三个小 实际动态场景实验,这里另一个人都都 固定了另三个小 300 米的标尺作为设定的实验环境。另一个人都都 发现在动态场景下,另一个人都都 的 DE-SLAM 系统定义更精确,它的平均误差比 ORB-SLAM 减低 77.89%,而且要能得到与展示环境下更一致的地图和轨迹。

我今天就讲这样 多,谢谢另一个人都都 的聆听。 雷锋网 雷锋网(公众号:雷锋网)

雷锋网原创文章,未经授权禁止转载。详情见转载须知。