移动机器人专家齐聚禾多未来日，共话技术产业化

7月7日，第一届“未来日”活动在武汉成功举办。本次活动以“机器人精神状态”为主题，将邀请国内外机器人领域知名学者和行业领袖，为武汉大学师生带来移动机器人领域的前沿技术理论知识和科技研发应用，共同探讨如何应对移动机器人技术面临的产业化挑战。Wodo未来日由自动驾驶大规模生产解决方案先驱Wodo Technology主办，旨在促进学术界和行业界的交流与合作。来自国内外学术界和工业界的众多知名专家参加了此次活动。中国工程院会员、清华大学自动化学部教授、生命科学部客座教授戴琼海、美国乔治亚理工大学教授、3D视觉科学家Frank Dellaert、香港科技大学电子计算机工学系副教授沈尚杰、韩国科学技术院机器人土木环境工学系副教授Kim Ayoung Kim上海科技大学信息科学技术学院副教授兼研究员Laurent Kneip、浙江大学教授、国家优秀青年科学基金获得者张国峰先生、清华大学计算机系智能技术系统国家重点实验室特聘研究员刘华平先生、阿里巴巴人工智能研究院研发主任李年阳先生、TüV南德大中华集团、南德认证考试（中国）有限公司大中华区经理赵欣先生等。精彩的主题演讲讲述了移动机器人的新趋势

中国工程院院士、清华大学自动化系教授、生命科学院客座教授、清华大学自动化系教授、生命科学院客座教授、大琼海教授作了题为“探索人工智能新方向--光场愿景”的演讲。目前，智能系统中广泛应用的视觉成像单元大多是基于单眼或双目，很难超越人眼的多维多尺度成像能力，而且由于时间、空间、角度、光谱、动态范围等多维度成像能力有限。L5级自动驾驶等移动机器人的研究和应用受到了限制。戴和团队多年来深入计算摄像机领域，研究第三代非结构化多尺度摄像机阵列，可以实现集中色散校准，突破景深与空间分辨率之间的矛盾，实现360度、远距离、高分辨率、动态深度计算，真正“看全、看清楚”。与此同时，戴教授和他的团队还介绍了基于光电计算的第四代视觉系统研究。通过材料传输过程中光信号的衍射和干扰进行计算，当应用于自动驾驶时，可以很好地解决自动驾驶许多场景下的计算功率问题。

Frank Dellaert（乔治亚理工学院教授，沃德技术首席3D视觉科学家）美国乔治亚理工学院教授，沃德技术首席3D视觉科学家Frank Dellaert发表了题为“基于因子映射和自动微分推理在机器人和计算机视觉中的广泛应用”的演讲。在机器人和计算机视觉中，同步定位和映射（Simulultous ization and M：S）和（from Motion：SFM）是重要的，但密切相关。Frank Dellaert教授回顾了因子图Graph Factor在SLAM、SFM以及机器人和视觉领域的应用，并展示了因子图批处理和增量处理算法以及复杂轨迹处理方面的显著优势。

香港科技大学电子及计算机工程系助理教授沈晓杰博士发表了题为“复杂环境中的三维视觉感知--状态估计、三维重构和动态物体感知”的演讲，他致力于使无人机能够在低成本、小而复杂的环境中自主运行。我们还研究了自动驾驶，包括姿态估计，动态物体检测和跟踪，车辆行为预测和路径规划。

KIST机器人与土木与环境工程学院助理教授Kim A-young作了题为“城市环境中基于感知的SLAM技术”的演讲。Kim和他的同事们对基于激光雷达和摄像头的SLAM算法进行了研究，以提高自动驾驶汽车在复杂城市环境中安全行驶的能力。他们使用2D和3D激光雷达进行测量和绘图，以创建复杂的城市地图数据。此外，还研究了改进物体外部校准的方法，以及基于激光雷达和热激光雷达的多模态SLAM技术。

Laurent Kneip教授、上海科技大学信息科学与技术学院助理教授兼研究员Laurent Kneip博士作了题为“三维空间人工智能：用于更先进、嵌入式表示的SLAM技术”的演讲。他认为，三维空间人工智能是一种更高层次的表示，它结合了几何信息、语义信息和物体信息来理解场景。它是一个真正的数据驱动的SLAM架构，它使用语义信息（如预形状）来重建对象，而不是重建环境的一部分。

浙江大学教授、国家优秀青年科学基金获得者、浙江大学教授张国峰、国家优秀青年科学基金获得者张国峰教授作了题为“视觉SLAM技术与AR应用”的演讲。他认为基于单一传感器的SLAM有其局限性，因此未来的多传感器融合是必然的趋势。例如，手机现在配备了摄像头和IMU，移动机器人可以拥有更多的传感器，应用于摄像头，激光雷达，GPS，IMU，里程表等传感器，就像自动驾驶系统一样。每种传感器都有其优点和缺点，仅使用一种传感器有很大的局限性，而SLAM技术可以将多个传感器集成在一起，从而实现稳定的高精度定位。张教授和他的团队目前正专注于SLAM在AR和VR中的应用，并希望在机器人和自动驾驶领域进行更多的研究。

清华大学计算机系、智能技术系统国家重点实验室特聘研究员刘华平作了题为“多模态主动环境识别深度强化学习方法”的演讲。主要研究应用机器人和操作机器人。在实际场景中，机器人主要通过视觉、听觉和触觉三种集成模式进行感知。机器人多模态信息融合的内在困难在于视觉-听觉-触觉多模态数据具有不同的表现形式和感知范围，但不具有一对一的匹配特性。如何实现这种异构多模态数据的融合，以及在引入主动感应后，如何非线性地融合感知和行为这两个循环，是刘华平研究人员研究团队主要要解决的问题。产业界与产业界跨界合作，共同推动移动机器人产业落地活动最后，在专门的圆桌会议上，就“移动机器人技术产业化面临的挑战”进行了探讨。小组成员包括浙江大学张国峰教授、乔治亚理工学院教授Frank Dellaert、阿里巴巴人工智能研究所研发总监李彦阳、Hudo Technology创始人兼首席执行官倪凯、TüV南德大中华区集团、南德认证测试（中国）有限公司大中华区经理赵欣。

对于目前移动机器人技术的进步和产业化程度，李说，目前的工业机器人几乎只完成一项任务，下一步可以将不同的技术放在一起，实现机器人的多功能化。Frank Dellaert教授认为，移动机器人技术的成熟度取决于特定的产品和场景，例如无人机的任务是跟随用户。当谈到自动驾驶时，技术成熟度的标准非常高，以确保安全性和可靠性，并让消费者为技术买单。Ni Kai进一步提出了软件和软件碎片化的问题。在不同的垂直领域，硬件的碎片化导致算法的碎片化，每个做机器人的机构都在SLAM的基础上研究自己的机器人执行器，进行感知和决策。赵欣认为，要实现工业化，必须满足四个前提：需求、商业模式、产业政策和标准。传统的工业机器人标准是针对机器的，而移动机器人则是软件方面的，软件质量、软件安全等都需要考虑。移动机器人是一门综合性的跨学科，涉及计算机科学、机械工程、电子工程等多个学科，融合了硬件与软件，跨越了产业与研究领域。张国峰教授表示，依靠高校团队直接做产品层面的事情是非常困难的，要想让技术成果快速落地，就需要与企业合作。产业与研究的融合，每个人都需要发挥自己的优势，高校和研究机构善于做理论和前沿的探索性研究，企业对实际应用需求有较好的了解，工程开发能力通常比较强，即使双方紧密合作，甚至携手合作，1+1也会产生2以上的效果。这样就可以实现技术的快速落地。活动主办方Hudo Technology成立于2017年6月，以最先进的人工智能技术和汽车工业技术为基础，开发自动驾驶系统，并具有从车载电线、下部多传感器技术到上部自动驾驶核心算法模块的全栈研发能力。以推动自动驾驶技术产业化为目标，Hodo科技目前专注于高速公路和代客泊车两种应用场景，打造本地数据驱动的自动驾驶量产解决方案。今年早些时候，该公司成立了武汉研究所，与武汉大学等大学合作，对自动驾驶进行未来研究。