YEF2020技术论坛预告：智能无人系统技术发展趋势与产业化进展

BCI技术与无人平台的结合将更好地融合人类智能与机器智能，使得脑控无人平台实现操作人员的意图理解、自主导航与灵巧操作，广泛应用于医疗康复、工业生产、交通以及国防等领域。本报告介绍了脑机融合的无人平台导航与操作理论与方法，重点讨论了报告人团队在脑机融合的混合解码方法、交互式导航和灵巧操作等方面取得的主要理论与技术成果，以及这些方法在无人车导航和残疾人康复训练中的应用。最后，对脑机融合的无人平台导航与操作未来发展进行了展望。

发展无人车已成为国家战略，成为推动国家经济战略转型、落实供给侧改革的重要抓手。相比于其它技术，感知能力不足已成为制约无人车快速落地的关键瓶颈，只有准确、可靠感知到车辆周边环境，才能为无人车控制决策提供可靠的依据。场景语义分割技术可以为无人车提供丰富的环境信息，为无人车的决策控制提供可靠的技术支持，并且其算法鲁棒性较好，在环境建模、车辆定位、目标检测等方面都具有广泛的应用价值。

无人机从出生时起，就具有了自动飞行的属性，从具有增稳系统的遥控到基于程序的自动控制，已经实现从起飞（发射）到降落（回收）的全过程自动化。无人机的控制系统除了对本体的飞行控制外，飞行管理、任务管理的能力越来强，具有决策行为的任务管理能力需要基于人工智能提升智能性和自主性。随着计算机技术、信息获取与感知技术，以及人工智能技术的发展，机器越来越具有智能性，使无人机的飞行开启了智能自主的时代。而人工智能会给无人机的自主性带来什么样的能力？无人机单体智能应该是怎样的？人工智能的发展在无人机集群应用中又会涌现出怎样的自主性？这需要研究者进一步的共同思考和研究。

无人驾驶是人工智能最有价值也最具挑战的行业之一，为了确保足够的安全性，需要解决“千亿公里、百万问题”的技术考验。无人驾驶的最初起步具有极大挑战，需要用原创技术和产品模式打通数据和研发环节，通过数据、数据驱动的算法、闭环自动化，随着大量具有自动驾驶功能的车辆上市，获取源源不断的量产数据，以赋能更高级别的无人驾驶产品研发，并持续自我学习和进化，形成具有巨大势能和爆发力的“飞轮效应”，最终实现无人驾驶规模化落地。