返回首页
【CCFDL】“机器人智能”论坛专题资料导读
资料导读
（按收录时间排序）
1
讲者：李强-德国比勒菲尔德大学博士
详细介绍了触觉感知技术的现状，如何从传感器原始数据计算重要的信息，讨论触觉感知的相关应用，最后陈述触感机器人技术面临的挑战，并展望未来的研究方向。
2
讲者：罗山-英国利物浦大学博士
总结了现有的触觉传感器的原理及优缺点，并详细介绍了其课题组设计实现的新型视触传感器GelTip及其原理，并介绍了这一新型传感器在仓储、物体识别、医疗等领域的应用。
3
讲者：马月昕-上海科技大学助理教授
为了更安全有效地行驶在复杂的城市道路上，无人车或机器人必须准确地预测周围交通体（行人、自行车、汽车等）的运动状态与轨迹，进而做出合理的运动决策，提出了一个基于LSTM的实时轨迹预测算法。该方法利用一个实例层学习个体的运动特征与个体间的交互特征，利用一个类别层去总结同类物体的相似运动属性，进一步改善预测结果。
4
讲者：李曙光-美国哈佛大学研究员
在很多生物系统中，大规模的复杂行为可以通过众多简单个体的随机移动和协调来实现。例如，在伤口愈合和癌症扩散过程中，活细胞会出现集体迁移现象。在此项研究中，我们受到细胞集群运动现象的启发，设计开发了单自由度（展开和收缩）的机器“粒子”。相互独立的多个机器“粒子”单元松散聚集即可形成一个“粒子机器人”系统。我们针对此“粒子机器人”系统设计了一系列分布式算法，使其实现了自组织、自适应、高鲁棒性的集群行为，例如向目标光源运动、躲避障碍物、搬运物体等。此研究为开发大规模集群机器人系统提供了新的思路，未来可应用于物流、探测、建筑和医学等领域。
5
讲者：李双-德国汉堡大学博士
遥操作是许多机器人技术应用的重要研究内容，比如太空，救援，医疗手术和模仿学习等领域。当机器人处理复杂的感知和大量任务时，需要快速做出决策和处理极端情况时，遥距操作远远优于智能编程。然而目前，高自由度灵巧手的遥操作仍然存在巨大的挑战。本次演讲中，我将介绍如何通过深度学习的算法克服人手与机器手的外观和内在结构差异 ，实现基于视觉的灵巧手遥操作，及进一步结合IMU设备实现移动式的机器手-臂遥操作系统。
6
讲者：梁洪濯-德国汉堡大学博士
倒水是一个仅次于机器人抓取的在服务机器人中常见的任务。在机器人倒水的任务中，机器人要实时的感知目标容器的水位，从而精确的倒出一定量的水且不会溢出。我们提出了一个用声音和力融合的倒水感知网络。通过融合多种传感，让机器人更好的在复杂环境中精确的倒水。
7
《用于物体运动预测的自适应循环模型—从仿真到真实环境的迁移》
讲者：丛林-汉堡大学计算机学院博士
建立物体的欠驱动推动模型一直以来都是机器人操作领域的一个研究热点。有效而精准的物体推动可以作为复杂机器人操作如机器人抓取的预备动作。获取准确的物体运动模型是机器人精准操作的前提。学术界对机器人在平面推动物体的模型研究可以追溯到30多年以前。现阶段的运动模型可以分为基于物理定律的分析模型(analytical model)和基于统计学的数据模型(data-driven model)。本次报告介绍一种基于循环神经网络(RNN)的自适应运动预测模型。模型可以根据机器人在推动物体的运动过程中不断记录的新轨迹进行自适应在线调整，机器人动作由模型预测控制(MPC)产生，并通过域随机算法完成模型从仿真到真实环境的迁移。实验成果发表在2020年IROS会议上。
8
讲者：王岩-日本大阪大学
智能制造通过将技术人员的技能经验数字化赋予机器人，可以实现生产作业的自动化，从而提高生产效率。人类示教是实现这一目的的常见方法，但示教无论在动作轨迹还是力上都存在非最优的可能性，从而为技能向机器人的移植带来了难度。在此演讲中，本人将分享的研究工作是，一种通过分析人类示教动作，对装配作业中的技能动作轨迹重新进行动作规划，并将所得技能赋予机器人的方法（主要为发表于Advanced Robotics上的论文内容）。还将简要介绍本人目前通过机器人学习的方法，使机器人习得装配作业中技能动作的力控制的工作内容。
9
讲者：许敬仁-日本大阪大学博士
在现有的制造环境中，制造/装配所需的零部件的搬运供给任务(part-supply)仍然高度依赖人力，我们希望逐渐使用移动机器人代替人工完成零部件的抓取和搬运工作。在一个装配任务中，其所需要的多个装配组件一般按照类别存放于不同位置的收纳箱中，在本次演讲中，本人将介绍如何规划移动机器人的位置，使得移动机器人能够高效且健壮地抓取所有分布在不同位置的目标物体。我们提出了基于机器人Reachability Database的IK近似求解方法，在考虑机器人定位误差的情况下规划健壮的底座位置，并基于此规划最短路径使得移动机器人高效地完成零部件的搬运任务。
10
讲者：胡正涛-日本大阪大学
现代自动化生产中要求机器人系统具备一定柔性以适应变种变量的生产需求。使机器人系统可以稳定并且低成本的操控多种物体是实现新一代高效自动化生产的重要研究目标。目前机器人系统针对多种物体的操作，主要通过机械手/手指更换设备或多功能机械手来实现。然而使用机械手/手指更换设备需要部署辅助控制设备和外部能源供给，这增加了系统的复杂度。同时，为设备的控制与供能而接入的电缆或气管对机械臂的灵活运动产生严重干扰。此外，多功能机械手仅可适用于一定范围的操作任务。对此，我们提出了让机器人使用不同工具来操作多样化目标物的方法。该工具无需外部控制及供能，通过机械机构实现机械手到工具的动力传递。它结构紧凑，对机器人的避障路径规划影响极小。在面对多种任务时机器人仅需抓取不同的工具并使用即可。本次演讲将讲解工具的设计及优化和工具的使用与操作方法。
11
《Image2Mesh：传统机器学习->深度学习->图学习探索之路》
讲者：周晓云-帝国理工
12
讲者：张帆-帝国理工
13
讲者：赫亮-帝国理工
14
讲者：潘佳-香港大学计算机系助理教授
服装制造业是目前智能机器人应用水平相对较低的行业，主要原因在于缝纫等工序难以使用目前的机器人自主完成。我将简单介绍我们在机器人自主柔性物体操作方面的工作，包括使用在线学习的操作算法、可以用于布料纹理识别和质量检测的高精度传感器开发。
15
《6D object pose regression via supervised learning on point clouds》
讲者：高歌-德国汉堡大学计算机系博士生
物体6D姿态的精准估计在机器人抓取以及增强现实等应用中很重要，很多现有的方法都主要使用卷积网络提取的颜色特征来估计物体姿态。与颜色信息相比，深度信息受到关注要少得多。深度信息包含了丰富的物体形状的几何信息，理论上这些几何信息对于物体姿态估计是很重要的。而且，例如LiDAR类的传感器数据只包含深度信息。在这个报告中我们来探究只利用深度信息是否可以得到精确的物体姿态估计。
16
作者：黄瑞-电子科技大学机器人研究中心
下肢外骨骼机器人是一种可供穿戴在人体外部的智能机械装置，能够给穿戴者提供运动辅助或者力量增强，从而达到增强穿戴者运动能力的目的。本报告主要面向针对截瘫患者日常助行的下肢外骨骼机器人，从下肢外骨骼人机系统建模、基于学习的自适应控制方法和人机系统步态建模三个研究内容出发，对团队在截瘫助行应用场景中下肢外骨骼机器人的步态建模和控制方法的相关研究工作进行介绍。
京公网安备 11010802032778号
