学会新闻
返回     学会动态
 
学会新闻
AI+无人系统专题论坛在上海成功召开

5月27日下午,Global-AI2019第三届全球人工智能大会之“AI+无人系统”专题论坛在上海国家会展中心顺利举行,九位领域内的专家学者从无人系统感知、无人车网联协作智能体系、无人系统计算架构、视觉机器人环境建模、自主驾驶等方面进行了报告,并与会议代表充分交流,共同探讨了无人系统的发展前景。来自清华大学、北京大学、北京理工大学、西安交通大学、同济大学、国防科技大学、香港科技大学的顶级学者以及来自爱驰汽车、远鉴科技的业内专家参加了此次论坛。专题论坛主席、同济大学教授陈启军主持会议。


下午第一个报告来自清华大学智能技术与系统国家重点实验室的邓志东教授,报告题目是《视觉智能赋能无人系统的“感“与”知“:机遇与挑战》。

邓志东教授表示,在5G、道路交通大数据、高精地图、车联网、云平台、智慧道路以及智慧城市等的合力支撑下,自动驾驶的全球产业生态正在快速形成之中,产业落地的速度不断加快。结合特定细分应用场景,在大数据与大计算能力的支撑下,视觉人工智能正日益成为自动驾驶乃至无人系统环境感知、自主导航、信息融合等的基础性技术。但目前的视觉人工智能只有“感”,不但缺乏举一反三的小样本学习能力,而且不能完成认知水平的理解或具有所谓的“知”,这就从根本上限制了大数据人工智能在包括无人系统在内的垂直细分领域的产业应用。在无人系统落地实践中,探索具有理解能力和小样本学习能力的新一代视觉人工智能,突破感知难题,既是挑战也是机遇。而这样的挑战和机遇无疑为人工智能在出行领域的应用提供了新的样本。随着持续的攻关,从“感”到“知”。无人系统的应用将为出行带来前所未有的改变。

接下来进行报告的是北京理工大学自动化学院副院长甘明刚教授,题目是《无人系统视觉场景理解关键技术》。在报告中,甘明刚教授面向目前新兴的视觉场景理解技术,首先介绍了视觉场景理解从目标识别、丰富场景识别,到计算机视觉与自然语言处理相融合的发展过程;然后总结了不同发展阶段中的视觉场景理解关键技术,并介绍了视觉场景理解的重要应用前景;最后阐述了该领域当前存在的问题与发展趋势。

随后,北京大学信息科学技术学院程翔教授进行了报告,题目是《基于车联网的无人车网联协作智能体系架构和关键技术》,报告首先简单介绍目前研究的热点:无人车单车智能,阐述相关的发展以及遇到的难题和瓶颈。然后,介绍通过车联网的网联协作,可以将车联网深度融合到无人车的设计之中,引出基于车联网的无人车网联协作智能,阐述是否可以通过网联协作的新思路来解决单车无人车遇到的三个关键问题:场景感知,情境认知,决策控制。详细阐述提出的无人车网联协作智能框架和系统,简单阐述网联协作下场景感知、情境认知和决策控制的基本思路和挑战。最后,强调车联网和无人车深度融合的网联协作智能是目前的大势所趋,将为无人车早日突破瓶颈进入公共道路提供新颖的思路和奠定坚实的基础。

第四个报告人是西安交通大学电信学院长聘副教授,博导任鹏举博士,报告题目是《面向自主无人系统的计算架构的思考》。2018年图灵得主Hennessy和Paatterson的演讲题目“计算机体系结构的新黄金时代:面向的硬件软件协同设计”,指明了智能计算时代呼唤新的计算机构变革,以智能驾驶、无人机、机器恩为代表的自主智能体需要面对复杂、动态、开放、非完整观测环境下的挑战,是体现混合增强智能适应性、稳定性、可靠性、鲁棒性和灵敏性的典型应用场景。在报告中,任教授以“认知计算引擎”为切入点,将课题组近年来的学术观点和研究进展做了分享。

之后的报告来自同济大学测绘与地理信息学院的刘春教授,题目是《基于视觉的机器人环境建模与定位导航》,在报告中,他从机器人环境建模与导航的科学问题入手,介绍了无结构化信息、复杂、动态环境下,感知与建图、自主规划和导航控制的紧耦合机制。重点介绍了突破运动场景的部件语义理解与提取、语义级高精度地图构建与增量更新、高精度实时视觉定位、视觉动态目标检测与自主导航避障、综合应用平台构建等关键技术和进展,并通过几个实例加以详细说明。

国防科技大学智能科学学院的李健副教授的报告题目是《自主驾驶关键技术及面临挑战的思考》,他在报告中指出近年来无人驾驶技术发展迅速,并在物流运输等特定应用、特定环境下开始逐渐落地。在接下来的时间,他详细介绍了国防科技大学在无人驾驶方面的研究进展,以及感知、定位、规划和控制等方面的关键技术,同时提出了目前存在的主要技术挑战。

在学界大咖们对最新研究成果进行解读之后,来自企业的行业领袖也对无人系统在实际中的应用进行了报告。现任爱驰汽车执行副总裁陈学文博士的报告题目是《AI驱动的智能化汽车》,他表示,电动化、智能化、网联化、共享化迎来了汽车行业的深刻变革。其中,汽车网联化和智能化对AI技术的算法和算力提出了新的更高要求。在本次报告,他对无人驾驶和智能座舱等汽车工业的人工智能应用和发展进行了回顾和展望。

关于无人系统在出行方面的应用,香港科技大学电子与计算机工程系助理教授刘明也进行了丰富的研究,他在题为《低速自主驾驶的技术要素》的报告中,介绍了两种技术路线选择,一是断对端深度强化学习,二是工程模块化系统。无人系统模块化技术结构主要包括运营逻辑及数据接口模块、人机交互、无人系统核心技术模块,核心模块为感知系、决策与预测系统、规划与控制三部分。

本场最后一个报告人是远鉴科技图像研发中心负责人孔彦博士,报告题目是《身份核验场景中的生物特征识别技术与应用》。报告主要介绍了人脸识别在实际应用中存在的问题、人脸识别的落地场景、人脸识别的算法流程以及多维身份认证等方面内容。常见生物特征识别技术主要包括、指纹、虹膜、人脸和声纹,声纹是通过说话人声音判断其身份的一种生物特征识别方法,它可以克服其在单一模态下的局限性,相较于其他识别技术而言,声纹具有行为学特征,采集更为方便。 

学会秘书处 供稿