人工智能与机器人研究资助项目解析

某机构与高校宣布首届科学中心教师研究资助项目

六位高校教授将通过新资助推动人工智能与机器人研究

2022年8月10日

某机构与高校联合成立的科学中心（2022年2月成立，设于高校工程学院内）宣布了首届教师研究资助获得者名单，旨在推动人工智能（AI）和机器人技术发展。

这些项目通过高校顾问组与某机构的联合评审流程选出。每位获得者将获得最高10万美元的研究资助，每个为期一年的项目将解决AI或机器人领域的现实前沿挑战。以下是本年获得者及其研究项目背景：

自适应视觉与触觉反馈的抓取与物体操控

该项目旨在为工业协作机器人赋予人类通过异构反馈抓取和操控物体的智能。人类结合视觉和触觉感知来抓取和操控物体。以往许多研究提出纯视觉或纯触觉反馈算法来抓取物体。随着感知、计算和传感器融合的最新进展，该项目将整合视觉和触觉反馈来抓取和操控物体。物体的几何形状、材料和负载将事先未知。研究将使用配备2D立体相机和带压力传感器的平行夹爪的UR5e机器人，进行抓取和操控算法的实验验证。

从被动安全转向主动安全：可读应急规划促进亲社会交互

该项目目标是为多智能体交互式仓库导航环境中的机器人规划与控制创新主动安全框架，这与典型的被动安全范式截然不同。关键洞察是开发可读的机器人运动，以诱导亲社会的人机行为（即采取行动造福群体），从而实现（i）安全无缝的人机交互，以及（ii）减少频繁使用被动安全控制器，这些控制器会降低性能并可能损坏机器人或货物。

利用超材料实现快速抓取的动态刚度

真空吸附使用吸盘是某机构仓库中抓取物体的至关重要方法。这些系统使用延伸杆将吸盘从工业机器人手腕移动到目标物体。这导致两个问题：首先，物体与手臂之间的刚性连接使吸盘易剥离；其次，需要大型手臂万向节来拾取物品。这种万向节运动占用空间并减慢拾取和存放过程。将通过基于机械超材料的新型末端执行器解决这些问题，称为手性剪切拉胀材料（H.S.A.）。H.S.A.是中空管上的图案，可直接将旋转转换为延伸或弯曲运动，并能动态改变刚度。将开发快速可 articulated 手腕，并在抓取任务上验证，以比较拾取时间和空间使用与传统机器人手臂。接下来，将学习使用H.S.A.的动态刚度执行更高可靠性的拾取操作。最后，将开发可延伸的柔性轴驱动多级H.S.A.系统。长期来看，这将为完全由超材料制成的低成本安全手臂用于拾取和存放任务奠定基础。

设计感知的3D场景解释

尽管基于图像的识别和重建是一个深入研究的问题，从图像恢复准确的3D模型仍然具有挑战性，特别是在存在杂乱和遮挡的场景中。典型方法依赖从数据库检索，当物品的3D模型不可用时难以处理。该提案独特地观察到可制造性定义和约束了人造对象的设计空间，并可利用开发新颖的重建方法。使用制造设计作为底层表示，可以将搜索空间减少到可计算机辅助设计（CAD）系统表示的模型，使逆重建问题更易管理。演示该方法如何提高3D重建的局部精度，以实现稳健的机器人操控。

自监督学习部分-整体层次结构用于语义场景理解，应用于密集包装箱和移动机器人表示

自动化对象、场景和环境语义理解的关键问题是从图像和视频学习组合性部分-整体表示。提出一个新的深度学习框架称为主动预测编码网络（APCNs）来解决这一重要问题。受神经科学和认知科学新兴思想的启发，APCNs利用分层参考系和动作条件预测来学习场景的多功能时空表示，这些表示具有组合性、生成性和概率性。通过将强化学习和主动推理用于推断动作与可解释世界模型的自监督学习相结合，APCNs自然适用于应用，如表示和操控密集包装箱以及建模移动机器人的动态变化环境。

现代履行中心自主推车系统的车队规划

现代履行中心正在用多用途自主推车取代传统传送带系统、叉车或自动导引车。这些自主推车设计用于与人类协同工作，自动将库存单位（SKU）从起点位置运输到目的地位置，无需遵循固定路径，这使它们能够灵活部署在现有设施中，无需重大基础设施更改。该提案涉及在实践中部署此类自主推车系统的车队规划问题——给定设施的布局和服务能力，需要多少推车以实现特定吞吐率，以及产生的关键性能指标如推车利用率和等待时间。这一决策复杂，因为存在多种冲突因素，如推车密度对服务可用性和拥堵的二分法，需要专用分析能力。提出一系列新颖、简单和实用的模型，可以在运行昂贵的现场实验或构建定制模拟软件之前，指导从业者可靠初步估计车队规模。

科学中心背景

该科学中心还支持博士奖学金，并赞助与某机构利益一致的长期研发。有关活动和事件的更多信息，请访问官方网站。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
公众号二维码