为新一代机器人赋予聪慧“大脑”
——“复杂场景中自主系统的智能感知与学习控制”项目获得省自然科学奖一等奖
华声在线2月27日讯 (湖南日报·华声在线记者 胡宇芬 通讯员 任彬彬) 随着智能化时代的到来，机器人在复杂环境中如何具备类人的感知和学习能力，是需要研究解决的一个挑战课题。国防科技大学牵头完成的“复杂场景中自主系统的智能感知与学习控制”项目，将为新一代机器人在复杂场景中作业能力的提升提供坚实的基础理论和技术支持。在今天召开的2018年度湖南省推进创新型省份建设暨科技奖励大会上，该成果获得省自然科学奖一等奖。
自主系统，通俗地说就是各种机器人系统，在没有人的干预下，具备类似人一样的感知、决策和控制能力，完成预定目标。单一环境下的机器人如工业机器人发展日趋成熟，但复杂场景如非结构化道路、水下作业等需要移动机器人面临外界的千变万化，智能感知与学习控制难度陡增，亟需从基础研究寻求突破。
经过近20年的潜心研究，该项目以自主驾驶车辆和水下仿生机器人两类典型的自主系统为应用对象，在复杂场景视觉显著性检测的多尺度频域分析方法、基于稀疏核特征的自评价学习控制理论和方法、水下自主系统的仿生流场感知机理与预测型学习控制方法等方面取得重要创新，研究成果推广应用于汽车自主驾驶系统、仿生波动长鳍样机等自主无人系统，取得了显著的应用推广效益。
项目负责人徐昕教授介绍，机器人智能感知的一个重要方面就是类似人的视觉，复杂场景下从图像中很快找到自己关注的目标，也就是具备注意力选择机制;学习控制则是机器人通过强化学习或者迭代学习优化行为操控能力。在复杂场景中，这两个步骤都需要研究突破机器人智能感知与学习控制的新理论和新算法来实现。如无人驾驶车需要快速检测定位交通标志、行人和车辆等，利用驾驶经验提升驾驶决策和操控技能;水下仿生机器人则需要精确检测估计水流速度，利用周期性的运动规律实现控制策略的迭代学习、提升推进效率。
据悉，该研究工作得到强化学习理论奠基人、AAAI Fellow R.Sutton教授、视觉注意计算奠基人Laurent Itti教授等国际权威专家的高度评价。在2015年公布的国际视觉注意计算模型性能测试中，项目提出的HFT模型排名第一。
