還有一個工作，在我們建立的大范圍地圖內(nèi)，還要能夠滿足高精度定位的要求，大范圍、高精度伴隨的數(shù)據(jù)量非常大，在工業(yè)、航空航天等應用中，機器人能夠帶的計算設備往往是有限的，特別是像航空航天方面，就是486的水平，那么這樣大的數(shù)據(jù)量對存儲和計算都提出了很高要求，我們在這里做的就是怎么去對地圖做精準的壓縮，做到了可以壓縮30倍，同時還能達到同樣的定位精度。在地圖構建的基礎上，第二個關鍵問題就是定位。定位也是有多種的技術途徑，在室外像無人駕駛等很多在用的是GPS，但是在室內(nèi)包括在園區(qū)、綠化建筑物比較密集的地方，GPS的信號是非常不穩(wěn)定的，室內(nèi)根本是沒法使用的，所以在室內(nèi)應用中，一般用的是磁釘、磁條、二維碼標識的方法。對于自然導航來講，我們要去解決的就是當前環(huán)境感知發(fā)生變化時，怎么去找到環(huán)境和地圖之間的正確匹配。特別是如果是用視覺的話，會面臨季節(jié)性變化，氣候變化等，雪前雪后的圖像是完全不一樣的。我們近幾年的工作就主要圍繞著怎么去適應環(huán)境的動態(tài)變化，特別是這種長周期的、季節(jié)性的、氣候性的變化，來實現(xiàn)在環(huán)境中的長期魯棒精確定位。我們提出了新的地圖表示方式，當環(huán)境變化的時候，解決把新的環(huán)境特征如何加入到地圖里，使得它下次能夠被使用來進行定位，從而避免光照、氣候、季節(jié)變化帶來的紋理上的影響；同時我們解決了異構傳感器信息匹配問題，可以在激光地圖里進行視覺定位，能適應春天構建的地圖，夏天、秋天、冬天，特別是冬天雪后圖像發(fā)生極大變化，也能正確定位；也解決了純視覺定位，即在視覺特征地圖中進行視覺定位，實現(xiàn)了在大雪前后存在大概90%的錯誤視覺特征匹配的情況下，機器人也能魯棒估計定位的結果。

在導航規(guī)劃方面，已經(jīng)有了豐富的研究成果，形成了經(jīng)典的導航規(guī)劃方法，在工業(yè)等領域發(fā)揮了很大作用。但是傳統(tǒng)的方法，在環(huán)境適應性方面、人機共融方面，都有很多的局限性，同時強依賴于前面所講到的定位，如果定位準確性不高的話，也將直接影響到導航規(guī)劃的結果。近幾年我們從如何去模擬人的角度上來進行導航規(guī)劃及行為決策上的研究。一個工作是能否學習人的行為，人在駕駛車時依靠手機APP的粗定位以及告訴你是前進、左轉(zhuǎn)、右轉(zhuǎn)的粗規(guī)劃，就能夠根據(jù)眼前的場景，來實現(xiàn)安全的駕駛。我們利用行車記錄儀的數(shù)據(jù)，利用他的行車軌跡，對視覺圖像進行自動的標注，然后利用所提出的神經(jīng)網(wǎng)絡方法實現(xiàn)了同樣的效果，在我們的校園環(huán)境中進行試驗，即使是到一個新的環(huán)境里，機器人靠這樣的粗定位和粗規(guī)劃，也能夠?qū)崿F(xiàn)安全的駕駛，并且能夠適應環(huán)境中動態(tài)移動的障礙物。同時我們也在無人駕駛加速、減速、變道等行為決策，以及如何學習人的社交性規(guī)則進行導航規(guī)劃方面，做了一些工作。目前我們一些技術已經(jīng)在實際應用場景中實現(xiàn)了驗證，包括我們2017年和京東聯(lián)合發(fā)布的618校園送貨機器人，我們是唯一一臺不依賴于GPS定位，在校園里可長周期自主移動的機器人，也用到了奇瑞的園區(qū)自動停車方面，園區(qū)內(nèi)GPS信號非常不穩(wěn)定，通過我們的技術實現(xiàn)了平滑的準確定位，也實現(xiàn)了從室外到地下車庫的自動駕駛，同時在雙足、四足機器人上均有應用。

我們也實現(xiàn)了產(chǎn)業(yè)的應用，孵化了迦智科技，提供面向智能制造行業(yè)自然導航搬運機器人，依靠自身的感知實現(xiàn)定位導航，可以有效適應像半導體、電子制造工廠的柔性制造需求，應用在中興通訊、中車、天馬等3C、半導體企業(yè)的工廠里，最近在兩會期間的CCTV-2報道里也出現(xiàn)了我們機器人的身影。

在園區(qū)級中低速重載無人駕駛的應用方面，我們的定位精度和對精度都達到了國際領先水平，實現(xiàn)了室內(nèi)室外的通用，不依賴于GPS，在園區(qū)環(huán)境里實現(xiàn)長期運行，目前已經(jīng)在幾個單位運行了1年多，經(jīng)歷了雨雪等各種氣候以及高磁環(huán)境的考驗。

目前，我們也在做一些新的研究，一個是異構的多機器人協(xié)同，結合5G實現(xiàn)的大帶寬通信，我們可以有更加豐富的信息交互，如何融合5G進行多機器人的規(guī)劃、多機器人的信息交融等，我們也做到了通過空中機器人圖像來實現(xiàn)地面機器人的定位。

針對機器人操作學習方面，我們也進行了一些攻關。包括在動作上如何進行擬人化的學習，利用我們所提出的機器人學習方法，實現(xiàn)YUMI機器人學習人的手語動作，并保障機器人動作的流暢性、仿人性和安全性。我們之前做的是對乒乓球這樣一個快速飛行球的識別和軌跡預測，在現(xiàn)實中還有很多物體是不均勻的、是異形的，我們很難去對每一個都建立準確的模型，然后來進行觀測、預測，在這里我們也是設計了新的神經(jīng)網(wǎng)絡，并且實現(xiàn)從一個物體的學習遷移到不同物體上面。目前做到了準確預測位置，下一步還要做到去預測它的姿態(tài)，來能夠?qū)崿F(xiàn)抓取，我們也從對物體的抓取拓展到抓推等多種動作的融合上，從而適應更為復雜的場景。

另外，我們也研究了任務級的操作學習。通過識別操作人員是用了什么樣的動作、操作了什么樣的物體，達到了怎么樣的裝配效果，部件之間的裝配關系和裝配的精度要求，來生成機器人的程序，可以實現(xiàn)避免人工對作業(yè)的編程，而是用演示的方式自動生成相關的程序。

同時，我們也在把移動和操作結合起來，并且考慮人機的協(xié)同。通過人稍微施一點點力，機器人能夠感知人的搬運意圖，跟人來形成協(xié)作，以及在協(xié)同搬運的過程中，實現(xiàn)協(xié)同、避障、搬運等更為復雜的多級任務。

熊蓉教授研究團隊成員

王  越副教授          研究方向：自主移動、無人駕駛

朱秋國博士            研究方向：腿足機器人陸豪健百人計劃研究員研究方向：微型軟體機器人、醫(yī)療機器人