机器人学习与自适应

课题一:机器人的自主行为规划
主要研究内容:

  1.  多传感融合的道路环境建模
  2.  从车载单摄像头实时恢复车辆轨迹

学术发表:
H. Cheng, et al.. Interactive road situation analysis for driver assistance and safety warning  systems: frameworks and algorithms. IEEE Trans.ITS, 8(1), March 2007.
Y. Zheng, et al., Structure from motion blur in low light, IEEE CVPR 2011.
 

一、多传感的道路环境建模
通过多模环境感知方法,主要有激光、毫米波雷达、摄像头等,对机器人所处的室外环境进行建模。机器人根据建立的环境模型,进行自主的行为规划,完成自动导航、避障和执行特定任务的功能。

二、从车载单摄像头实时恢复车辆轨迹
从车载相机的运动中实时恢复出车辆轨迹是基于视觉的同步定位与地图生成(vSLAM,Visual Simultaneous Localization and Mapping)的一个重要应用,而运动恢复3D结构信息(SfM,Structure from Motion)是vSLAM的核心技术。但是直接运用SfM技术从视频序列中恢复3D结构受到了极大的挑战,原因有一下两点:一是窄基线问题一直困扰着SfM。二是稀疏的光束平差法(SBA, Sparse Bundle Adjustment)具有较高的计算复杂度,并且具有优化算法对初值过于敏感。采用基于视频流结构逐步扩展的思想能够避免“漂移”现象的产生,使用滑动窗口,计算相机旋转矩阵在滑动窗口中的最优,并用相机中心的预测估计和计算估计来获得相机中心,进而提高每一步相机姿态估计的精度。

 

课题二:机器人的仿生学习
主要研究内容:

  1.   四足机器人步态运动的在线学习

 
一、四足机器人步态运动的在线学习
利用元启发式(meta-heuristic)优化算法和声搜索(Harmony Search)去提高四足机器人在确定环境中的运动速度,并且利用增强学习(Reinforcement Learning)算法提高机器人在非确定、非结构化环境中的运动能力使其具有较强的环境自适应性。