Motion Localization with Optic Flow for Autonomous Robot Teams and Swarms

The ability to localize moving objects within the environment is critical for autonomous robotic systems. This paper describes a moving object detection and localization system using multiple robots equipped with inexpensive optic flow sensors. We demonstrate an architecture capable of detecting motion along a plane by collecting three sets of one-dimensional optic flow data. The detected object is then localized with respect to each of the robots in the system.

多机协同智能发展战略研究

多个自主智能系统通过信息、行为交互构成的多机协同智能,代表着未来智能系统的必然发展趋势,是我国新一代人工智能规划部署的主攻方向,也是支撑国防、社会安全的核心技术和推动制造业由大到强的必由之路。开展突破多机协同智能技术发展研究,对于推动我国军事智能、智能产业高质量发展、加快工业转型升级具有重要意义。本文基于多机协同智能系统当前面临的难以适应复杂任务这一挑战,从基础理论和核心关键技术两个层面出发,系统地梳理了多机协同智能的研究现状,分析了制约基础理论与关键技术发展的主要瓶颈性问题,并以多机协同智能制造为典型应用,剖析理论与技术发展中存在的问题。研究认为,多机协同智能将朝着人机群组智能的方向发展,为抢占发展先机,需及早布局人机群组智能的基础理论探索,加速核心技术突破,并加快应用示范。

基于眼动追踪和触觉反馈的人-多机器人班组交互系统

针对在动态复杂、非结构化的场景中缺乏自然、高效人机交互方式的问题,提出了一种基于眼动追踪和触觉反馈的人多机器人班组交互系统,用于管理由多机器人和人组成的团队。该系统利用混合现实头盔在现实世界中叠加虚拟交互界面,操作员通过基于凝视信号的非语言注意力感知的输入方法进行人机交互指令的输入,进而控制多机器人进行协同运动,同时操作员通过振动和挤压2种触觉反馈模态来感知多机器人系统编队队形的尺寸变化与编队完成状态。为了验证人机交互系统的有效性与可行性,设计了触觉反馈实验与人多机器人班组交互系统实验,实验结果表明:所提出的基于眼动追踪和触觉反馈的人机交互系统能有效控制多机器人系统进行编队,指令执行成功率达93.3%,与仅通过视觉反馈相比,在有触觉反馈的情况下操作员可以使用更少的时间完成多机器人状态感知,交互效率提高了14.55%。

达芬奇机器人手术中断的现况调查和原因分析

目的 分析达芬奇机器人手术中断事件的频率、分布状况和结局等特点,为探究管理达芬奇机器人手术提供经验及参考。方法 2022年12月至2023年9月对东部战区总医院、浙江大学医学院附属邵逸夫医院、江苏省泰州市人民医院的达芬奇机器人手术团队进行观察,使用德尔菲法构建的达芬奇机器人手术中断事件调查表,记录手术中断事件的具体内容,采用SPSS统计学软件进行数据分析。结果 共调查139台择期手术,共368 h,记录中断1 458次,平均中断次数3.96次/h。中断的因素由高到低依次为沟通因素353次、物质因素282次、教学因素256次;巡回护士遭受的中断最频繁为648次、外科助手为226次、主刀医师为150次。在麻醉开始至机器人对接阶段最易中断,为(8.23±1.18)次/h;中断造成的结局为险失事件589例,消极事件523例,积极事件346例;设备因素、物质因素导致的中断多为消极结局。结论 机器人手术中断普遍存在,最易发生在麻醉开始至机器人对接阶段,手术中断严重降低手术室运行效率,有必要采取措施降低中断的发生,识别导致消极结局的中断因素对手术安全具有重要意义。

基于Markov对策的多智能体协调方法及其在Robot Soccer中的应用

提出了一种分层的基于Markov对策的多智能体协调方法 ,根据多智能体之间的竞争和合作的关系 ,高层采用零和Markov对策解决与对手之间的竞争 ,低层采用团队Markov对策完成与团队内部的合作 .通过在RobotSoccer中的应用和实验 ,说明了基于Markov对策的多智能体协调方法优于传统的多智能体学习 .

人机协作对项目团队绩效的影响研究:有调节的中介效应模型

鉴于人机协作对员工及团队绩效的影响机制存在认知差异,整合资源保存理论、自我调节理论以及角色理论,构建人机协作、团队绩效,团队创造力以及团队虚拟性的被调节中介模型,并结合模糊认知图(FCM)仿真方法,对影响因素之间的相关性进行动态分析。研究结果表明:(1)人机协作对团队绩效具有显著正向影响;团队创造力在人机协作与团队绩效关系之间发挥显著的中介作用;(2)团队虚拟性在直接效应和中介效应中均发挥了调节作用;(3)通过情景分析证明人机协作是影响团队绩效的最根本原因,团队虚拟性是智能技术应用的边界条件。研究结论拓展了项目情境下人机协作在项目领域的影响效应和团队虚拟性的调节机制,为项目团队科学合理应用智能技术和团队绩效管理提供借鉴。

多学科协作加速康复外科模式在骨科机器人导航下椎弓根钉内固定术病人中的应用

目的探讨多学科协作加速康复外科(MDT⁃ERAS)模式在骨科机器人导航下椎弓根钉内固定术病人中的应用效果。方法选取我院2022年1月至2022年12月收治的行骨科机器人导航下椎弓根钉内固定术病人42例,按照随机数字法分为观察组和对照组,每组21例。对照组病人给予常规护理,观察组病人给予MDT⁃ERAS护理干预。观察两组病人静息性和活动性疼痛、腰椎功能恢复情况、住院时间、病人满意度和围手术期并发症发生情况。结果观察组病人术后静息性和活动性疼痛评分、Oswestry功能障碍指数(ODI)均低于对照组,差异均有统计学意义(P<0.05);住院时间明显较对照组缩短,术后并发症发生率亦明显低于对照组,差异均有统计学意义(P<0.05)。结论对骨科机器人导航下椎弓根钉内固定术的病人采用MDT⁃ERAS模式,可有效降低病人术后疼痛,帮助病人安全度过围手术期,促进病人术后腰椎功能恢复,提高生活质量。

机器人辅助腹腔镜妇科手术影响患者安全的因素与优化措施

机器人辅助腹腔镜手术(Robot-assisted Laparoscopic Surgery,RLS)是一种安全、可行的手术方式,但其操作方式可能对患者的安全性产生不良影响。通过回顾性分析相关文献,本综述总结了影响妇科RLS患者的安全因素,主要包括手术技巧及经验、术中沟通与合作、术中干扰等方面,其优化措施分别为加强医师培训、加强术中沟通与合作、避免手术中断,且医师培训模式的改变是优化手术的关键。医师培训模式的优化措施包括训练模式的转变、双控制操作台模式的引入、不同手术步骤的标准化、手术室设置和人员的标准化,以及模拟器训练评分标准和方式的多样化等,以改善RLS影响因素所带来的不利影响。

共享心智模型及其对人机团队绩效的影响

随着人工智能技术的发展,复杂系统中人和机(智能体或机器人)协同工作的模式愈发常见,但实践中人和机常产生冲突,根本原因是人和机(设计师)心智模型的不一致。因此,人和机需要共享心智模型并形成团队,才能保障任务完成效率及系统安全性。围绕共享心智模型的主题,首先回顾了心智模型的概念发展、特点与形成;然后,梳理了共享心智模型的概念、组成、测量及其在人机团队中的应用,辨析了共享心智模型与团队心智模型的概念;最后,讨论了共享心智模型对团队绩效的影响,总结了现有研究,并展望了未来研究。本文的总结与分析可辅助用于人机协同系统的良好设计,也可启发未来人工智能技术的发展。

工业机器人应用对制造企业绩效的影响

本研究选取2011—2019年沪深A股制造业上市公司数据,实证研究了工业机器人应用对企业绩效的影响,并且考察了高管团队年龄异质性和职业背景异质性的调节作用。研究发现,工业机器人应用促进企业绩效提高,高管团队年龄异质性正向调节工业机器人与企业绩效之间的关系。

机器人足球策略的研究

RoboCup是研究动态不可预测环境中的多智能体系统的典型平台 在RoboCup仿真比赛中,机器人整体团队协作和局部对抗规划都是比赛成功的关键 对于团队协作,应用面向对象的方法分析了机器人足球队员的角色特点,部署了不同队员的踢球策略 在射门对抗规划中,分析了球员射门时几个关键性的影响因素,并参考这些因素设计和应用一个关键性的射门函数 实践证明了在实时比赛环境中。

模块化可重构服务机器人群的任务规划

对模块化可重构服务机器人群在医院中应用所产生的任务规划问题进行了分析和建模,提炼出一个多目标、多约束的多维组合优化问题.设计了改进二进制蜜蜂算法(IBBA)进行组合方案寻优.作为一种启发式群智能优化算法,其特点在于:(1)全局搜索和局部搜索的功能划分明确且并行实施;(2)在基本算法框架中融入了组合方案的表示与进化方法、多目标处理方法、约束处理方法等要素;(3)在算法原型的基础上改进了局部搜索策略.针对一个实际算例进行了优化计算,算法在可行性、稳定性、计算结果质量、计算效率、单目标优化等方面取得了较好表现,并从算法机制中得到了合理解释.扩展了模块化可重构机器人的研究范畴,为多目标、多约束的多维组合优化问题提出了通用的建模方法和优化算法.

一种基于Agent团队的强化学习模型与应用研究

多 Agent学习是近年来受到较多关注的研究方向 .以单 Agent强化学习 Q - learning算法为基础 ,提出了一种基于 Agent团队的强化学习模型 ,这个模型的最大特点是引入主导 Agent作为团队学习的主角 ,并通过主导Agent的角色变换实现整个团队的学习 .结合仿真机器人足球领域 ,设计了具体的应用模型 ,在几个方面对 Q -learning进行了扩充 ,并进行了实验 .

基于机器人竞赛的大学生创新团队建设初探

综合了多领域前沿技术的机器人竞赛正在国内外迅速发展,也成为高等院校对大学生进行创新能力培养的重要平台。本文在介绍机器人竞赛基本情况后,对创新团队建设的意义与目标进行了阐述,并依托机器人竞赛归纳了创新团队建设的对策,实现学生团队能力和创新能力的培养。

基于大学生科学研究与创业行动计划的机器人创新团队建设研究与实践

介绍了北京市大学生科学研究与创业行动计划以及机器人创新团队建设。研究表明由"个别参与"到"团队协作"的转型是创新教学组织、方法和载体的必然选择;实践表明搭建基于分布-平等式管理模式的教师团队、组建基于项目管理的学生梯队、承办校级比赛、确立不同层级的训练项目、开展国际交流合作以及建立信任、形成团队心智模型、促进知识共享与建立长效激励机制,对提高学生创新能力和开展创新团队建设具有极其重要的意义和帮助。

基于动态角色的多移动目标围捕问题算法研究

基于动态角色配置的思想,提出机器人动态构建团队,合作完成多移动目标围捕任务的算法。每个移动机器人执行一个角色,角色随着环境的动态变化而不断进行更改、交换,实现团队的动态构建,不仅能适应环境中的未知事件,而且能最大地发挥个体机器人在整个团队中的作用。在简单仿真环境中进行的模拟实验表明,多机器人能够有效地合作捕获多智能移动目标,文中提出的解决方案是行之有效的。

基于BDI的足球agent和TH-soccer平台

机器人足球赛是典型的 MAS问题 .建造了 TH- soccer比赛平台 ,利用 BDI实现了足球 agent模型和比赛算法 ,并在模型上实现了 team work方法 ,可解决个体与 team行为选择矛盾的问题 ,还给出了个体对抗 ,局部战术和全局战术等协商、协作和对抗方法 .改进了 Milind

机器人足球队的结构设计研究

机器人足球比赛是一个典型的多智能体系统 ,是人工智能研究的热点之一。本文在简要介绍Robocup仿真比赛环境的基础上 ,探讨队员Agent的结构 ,球队结构设计 ,决策层的设计与实现。

一个描述机器人团队形成的动态演化模型

目前在多机器人领域,对组织、团队和群体概念比较混乱,团队形成的研究大都停留在定性分析阶段。借鉴Markov过程和进化计算,从协作主体层和能力层研究了机器人团队和组织的区别及团队的形成机制。提出并全面描述了一个机器人团队形成的动态演化模型,目前国内外尚无类似模型。该模型不仅能对机器人团队有一个整体描述,而且能定量描述团队形成时的动态演化过程。