新工科背景下机器人工程人才培养体系的建设——以湖南大学机器人工程专业为例

随着新兴产业的兴起和新经济的发展,目前机器人工程等新工科人才培养体系存在教学资源不足、培养模式单一以及课程内容陈旧等问题,无法满足国家和产业发展对高素质新工科人才的需求。因此,湖南大学机器人工程专业立足国家战略和前沿产业需求,致力于培养多学科交叉型创新创业人才,提出了“三轴支撑—两链融合”的机器人工程专业人才培养体系。该模式自实施以来,在机器人工程领域人才培养方面取得了突出的应用成效,可供国内外高校借鉴。

“价值引领-战略驱动-五融并举”的机器人领域研究生培养探索与实践

机器人是“制造业皇冠顶端的明珠”,其研发、制造、应用是衡量一个国家科技创新和高端制造业水平的重要标志。湖南大学提出的“价值引领–战略驱动–五融并举”机器人领域研究生培养模式以思政引领、文化引领和科学家精神引领为价值内核,以面向空天信息机器人多模态感知与融合世界科技前沿、集群机器人化智能制造经济主战场、深空深海探测自主无人系统国家重大需求、高端医疗装备人民生命健康需求等国家重大战略为驱动,构筑了以德智融合、科教融合、学科融合、专创融合和产教融合为内涵的“五融并举”实施路径。通过推进实施该模式,学校在机器人领域研究生培养方面取得了良好的成效。

重大装备制造多机器人任务分配与运动规划技术研究综述

飞机蒙皮、船舶舱体、高铁车身等大型复杂部件高效高品质制造是航空航天、海洋舰船、轨道交通等领域重大装备发展的根基.大型复杂部件具有尺寸超大、型面复杂等特点,传统的人工、单机制造面临着效率低、一致性差、空间有限等问题,多机器人具有高鲁棒性、高效性等优点,为大型复杂部件制造提供了良好的制造基础.任务分配与运动规划是多机器人制造系统的决策中枢,其性能影响整个系统的运行效率.考虑到重大装备部件制造任务分配与运动规划过程中任务工序多、冲突干涉多、精度需求高等挑战,本文首先对复杂环境下多机器人任务分配与运动规划的重要性进行了说明;然后阐述了目前主要的任务分配与运动规划方法,包括其在智能制造领域下的应用;在此基础上,对现阶段复杂场景下任务分配和运动规划存在的问题进行了分析,并使用强化学习与混合优化算法等方法提出了解决思路;最后对重大装备大型复杂部件制造过程多机器人任务分配和动态规划技术及应用的发展进行了总结与展望.

机器人感知与控制关键技术及其智能制造应用

智能机器人在服务国家重大需求,引领国民经济发展和保障国防安全中起到重要作用,被誉为“制造业皇冠顶端的明珠”.随着新一轮工业革命的到来,世界主要工业国家都开始加快机器人技术的战略部署.而智能机器人作为智能制造的重要载体,在深入实施制造强国战略,推动制造业的高端化、智能化、绿色化过程中将发挥重要作用.本文从智能机器人的感知与控制等关键技术的视角出发,重点阐述了机器人的三维环境感知、点云配准、位姿估计、任务规划、多机协同、柔顺控制、视觉伺服等共性关键技术的国内外发展现状.然后,以复杂曲面机器人三维测量、复杂部件机器人打磨、机器人力控智装配等机器人智能制造系统为例,阐述了机器人的智能制造的应用关键技术,并介绍了工程机械智能化无人工厂、无菌化机器人制药生产线等典型案例.最后探讨了智能制造机器人的发展趋势和所面临的挑战.

“智能机器人技术”课程教学改革实践

为解决高校智能机器人工程专业在教学实践环节中教学定位不明确、缺乏规范的课程标准与教学模式等问题,从机器人工程专业多学科融合的特点入手,采用多类型移动智能机器人平台,围绕机器人结构设计、运动控制、仿真与工程验证,构建以电子电路设计-软件控制-系统仿真-项目实践为一体的学习框架,实现“智能机器人技术”从认知型教学到应用型教学,再到研究型教学和项目导向式教学。

机器人基础物理课程内容体系构建与教学实践

针对机器人物理课程教学中存在的问题,通过分析机器人专业培养目标、课程体系,结合机器人技术的行业需求,指出物理理论在机器人专业课程体系中的地位与作用,构建机器人工程基础物理课程的教学内容体系,对接学生需求,提出并阐述以问题驱动、讨论互动、线上与线下相结合、课堂教学有限翻转为特征的混合教学模式,以培养学生分析研究和处理复杂综合问题的高阶能力。

基于虚拟仿真的机器人专业综合设计实验方案探索

针对机器人技术发展快、专业知识综合性强、实验设备成本高等特点,提出机器人视觉引导控制虚拟仿真实验平台的设计方法和机器人专业综合设计实验方案,以此虚拟仿真实验平台为例,介绍基于科教融合的虚拟仿真实验平台设计、基于仿真平台的机器人综合设计实验课程建设、机器人综合设计实验教学,最后说明教学成效,以期对机器人工程专业的综合设计实验课程以及创新型新工科人才培养模式提供有价值的参考。

面向医药生产的智能机器人及其关键技术研究综述

医药行业是国计民生的基础,制药业的发展对国民经济和人民生命安全具有重大意义。随着人工智能等技术的发展与成熟,智能机器人在医药生产行业得到了广泛应用。智能机器人的出现使得医药生产在生产效率和质量上实现了新的突破,但也面临不少问题与挑战。鉴于此,综述了智能机器人在医药生产中的最新研究,首先对医药生产中常见的智能机器人以及其在应用时面临的挑战进行了概述,包括无菌制药机器人、灌装密封系统、质量检测机器人、智能搬运机器人等。其次,针对面向医药生产的智能机器人目前所面临的挑战,对基于多源信息感知的控制、人机交互、柔性抓取、瓶口定位、质量检测、路径规划、任务调度等关键技术进行了总结分析。最后,对面向医药生产的智能机器人的未来发展趋势进行了展望。

“机器人感知与学习”项目制教学改革实践

为改革优化机器人工程专业本科“机器人感知与学习”课程教学,本文从电气电子类学科特点出发,以项目制教学为中心重塑了课程教学体系。实践表明,改革后的本课程有效培养了学生的理论学习能力、编程实践能力和团队协作能力,为后续学习打下了坚实基础。

非结构化场景下基于改进JPS算法的移动机器人路径规划

针对移动机器人在大范围非结构化场景下的路径规划问题,在改进跳点搜索(JPS)算法的基础上结合A^(*)搜索,提出一种基于分层栅格地图的Jump A^(*)(JA^(*))路径规划算法.该算法对三维点云地图进行栅格化分层处理,将环境信息划分为结构层与非结构层,并建立搜索策略切换规则,依据图层信息使用不同的搜索策略,从而有效减少计算量.为了验证JA^(*)算法的有效性,在图层比例不同的三维地图中进行仿真,仿真结果表明,JA^(*)算法相比于传统的A^(*)算法遍历节点更少,搜索效率更高;相比于双向A^(*)算法,具有更高的鲁棒性.最后将JA^(*)算法应用在公开数据集中,实验结果表明,JA^(*)算法能有效解决移动机器人在大范围非结构化场景下的路径规划问题.

电力巡检机器人路径规划技术及应用综述

电力巡检是保障电力设备安全与稳定的关键.传统的巡检方式以人工为主,其高风险、低效率、易漏检的缺点难以满足电力巡检要求,将机器人应用于电力巡检具有安全高效、自主分析、智能决策的优势.路径规划技术通过求解巡检路线以实现遍历巡检与自主避障,是电力巡检机器人的关键技术之一.对此,首先分析不同电力场景的巡检内容与要求;然后,综述电力单体巡检机器人路径规划技术与协同巡检机器人路径规划技术,并总结电力巡检机器人路径规划技术在发电站、变电站以及输电线路场景下的应用效果;最后,对电力巡检机器人路径规划关键技术进行展望,即未来电力巡检机器人路径规划技术将向着多源异构信息融合、深度强化学习以及云边端协同路径规划方向发展.

高光谱遥感图像本征信息分解前沿与挑战

高光谱作为一种图谱合一的成像技术,在对地观测、航空航天领域具有十分重要的应用。然而,作为光学遥感的分支,高光谱成像易受到大气、光照等因素的影响。高光谱图像本征信息分解旨在抑制复杂环境因素对地物光谱与空间特征的影响,准确提取并表征观测场景最本征的光谱与空间信息,提升高光谱图像识别与解译性能。本文主要对代表性的高光谱图像本征信息分解的模型和方法进行综述,系统地分析了各种典型方法的原理及优缺点,进一步阐述了实际遥感应用中现有本征信息分解面临的挑战性难题,并结合遥感实际应用,对高光谱图像本征信息分解技术的发展趋势进行了展望。

基于区域注意力机制和多尺度特征融合的输电线路螺栓缺陷检测

螺栓在输电线路中起到了固定线路间连接的作用,一旦出现松动或者脱落,就可能会导致电力传输发生故障而引起大范围停电事故。显然,定时对输电线上的螺栓进行检测,对确保整个电力系统的安全稳定有着至关重要的作用。现有的检测方法大多基于深度卷积神经网络,然而螺栓特征不明显、尺寸小的特点给检测工作带来了挑战。针对上述问题,提出了一种基于区域注意力机制和多尺度特征融合的输电线路螺栓缺陷检测方法。首先,提出了适用于目标检测的区域注意模块,将该模块嵌入至ResNet50的残差块中以增强网络对螺栓的特征提取。其次,在特征金字塔结构(FPN)的基础上,扩展一条自下而上的路径,同时对浅层特征进行充分利用,以提高对小物体的检测精度。最后,为了缓解样本间的不平衡问题,引入了PrIme Sample Attention(PISA)软样本采样策略。实验结果表明,所提方法在检测输电线螺栓时,均值平均精度(mAP)达到了74.3%,平均召回率(AR)达到了86.4%,检测速度为8.2FPS。与其他检测网络相比,所提方法在不牺牲太多检测速度的基础上,提高了对螺栓缺陷的检测精度。

飞行作业机器人动态抓取的非奇异终端滑模自适应控制

飞行作业机器人是指搭载主动作业机构拥有与环境进行物理交互能力的一类新型机器人系统。针对飞行作业机器人在动态抓取时的稳定控制难题,设计了一种非奇异终端滑模自适应控制器,通过设计辅助系统提升飞行作业机器人在面向不确定接触力时的抗扰动性能。利用牛顿-欧拉方法对飞行作业机器人进行动力学整体建模。考虑到机载机械臂末端与物体之间的瞬时接触力是抓取时的主要干扰源,利用冲量定理建立接触力的动力学模型,提高了飞行作业机器人动态抓取时的建模精度。为降低动态抓取时剧烈扰动对飞行控制性能的影响,在控制器中设计辅助系统补偿可能出现的输入饱和问题,加强了处理瞬时扰动的能力。所设计的方法通过Lyapunov理论给出了稳定性证明。仿真和实验结果表明,提出的方法在飞行作业机器人动态抓取过程中具有更强的稳定性和更快响应的优势。

基于模糊遮蔽与动态推理的生成式工业异常定位模型

工业生产机械化对工业产品质量检测环节提出了新的要求,需要一种具有高精度、易于移植的异常检测算法来适应生产方式的更新。针对工业生产中,异常样本出现概率低、无法完全预测的固有难题,提出了一种基于模糊遮蔽与动态推理的生成式工业异常定位模型。首先,设计了一个基于随机模糊遮蔽的对比样本生成模块,用于获取高质量的模拟异常图像。同时,利用浅层特征融合路径保留更多的边缘信息,使用损失函数加权使模型更加关注结构相似性,以及使用对比学习的方式使网络获得更好的表示能力。其次,为了缓解生成式模型输出图像模糊的问题,设计了多分支异常动态推理方法,使迭代生成和精准修复两分支相互配合,拉远背景噪声与真实异常间的距离。实验结果表明,所提方法在MVTec数据集上取得了91.42%的平均定位精度,其中有12类达到了前三的异常定位精度,能够较完整地获取异常地位置;对于纹理复杂和背景占比较大的图像,所提方法仍然保持着较高的指标敏感度,其异常定位性能在近年来提出的生成式检测模型中取得了最佳。

基于任务关联特征解耦网络的无监督领域自适应图像分类

无监督领域自适应(Unsupervised Domain Adaptation,UDA)旨在帮助模型在跨域分布差异条件下从带标注的源域中学习到知识,以迁移至无标注的目标域。当前先进的域自适应方法主要通过直接对目标域与源域分布对齐来实现,其中特征往往被当作一个整体对象用于开展域间自适应任务,忽略了特征中的任务关联信息(域间不变、域内独特信息)与无关信息(颜色对比度、图像风格)耦合的情况,使得模型难以把握关键的特征信息,从而导致次优化。针对上述问题,提出了一种基于任务关联特征解耦网络的无监督领域自适应分类方法(Task Relevant Feature Separation Network,TRFS),通过对域间风格混合干扰下的特征与原始特征的注意力进行一致性的学习,来帮助网络提炼出与下游任务相关的特征权重,并进一步采用权重差获取任务无关特征权重,而后通过正交函数约束推远任务关联与无关特征,实现特征解耦;设计了任务特征细化解耦层,减轻配对特征与域独特特征混淆的情形,优化模型对分类判别的精度。此外,为了提升伪标签质量,引入基于记忆力银行的领域聚合伪标签生成方法,用于降低伪标签噪声。综合实验结果表明,所设计解耦模块具有良好的即插即用性,能够提升自适应方法的性能;且所提方法相比其他先进的域适应方法具有明显的优势,其中在Office-Home数据集上达到了73.6%的分类精度。

上下文空间与实例信息的皮肤镜图像自监督分类

针对基于深度学习的皮肤疾病检测方法受限于皮肤镜图像标注难度大、成本高、耗时耗力等问题,本文提出了一种针对皮肤镜图像的自监督学习方法,利用无标注的皮肤镜图像来提高皮肤疾病分类准确率。根据皮肤镜图像空间结构相似度高、信息单一的特点,使用基于旋转预测自监督代理任务,通过模型预测图像旋转的角度,约束模型对图像病变区域的关注,学习上下文空间特征;同时使用个体判别任务,利用正负样本对比学习,获得皮肤镜图像实例信息,为皮肤镜图像的分类提供全局分类信息指导;融合上下文空间特征与实例语义信息得到初始的皮肤疾病检测模型。实验结果表明:本文所提的自监督学习方法,从无标记的皮肤镜样本挖掘出重要信息,更有效地关注皮肤镜图像病变区域,通过融合皮肤镜图像特征信息,使分类结果更加准确。

基于谱残差变换的电力设备热缺陷识别技术

本文提出一种基于谱残差变换的电力设备热缺陷识别技术。首先,根据电力设备红外图像中自然背景的冗余特性和热缺陷目标的显著性特征来构建谱残差变换模型,对电力设备红外图像进行谱残差变换,生成具有显著性信息的热缺陷初始识别结图。然后,采用引导滤波技术对初始识别结果进行处理,联合利用红外图像中的温差信息和空间结构信息,提升热缺陷的识别率,生成最终识别结果图。实验结果表明:与其他传统热缺陷识别方法相比,本文所提出的方法在识别精度与识别效率上有显著优势,满足电力设备热缺陷带电检测的应用需求。

面向工业图像异常检测的连续密集标准化流模型

工业产品表面异常检测是生产制造中不可或缺的环节。在实际工业生产中,普遍存在异常样本所占比例低且未知异常复杂多变等现象,进而造成在小样本数据集上过拟合、泛化能力不佳等一系列负面影响。近年来,标准化流思想为基于深度学习的工业图像异常检测带来了新途径,但标准化流的固有架构易导致模型表达能力不足。针对上述难点,提出了一种面向工业图像异常检测的连续密集标准化流模型。首先,设计一种基于对比学习的特征提取网络预训练策略,将模拟异常数据和少量真实异常数据加入对比学习任务中,并训练特征骨干网络AlexNet拉近或拉远特定样本间的距离;其次,设计连续密集标准化流模型,采用可逆变换的复合架构来构造密集流模块,增强生成式模型对分布的拟合能力。在MVTec AD和Magnetic Tile Defects以及自制的工业布匹数据集上的实验结果表明,与其他的异常检测模型相比,所提方法在3个数据集上的检测性能达到了最优或次优的水平。

高校大型科研仪器开放若干问题对策

大型科研仪器科技资源内涵丰富,是高校教学和科研工作的重要保障。针对高校大型科研仪器开放过程中突出存在的开放保障机制不够完善、开放实践项目资源不够充实问题,从大型科研仪器开放的渠道、资源和师资3个方面提出了改进策略,并以湖南大学机器人国家工程研究中心的机器人大型精密设备为例,提出了以机器人科研、产品、竞赛和创新创业项目为导向,开发机器人开放实践项目的一般原则和流程,然后基于一种四足机器人开发了一个机器人开放实践项目实例。近3年学生机器人大赛成绩验证了对策的有效性。