欢迎您来到中关村人工智能科技园!

新闻资讯News

专家演讲实录:夏元清、刘华平、黄英

2019/05/08 来源: 中关村人工智能科技园
\
 
  本次“2019未来之门中关村,京西人工智能产业化论坛”邀请了诸多业内知名专家及资深从业人士与会,为嘉宾们提供了探讨产业未来前景的绝佳平台,下面小编就为大家带来三位专家的主题演讲,请感受AI领域最前沿探索者的精彩发言和思想碰撞!

  北京理工大学自动化学院院长,长江学者特聘教授夏元清
  主题云控制技术及其应用
  各位领导,各位专家大家好,我今天给大家讲的是叫做云控制技术及其应用,云的技术,主要包括三个部分。首先是语音控制的概述以及云控制在云数据中心的应用,以及最后是智能制造中的应用。首先云控制这个概念本来是没有的,是个无中生有的东西,是我自己提出来的。那么因为现在的云无无处不在,对吧?以前大家以前讲民族是炒概念,现在哪都离不开云。所以现在是存在我们生活中了。那么比如说智能制、造智能装备,3D打印等等的。叫做云无处不在。就那么数据存在云端,现在随着人工智能就AI的发展。那么离开大数据肯定是没有AI,那么这个数据是存在云端。在云端进行分析。就是像我们的大脑就存在很多数据,我们大脑进行分析,那么云端就是可以直接做什么?计算优化计划调度,决策预测和控制。这个相当于大脑大脑及云端,我们叫云控制在大脑。另一方面,我们还有感官。刚才我们几个专家都讲了触觉,包括还有很多其他的感觉感知器官。体部运动系统,以及那么比如我们反射是一个局部控制系统。边缘控制系统,它小有小脑控制,复杂的运动仍有几个大脑控制。所以就是说大脑的控制和我们局部的边缘的控制系统是不一样的。所以针对这种情况我提出了云控制系统。那么再就可以用在哪个地方,比如说复杂指导过程在智能故障工业系统中,工业系统中各种传感器,包括刚才讲的各种各样的传感器,那么在这种传感器工业场景的传感器,通过采集在充满器材及的信息,我们就要定义进行就增产工业流云工作流,现在流程调,计划调度,最后还要在什么来进行运算,在云端进行计划调度决策究竟该怎么做,所以这个是一个框架,整个形成一个闭环的系统。所以智能制造工业互联网需也需要云控制的实现。因此云控制的由来就是我从12年就是那时刚才云刚刚开始,在国内刚刚兴起。我是搞控制的,2019年有不少搞控制的专家搞自动化工程专家。那么我们控制怎么去发展,怎么和实际进一步结合,云出来了我们应该怎么办?那么我们控制系统企图控制部分就应该在云端来实现,我就在12年发了文章,然后到15年,因为发出来之后15年,人家觉得这个文章挺有意思!邀请我发展几个自动化学报英文版上。因为晚上然后英文版上发出来之后,因为发展国际刊物一大家都很关注,然后自动化学报中文版,中文版的编辑叫我赶快翻译成中文发到自动化学报上。就是在2016年发展自动化学报上进一步他们给出了新闻。推送就是云控制系统其实面临挑战这个文章还有微信。然后我们进一步在都在北京的计算机国际大会上做了个大会报告,就云控制。因为云控制和计算机结合形成语音控制,大家都没见过。计算机界的也很感兴趣,就邀请我做大会报告。大会报告做完之后再中国科学上发表中国科学张。再进一步,那么我们要把控制和计算,就像开始管院士讲的信息物理融合系统怎么结合在一起,就又进一步发展了,刊物在零分钟里边我们进一步提出。云计算是服务控制。实际上也是一种服务。我们把各种控制算法集中的云端。你哪个地方需要哪种控制方法,直接从云端来经过学习,能够选择相应的控制算法然后再进行质证调节参数,直接完成了,这个是我们要怎么去做的这件事。然后进一步在发展提的控制及服务的概念,当然了,最好的系统如果没有安全谁也不敢用。所以刚才他们的报告中防攻击一个控制系统,包括工业控制系统,工业互联网,特别现在是非常火的。那么安全部分也是非常重要的。所以我们也做了安全部分。当然也有好进行了企业期刊进行了推广,用微信的推广,我们也成立了个学会,就成了云控制与决策专业委员会!这是在我们老家安徽的专业委员会。
  我们那么控制。特别是交通,刚才大家也讲到交通的大数据,数据存在什么也是能力云端。那么基于在这个情况下来怎么来进行对智能交通控制系统,我们在19年就是刚刚的过去的几一两个月我们发表智能交通信息物理融合云控制系统,发展自动化学报上和交通运输部王效丁他们合作的。那么我们同时不仅发了文章,我们也开发了实际的系统。比如说我们提出了云控制力觉的概念,然后提开发了云控制系统实例的架构。并且搞了测试平台也做了。我们做的结果也得到了很多人的响应。比如说东芝公司利用基于我们的基础进一步做了云控制系统。我们跟阿里合作,阿里天天跟我们合作交流,要发表文章,比如商汤科技,公司发表了很多文章。所以东芝公司也是基于我们基础上进一步做相关结果,还有其他的清华大学基于我们云控制系统做了故障检测。因为数据在云端,那么数据根据历史和现在的数据可以检测你的终端,比如说比如电击或者其他发生什么故障。那么还有一些解文章比其他的同业记得同行的引用我就不详细说了。
  另外在17年我们中国自动化大会学会上,邀请了德国赫尔教授做工业4.0的大会报告中,他的大会报告中教授是代表德国政府和我们中国政府签订工业四点协议的,大家可以看到,后面站台的是李克强总理和默克尔总理,那么他在大会报告中专门提到了专门提到了我说的。所以说云控制技术可以说也是工业4.0中的核心技术之一。就是我们提出来之后得到了业界包括企业界的认可。那么同时我们也得到了国家项目支持,比如说得到了国家重点研发计划。云数据驱动的云数据中心国内平台,这是我申请的国家科技部重点研发计划,可能许多企业也参加,最后拿到了。其他都是计算机的,我是搞自动化的。另外也得到了国家重点项目,就是面向智能制造的面向工业制造过程,智能感知处理决策与控制理论方法国家,人工智能重点项目的支持,就是分别到了基金委,科技部的项目的支持。当然我们要做的好的话,以后有可能得到进一步得到企业的合作和支持。那么我们也获得人工智能颁发的,虽然不是一等奖,是二等奖,就是我们从概念提出到有文章发表到企业的应用,包括还是得到了大家认可,也获奖了。所以从整个流程刚才讲的从到推广得到资助,最后的获奖。
  那么下面讲讲在云控制的云数据中心的应用。那么云数据中心大家可能知道,现在数据越来越多,数据总要地方的保存,否则这个放哪去?那么发放的地方就是云数据中心。所以云数据中心现在是个企业,工业国家一个重要经济增长点之一。包括你看阿里,国外的也到中国来就在内蒙古建云数据中心,因为这事,因为现有的云数据就逐渐要饱和了,因数据有这么发展,这么产生这么多,肯定要量化,所以云数据中心的建设得到越来越多企业的感兴趣在这方面投资。但是在管理方面还存在问题。所以你看包括腾讯百度,还有很多在这方面做这些应用。所以在国内方面,但是这个研究还是不够。如果见了这么大数据利用率很低,很多企业都在那都慌了,一个入驻的企业都没有,所以在管理方面存在问题。另外就是刚才讲的设计应用率。比如CPU的利用率很低。那么云数据中心所以要进行智能管理。那么他是云计算发展的关键智能技术。比如说运营数据的高效采集,精准预测,智能决策,优化调度管理。还有智能化管理。所以这种东西就横着很多的挑战。我们现在带了100多个人的团队,在我这个团队中有大唐,联想,联通,阿里,还有包括我带的还有清华的各个高校,100多人在做这个方面的开发。那么开发要做什么东西。就是说大规模云数据中心需运营数据智能管理技术。跨多个云数据中心运营数据,高效采集工具采集到的海量数据,才在噪声以及迫切需要安全高效的异构运营数据存储方法。还有亟需安全高效的数据检索机制。数据存储了这块我要坚守的快地把一个比如一秒就结束,就是说这个事就是说数据智能管理技术,我们有专门一个团队来做这个东西。所以大规模云数据中心运营数据管理问题是其中关键问题之一,另一方面就是能效难以实现有效评估预测。那么现在借大数据中心最关键问题是什么,POE对吧。他的能量是不是消耗能,它是高能耗企业如果降低能耗是关键问题之一。那么如果降低能耗,就是说目前缺少跨云数据中心能效指标体系以及能效预测模型和差异性的能效模型直观评估方法。因此就大于规模的云数据中心能效评估预测问题,不知道我要用多少对吧?你去建一个数据中心,人家地方肯定政府工作你要电能是多少,你要耗电太高了,他也不敢见了,是不是,所以有这样问题,还有大数据大规模云数据中心吃饭,自主学习,智能决策机制。比如说因为数据中心对吧?各种各样的数据放在这里,企业都来租这个数据中心,那么这个里边系统复杂,难以在线决策以及任务请求,跨数据中心资源难以有效系统发现。并在数据驱动的大规模云数据中心资源智能调度与管理问题是关键问题之一。数据驱动现在都人工智能,实际上就是数据驱动的方法之一。另外一个方面缺乏典型应用的云工作流管理调度技术。比如说大数据时代应用的复杂性,多云,数据中心环境的动态性以及大量个性化差异化的服务质量需求。云物流调度区分智能化处理,都是靠拍脑袋靠领导来决策,2019年。怎么做明天怎么做?但是在这么乘上一个用户来需求情况下比如说阿里说双11对吧?你怎么来调度?只有靠人工智能来管理。所以面向典型应用的云流智能调度,管理调度问题是核心问题之一,所以我们针对这四个关键问题进行科技问题要达到预期目标是什么?高效采集与管理,有效评估与精准预测,达到自主智能决策,智能化管理与调度达到这四个目标。那么这四个目标具体用了关键技术,就是说运行数据,智能采集技术等,最后要在航天制造方面当然不仅是航天制造,我们到现在人智能工厂对吧,也是现在正是国家极力推荐的方向之一,最后要形成应用示范。

\
 
  那么就要解决详细地来讲一下研究内容包括多元数据采集,运营数据质量保证,高效家书运营数据安全存储云形的高效检索。他具体思路就是什么呢?我们研究多元数据支撑与采集技术,实现数据清洗为降维!在此基础上,提出分布式运营数据安全测试方法。实现跨数据的运行数据高效存储。并且因为有的数据核心数据是要加密,有的是不需要加密,所以要实现研究支持运营数据,高效检索方法实现运营数据高效检索。那么在大规模语音数据中能效评估预测方面,我们要匀速数据能效机器运算模型方法。再进一步应用任务能效指标的定量与定性分析技术。沿着大规模云数据中心能效评估预测系统。其技术流线比如说首先是基于通信性能和网络流量,涉及跨云数据中心的能效指标。在这基础上基于特征选择提取能效相关的关键运营数据。构建利用在线学习构建能效动态预测模型。结合用户评价,举证设计,又服务质量规约的加权能模型,利用机器学习方法实现多能效指标的融合。最后什么在运算中要进行应用进行并行。那么数据驱动的云数据中心智能管理调度方面。那么首先是数据驱动的大规模云数据中心系统表征学习建模,在此基础上,基于深度强化学习的云资源智能调度管理方法,再进一步的利用数据驱动的任务。实现基于深度学习的云数据中心智能调度与管理系统。技术路线首先是基于云数据中心资源,研究多任务的表示计算和多维度融合的方法。基于任务动态图系统博系统模型以及研究基于深度强化其在语音资源调度技术,在此基础上进一步给出利用负债,然后关联实现支撑与能耗管理,并进一步提取任务调度共性之力研究员资源调度。实现利用算法自动生成技术,实现任务金币和调度。最后实现了大规模云数据中心资源的自主智能决策。那么路线首先是支持复杂应用的语音工作,流智能管理关键调度的关键技术一,进一步是面向大规模应用的语音流调度关键技术。在支持用户定制与智能部署的云工作流架构与平台服务平台。那么其基本的技术路线首先是基于流程挖掘技术员工都有调度技术,实现预测方法。智能管理调度的方法。自己并进一步利用并行语音功能的角度,技术员工作流掉入集以及跨云数据中心的人工智能技术方法,实现大规模应用的一个工作的角度。最后影响有用户定制的叫做云服务的架构设计。就可能大家要搞这个的肯定知道。继续开发S的开源软件,自己开发,我们也是现在做基于容器机的用开源的开发,S来这一部分是有清华部分的是乙方,其实我们来实现。那么支持用户定制的与部署在云工作流服务平台。那么云数据中心智能应用系统研制及应用示范。比如说我们最后还要再企业进行进一步应用推广。那么包括数据驱动云数据中心,智能管理架构与设计集成。就是我们所有开发的系统最后都要在推广给企业的应用,就是高校,现在是产学研,不是要求很紧密,这是国家立项,还有现在高校也这样要求。所以特别北京有资源的优势,对吧?产学研联动比较迅速。那么。在这个技术路线,首先比如说我们有联通数据中心,联想数据中心,航天云网,数据中心,包括我们和我们合作的阿里云数据中心,在此基础上,跨云资源发现融合系统,最后再进一步来调度具体的资源,就调动军事资源。最后要进一步在应用示范,这是我们给出的一个架构,是这个架构实际上就是云控制系统的一个整个的一个思想那么刚才讲的在云数据中心。那么还有个智能制造也是国家现在重点就是我那么在智能制造这个场景大家可能就比较了解了,现在国家工智能制造。所以那么国家为什么推?因为这是产业升级,可能大家都知道。那么在这个方面一个是云数据中心。另外云数据中心毕竟有他的自己的问题。所有的数据都要传到云端。那么我们终端数据要传到金融再返回来。显然它有延迟长,那么现在后来进一步发现,实现边缘计算许多事。基于数据不一定要全部送到云端,我们在边缘就可以了,对吧?边缘就可以了。所以叫边缘计算争。那么云端基础技术对吧?就是关工业互联网发展的关键使能技术。所以云端云和端,有的是云来做,有的事端来做云端协作。所以大家看典型智能制造典型的场景,所有的企业,包括我们的企业,现在都要进入到介入工业云平台,不同企业终端资源就会安全认证服务。虚拟化技术云端云平台根据用户个性化定制需求,对树立资源进行动态配置!进一步按需构建虚拟工厂,形成虚拟制造网络。那么在制作中,包括机加工,3D打印,还有加工数据,实时处理,闭环控制进行端到端的云端协作调度。最后你看整个加工过程中需要申请生产场景的实时感知及终端资源,柔性决策与闭环控制,新增云端通讯写作的复杂应用场景,就是现在我们智能制造大部分可能就是这种场景。那么在这场景中,我们可以发现几个关键的问题。第一个概率问题就大量无重安全生产环境。例如有的我们不能加入。加入了传感器,我们加了比如说视觉的听觉的,这是可以的,所以加了非传感器场景感知,我们要进行升级,就加上新的传感器,2019年主题不是传感器,那么另外一个工业综合协议,,海量终端低效,比如说我们这个大家可能知道你一个企业买的各种设备,它在协议是不一样的,对吧。更难以联通。还有工业内部的网络和工业外部。所以在这方面我们要在要大规模预购,终端支撑,以互联互通问题。实际上现在这个是也是关键问题之一,问题之一。
  另外就还有工业,大数据难以实现动态按需实时处理,就数据这么多。哪些数据是重要的哪些数据是不重要的,对吧?你要实时处理这些问题。所以进基于这方面的问题,我们要工业互联网大数据高效处理问题也存在这样的问题,作为现有工业制造难以实现大规模个性化定制。现在都是批量化生产,我现在有的地方已经实现,比如说我要买一双鞋子对吧。马上发过来,你要什么鞋子里,把你自己画上自己的图案翻过去。他马上就生产了。当然这个价格就比较高,这个是个性化定制衣服也这样。你希望什么自己也用了什么东西对吧?这是个性化定制!但是现在的工业生产线地方要么刚性,要么柔性不足,无法形成闭环。所以很难达到个性化定制。柔性生产闭环控制的这些问题。另外工业中从封闭走向开放,需要新的安全的手段。在刚才说的再好的这个企业最好的一个生产线,如果没有安全。很多人就要来搞着玩玩,那么有物理隔离难以保证能把物理隔离起来,现在是物理隔离,那么仍然缺乏自治,工业互联网云端了,吸收了整套安全技术,所以最后要保证安全可信,这样的我才放心的去。来工业企业才敢用。所以要实现几个目标,刚才讲。研究领域主要包括因为时间的关系,我就讲快一点。非传感器感知视觉计算的非传感器,精确感知,多元异构感知信息融合理论方法,知识驱动的工业场景自身感知。那么比如说利用云端的全局知识以及本地的深度学习,突破边缘低延迟高高精度的视觉感知计算在进一步提升,实现边缘非侵入式,自适应感知。在指数上到了工业云端,这是到云端数据就减少了,那么共享模型汇聚边缘节点构件生产场景的制图部以及推荐模型在云端经营什么参数更新模型更新等等。这个事件云端提出了自适应感知。那么在一个总的方面,一个总的互联,要实现工业智能网关多几十倍,汇聚支持工业远程协议进一步工厂内部还要进行互联。5G刚才大家也讲到5G是事件,可能是工业互联网的工人的生产可能是关键技术,现在看大家国家也正在大力的力推,技术路线,你把到工业场景,这个是过道,工业云平台,实现终端智能网关,满足海量终端语音的顺次连接。还有在最后就是洞察计算,云端融合的,大数据分布式系统机制,基于云的工业大数据融合和深度计算。我们实现什么这是我们讲的技术,云端分布式云端数据分布模型,据复杂事件的云端数据系统处理,能够利用云和刚才讲的云端一定要分布式协同起来,这样才能实现云端大数据融合处理。利用流计算,批处理等等方法。通过高效大数据存储优化处理技术,实现云端工业大数据融合,可伸缩计算机云端系统的工业大数据处理这个事现在面临的问题,那么柔性生产工业制造资源虚拟化机器配置方法,面向柔性生产环境的人机物融合。决策方法,云控制的闭环反馈设计方法。终端的设备资源,创造了一个云端在云端进行资源的管理调度,最后的终端的生产设备。各种手段进行控制,就是云控制的一种方法,利用云边缘的控制语音和边缘计算,所以实现工业总段设备的精确与实时的感知与控制。那么进一步还要最后一个安全可信工业互联网云环境口径支撑与防护技术,智能高效工业互联网安全通信技术。都制度细粒度,终端识别,语音端认证技术都也不安全,谁也不敢用。在经营的应用,分别从云网端三个层面进行安全可信技术的研究。这是工业互联网。那么总的架构包括云端体系架构端侧体系架构,还有边缘管管控系统,因此,这是我们给出的边缘管控系统的架构,那么这是人机物。谋事在人,机物融合的工业,物联网的体系结构。那么还有一些应用对吧?工业制造,智能制造,智能机床,资产,智能,3D打印等等。这次工业互联网智能云工厂的系统生产,包括刚才讲的三大改造的示范工业,一个终端高效,包括工业互联网智能机床,云端系统加工,这个也是现在都是各个方面的做的一些前沿的研究的热点。因为这个时间关系我就不详细讲了,这个里面的内容还处于探索阶段!还有很多需要和企业各个专家共同努力。谢谢大家。
 
  清华大学人工智能研究院研究员,博士生导师刘华平
  主题机器人感知从多模式融合到主动感知
  大家好,今天有这么个机会来给大家汇报一下,我们在视觉和触觉融合方面的一些研究工作和包括一些体会。其实在国内也说实话还真的很少有机会在这么一个聚焦的主题的论坛里面,参加活动,今天是应该第一次。我看今天的论坛里面包括触觉相关的芯片传感器,虚拟现实,以及孙总刚才介绍的甚至触觉产业方面的应用都包括全了。我这块其实是一个相对来说更抽象一点的问题。我今天给大家汇报的是主要是在触觉。触觉感知和这个是触觉融合方面的。我们的一些工作,包括我们自己的一些初步的理解。

\
 
  这里面我们其实面向的一个。任务说是机器操作,但其实放在很多地方都可以。我们最早其实最早做这件事是当时在做几个航天领域的课题,在做卫星的抓捕操作过程中萌发的念头!因为在天上,其实对天上对机器人的自主性能的要求远比在地下高,是不是还可以派人去维护一下?所以当时在做遥操作自主操作的过程中,我们当时特别关注的一个问题,就是在操作过程中,能不能去感知到我们操作对象的材质。它的各种性质。办这个东西要通过什么来采集?天上是拿不到声音信号的。视觉也是非常模糊的。所以说其实触觉是一个非常重要的工具。那么后来发现其实这个事情应用非常广,从天上回到地上以后,特别是现在物流行业非常发达。大家知道物流每年带来的产值是巨大的,同时物流给我们带来的挑战性问题也是极其巨大的这么多年,刚才中午吃饭的时候跟王老肖老师在聊的时候,党校老师问我什么时候开始研究触觉的?我其实仔细想想不到十年的时间。那么我最早是在做什么?其实这么多年来一直是围绕着机器人在做。我们最早做的机器人是移动机器人。这个投影上是移动机器人。后来在我博士毕业之后,我们开始做机械臂,就是类似于中介那样的机器人。再到后来在做机械手。所以说我跟党校老师说我做的机器人是越来越小,从车到手再到手爪。但是其实在某种程度上讲难度是越来越高。因为车他的对你定位操作的精度低于机械臂。机械臂的定位操作精度又更低于我们的手爪或者说手指。只有利用手指来开展工作的时候,我们才会去关注触觉,这个东西的重要性。所以说其实我们的很多工作是借鉴了。因为其实我本行是搞人工智能的,我们其实做的都是在借鉴最先进的这些机器学习的方法,包括一些代表性的吸收学习,深度学习,强化学习等等一系列技术。来解决多个传感器的融合问题。不仅仅限于识别和触觉。我们在车上会面临着摄像机,激光雷达的融合。在操作过程中会面临着视觉,听觉,触觉等等各种多模态融合。所以说在这些操作场景下面我们着重解决的是一个机器人的感知问题,如果再宽泛一点,讲的是机器人的感知和一个长期学习的问题。
  那么今天我想我还是聚焦回来,再到我们我目前正在开展的工作机器人抓取操作。这也是我们目前觉得应该算是。我们目前开展的最为挑战性的一个工作。做抓紧操作的动因很简单。机器人你怎么也得像人。像人的话,你就得有一只手。曾经有一段视频,就是左下角的视频是BBC拍了一段视频。它的标题很有意思,叫神奇的人手。他是专门讲人手所能完成的一系列操作。包括国内的国外的各种。五花八门的各种操作。从这里面你可以看到人单纯的靠五个手指,它可以完成大量的极其复杂的灵巧操作和精细操作!这些都是我们的目标。应该说甚至是我们一个远期目标。我们希望能够有朝一日我们的机器人也能达到这样的效果。只不过现在可能你这目标还有点远,但是我们一直在朝着这个方面去努力。同时这些人手所具有的功能也在为我们提供种种,各种启迪来来启发我们怎么去突破相关的这些技术问题。那么对机器人抓取操作来讲,它涉及的因素其实挺多的。我们这总结了几个,包括熟的手的机构设计材质的设计目标物环境感知抓取规划任务等等。这里面涉及的挑战性问题也非常之多。而我们今天只给大家介绍我们在视触觉融合感知方面的相关的一些工作体会。这个问题其实很早以前就有人在关注,一会我会给大家回顾一下相关的历史,大概在早在20年前30年前就有很多心理学,脑科学将在关注这个问题,最近掀起了一个新的研究高潮。
  我给大家举两个例子。这两篇论文分别是美国两个最有名的高校。一个是麻省理工学院,一个是斯坦福大学。这两篇文章我为什么觉得他极具代表性的,第一篇文章发表在我们,应该算是机器人领域的最顶级的期刊最新的一篇文章。第二篇文章是在我们机器人领域最好的一个上面发表,在这个会议上并不重要。最重要的是她拿到了最佳论文奖。而在这两篇文章里面,我们可以清晰地看到里面提到了两个非常重要的关键词。我涂红的部分,实际上它就在强调目前视觉在机器人那边用得很多了。但是触觉基本上如果说的不夸张一点。他说如果说得夸张一点,其实基本上还没起步。他特别提到了一句,在动物王国里面,我们所有的动物生物,包括人都是很自然地去利用视觉和触觉来共同实现融合感知的。但是对机器人来讲,目前的这些相关工作才刚刚起步。甚至还处于非常低级的阶段。下面那篇文章就更不用说了,他的标题。直接就是写的如何去整合我们的视觉和触觉的相关的信息。这都是在2019年发表的论文。所以说我们可以看到目前这个问题再一次掀起了一个新的研究热潮。
  那么今天我给大家简单汇报的四个话题。第一个其实不是我的擅长的,内容是我们团队所开展的一些工作。我简单介绍一下,什么工作。就是传感器,今天有很多传感器的专家都介绍了很多非常好的传感器,我们在这儿简单展示一下我们自己开展的一些相关的工作。接下来我会更多一点时间也介绍一下,在触觉感知,在视触,融合理解以及在交互操作方面所开展的一些工作。以前我在参加一些稍微大主题宽泛一点的这个会议的时候,我们通常会去费半天口舌去解释一下触觉的重要性,我觉得今天其实包括孙总,包括其他很多专家,已经把触觉的重要性解释的非常清楚了,这个重要性我们在这不许多谈。但是想我只想强调一点。触觉,其实我们很长期以来从工程的角度来讲,是忽视了他的重要性的。虽然我们可能觉得在生活上他很重要。很简单,对于个人来讲,我们可以非常方便的去关掉你的其他通道。你可以很容易地关掉你的视觉通道,比如说你闭上眼睛就行了。也很容易关掉你的听觉通道,你把你的耳朵堵住可以了。但是人进化了千百万年来。它没有一个功能能让我们非常方便的去关闭我们的触觉传感器。甚至说没有一种可能能让我们很容易的去关闭我们的触觉通道。原因很简单。触觉对我们。我以前跟王总校老师交流的时候,他有一句名言,你们在网上可以查到。他曾经说了一句话,我引用他的话,他说触觉是一切感觉之母。我第一次看到这句话的时候我非常震惊。但是随着我在研究触觉的过程中,我对这句话是越来越深有体会。触觉它确实是所有感知,包括视觉,听觉,味觉,嗅觉等等,其实在某种程度上都是基于触觉本身的这些机理来产生的这种信号。所以说它的重要性不言而喻。
  20年前就有很多心理学家老科学家开展过相关的这种研究在人身上。刚才我们说了,对于一个人来讲,我们是很难在他活着的情况下去关掉他的触觉模态的。如果要做实验怎么做?给它打麻药。其实打麻药也只是关掉了他的痛觉神经通道。其他的一些出去可能还是在的。即便如此,我们可以看到,如果一个人如果关掉了它的,如果打了麻药之后。在他失去了部分处决之后,他眼睁睁的看着他去抓一个东西。她依然会掉。他抓不住。它会失去操作和抓取的稳定性,这是在20年前就已经被脑科学和生理学家验证了的一个实例。所以说我们可以看到在机器人里面,我们目前绝大多数机器人其实是缺乏触觉的。缺乏触觉的机器人是只能勉强用的,在极端的复杂的非结构化的环境下,我们看到的都是这样的例子即使对于一个抓一个很小的胶棒,即使抓一个很小的玩具,我们可能都会失败。因为我们没有触觉反馈。左下角就更简单了。这是我们为什么要研究数据的一个重要原因,一个很柔软的材质,如果你用一个很大的力气去抓他就会坏。这如果有触觉信号反馈回来。我们能够清晰的知道他的材质,或者他的其他的各种属性。我们就能很好的去解决这样的问题。这就是我们为什么把带有触觉的这种操作模式叫做精细操作的原因。因为它能够感知到更多的当为围绕着这些问题。
  我们开展了一些相关的研究。包括开展了柔性触觉阵列传感器,我们看我们开展的传感器主要分为两类。第一类也是基于电容式阵列的开展了大概四个研究,并且它装在我们自己的一个无知,手上能够实现一些特殊物体的稳定抓取。在这个基础上,其实我们在研制电容传感器的。过程中,因为其实我们的特长不是在做传感器,本身其实也带来很多问题。包括电容传感器跟我们也带来了一些分辨率等方面的问题。所以说我们借鉴了光学传统,利用光学图像处理的方式来集成到我们的触觉传感器里面。实际上建立了一个视觉和触觉互联的这种通道。利用光学图像来实现对触觉。性质的这种识别。并且把它运用到了机器人的灵巧操作作业任务上,很好地实现这方面其实国外有很多相关的这种研究,比最典型的就是MIT的结合赛题决赛的是目前应该是中间的一点,应该是目前最有代表性的一类触觉传感器了,我们跟他相比,其实像很多指标都跟他基本上是不相上下的。目前他们传感器也基本上进入了产业化的阶段。
  那么我重点想给大家介绍的是我们在机器学习人工智能,利用A.I.技术怎么去处理触觉信号这方面的一些工作。这就是我们今天所谈到的触觉感知。触觉感知其实看起来是一个很简单的问题。包括刚才跟黄英老师在聊的时候。我们都有一种感觉,觉得搞听觉的一些教授在交流的过程中,其实他们未必很深切的去感受到触觉感知这个问题有多么困难。因为总觉得现在A.I.技术非常发达了。现在这个机器学习都非常厉害,信号处理各种技术都冒出来。都非常好。但是真正在解决触觉感知问题的过程中,我们其实发现有大量的挑战性的问题。其实是需要我们专门去克服研究的。第一个就是触觉信号采集的特征提取问题。刚才孙总也提到触觉它往往是一个过程。他不是在一瞬间就能拿到所有信号的。它是要在整个操作抓取过程中,要在一个过度过程里面去获取我们想要的数据,所以他一定是一个动态系列。
  第二个现在大家知道A.I.技术它最强大的推动力是深度学习。深度学习,现在在很多领域都开花结果。但是虽然我们也能看到深度学习,在触觉方面目前也有一些初步的应用。但是其实在这里面是存在着极大的问题的。原因很简单。深度学习需要大量的数据样本。而我们的初触觉传感器至少到目前为止。还很难跟我们在短时间内能够提供大量的训练样本供我们去做训练。这是我们很难很灵活的去运用深度学习的一个重要。
  第三个问题也很直接。我们一直认为触觉虽然很重要,但是触觉它从来就不能单独的去试。他一定要和其他的模态结合。这是视觉,听觉等等。所以说如何去把数据信息和其他的信息能够充分地融合起来,这也是一直以来也是一个非常挑战性的问题。我们围绕这个问题开展了一些相关的研究。具体的细节我就不多介绍了。我们这主要介绍一个做的一个工作是什么呢?在这个工作之前,绝大多数国外的学者在解决触觉识别的过程中,没有考虑到手指的差异的,但是其实在操作过程触觉是无法脱离开操作数本身独立存在的。那么在操作过程中,我们的手指可以是两个手可以是三个手。而这个过程如何去融合常规的办法,就是直接把它们简单的拼接起来。而且通常是很不弱爆了一种办法。我们举个简单例子,你可以按姿态去抓,你,也可以让另一个姿态去,如果简单的拼接就会失去整个空间的布局信息。所以说检所以说常规的评级方法其实在实用过程中的非常差。我们借鉴了机器学习里面一个非常工具叫做吸收。机器学习算法就是CES code。具体原理我就不多介绍了。至少有一点,在我们之前基本上没有人拿着工具在触觉信号上用过,我们用下来以后发现及其成功。因为我们几乎可以用这个工具解决我们刚才所提到的一系列所有的问题。我们刚才说了,触觉的特征非常难提取。我们可以非常方便地对它进行编码触觉的动态特性,我们可以引入开路来对它进行编码。第三个特征编码和分类器的的独立设计问题。我们也可以在。监督式自编码过程中去解决,最后一个也是最关键的,其实也是我们真正最后觉得最有用的一个优点。它能够非常方便地帮助我们去和其他的进行融合。这也是为什么我们一会介绍如何能够去和视觉听觉能够去结合的一个中的原因。当然细节的东西我就不再多说了。这是我们采集到的触觉数据。这是我们最早在研究这个问题的时候,实际上首先是人去看了一下。人肉眼看看他们的是动态特性是不是真的有区别。当如果说肉眼都很难看出有区别出来,其实对机器学习算法是要提出很大的挑战的。那么从这里面其实我们可以很清晰的看出来这18个物体它有非常大的差异。特别是下面四个,就是四个毛绒玩具它和前面的东西差异非常大。而他们之间的差异也非常大。所以说为我们直接用机器学习的方法来实现触觉信号的鉴别,带来提供了一个很好的工具,后续的具体算法我们就。不介绍了。在编码方面我们建立的方法有效地去解决了刚才我们说的三个手的融合问题。也就是说我们并没有在这个融合过程中去考虑他的布局问题。三个数是独立的。但是三个手之间的编码是有一定约束条件的。约束条件在我们的编码里面可以在我们的joint口径里面可以非常方便的去融合进去。所以说编码方式和我们的分类编码组合编码相比,它可以适应不同的卫星来实现触觉信号的识别,所以说在抓取瓶子,刚才好多专家都提到这个问题。我们最开始其实就是做了这种实验在。一个瓶子里面,我们去可以鉴别出来他是空的,有水的。或者说它里面到底装了多少水,可以玩,通过视觉有时候是很难辨别出来的。世界是很难辨别出来的。因为它是透明的,但是通过触觉的方式,我们能够得到完全不同的信号,而且由于我们完全没有尤其我们抛弃了。组合编码的这种局限。所以说很容易的在任何卫星下面都能得到非常准确的结果。
  同时其实触觉还可以干很多很多的事情。这个是国外的一个公开数据集。大家可以看到。其实瑞典皇家理工学院专门为初学的信号的识别建了一个公开数据集。触觉的数据集其实是比较难建立的,因为它不像视觉,你拍个十张跟拍100张1000张是一样的。触觉的东西我们有体会。你磨蚀下可能还是那样!实际上水果你摸个100,1000,下印地也被你磨软了。所以说其实对数据采集的过程是很挑战。他们拿了很多这样的不同的。水果,不同的这种材质的东西。但我们都能很好地把它能够鉴别出来。这是我们8能够解决的问题。第二个问题其实我觉得是往认知角度更偏了一点。在做触觉的过程中,其实我们感觉到一点,我们的视觉真正能够最好地给。我们提供的是什么性质?是名词属性。视觉通常能够告诉我们这个东西是什么?它是一个苹果,它是一个梨,这是一个人,这是一个动物等等。而触觉其实是在给我们提供一种更精细的形容词属性。它是硬的,它是软的,他是甚至它带有一定的感彩。他是热情的,他是冷淡的等等这些在视觉里面其实很难去观察到。但是通过触觉的方式非常容易。所以说我们基于触觉的形容词。代表,这是一个24个形容词的,24个形容词的列表,是由加州大学伯克利分校他们建立起来的这样一个指标。其实最早的时候他们建了25个。最后发现最后一个没什么人用。所以说其实最后就保留了24个。那么这样自然就带来一个问题了。名词属性往往是唯一的。你说他是一个人,他就不可能是一个别的小狗小猫之类的东西。但是形容词属性他是多它是多重属性的。你可以说他是坚硬的,也可以说他其他什么的等等,这些词都是充斥在一起的。他们之间可能相互包容,也可能相互矛盾。所以说我们如何去利用触觉形容词来对他们进行刻画,这是一个多标签的学习。多标签,这个问题本身在机器学习里面解决得很好。但是应用到触觉领域来带来的问题就是我们刚才说的数据量样本太少。那么我们只能人工的去挖掘它的数据。我们见了这么一张表,这张表其实是帮助我们去开展数据学习的,很简单,就像我们现在人一样。人在经过后天的学习时间长了以后,有一种天然的本事。比如说你看到一个白的东西,你通常会觉得它比较凉。你看到一个红的东西,你通常会觉得它比较热。因为你长期以来受到这样的。教育和训练,你会带来这样的关联,这是一种通感。通感效应,通过颜色是视觉,能够带来一些触觉,甚至听觉和味觉上面的这种连锁反应和这种联想。而这种东西其实在我们这张表里面可以得到很好地体现。我们可以看到很多具体的。那些标签内容我就不介绍了,但是我们可以看到很多触觉,形容词之间具有极强的关联性。而有些词它永远不可能同时出现。你不可能同时说一个东西即使硬的的又是软的。所以说这样的约束条件可以帮助我们。我们去改进我们的模型。在同样的框架下,我们可以去增加一些相应的约束,相就能够得到这样的结果。所以说。从这里面我们可以看到一个简单的结果,对于一块泡沫来讲,泡沫有很多属性软等等。其实他还有一个属性是可渗透的。我们正常的机器学习算法里面挖掘不到的。但是我们可以挖掘到其他一些词。比如可吸收可压缩软组织等等。然后通过一定的通过向最强的这种关联关系。我们可以发现其实我们可以很容易的把可吸附的这样的形容词属性给它挖掘出来。
  最有意思的是。一个铝合金框的温度属性。严格意义上也不是温度,是反正就是酷这个词。但其实酷这个词我们有时候是。反映一个人的冷淡,有时候是可以用来反映一个东西冷。其实在这里面我们没有用到任何温度模态。而我们只是通过了光滑的,坚硬的和印地等等这一系列属性。由于cool这个词和他们有极强的关联性。一旦你能够识别到这三类属性。其实你很自然的能联想到他具有COOL这样的属性。所以说我们一般看到一块金属的东西,我们都会觉得他比较凉。因为我们长期以来经过了这样的训练。其实我们机器学习算法也就是在。模拟这样的一个训练过程。能帮助我们去挖掘出这种甚至没有传感器,都能识别到的这种。这是第二个问题。
  第三个问题就是我们。融合的事情是融合。我觉得这个事情上升到了一种认知的层面。所以说我把叫做理解为什么要做融合。我一直以来一直有一个感觉就是触觉永远不能单独使用,因为人天生具有各种感知模态,除了试听触我们还有味觉,嗅觉等等,人是一个自然进化的生物。他的任何一种感知模态一定是有用的。比如说我们最重要的三种模态,视觉,听觉和触觉。其实我们可以看到他们的空间,分辨率和时间分辨率大家是有分工的。空间分辨率上其实是觉是最最丰富的,你看一眼你能看到很多细节。听觉的空间分辨率是最低的。有时候有一个人在后面叫你,你都不知道他是从左边叫你还是右边叫你,这就你知道他在你后边。所以它分辨率很低。但是触觉在他们中间。这个人身上第二个问题是。触觉在人身上的分辨率是极不均匀的,最均匀的地方是在手指。是在说这事。最不均匀的地方其实是没有定论的。因为各种有个体差异。但一般说来,大家认为是在肚子上和背腹。那个地方是你触觉最不灵敏的地方。所以说是实际上是一个局部均匀的一个触觉分布这种形态。在这个时序上其实是正好掉了根了。我们知道听觉的空间分辨率是最高的最高我们到2万赫兹,视觉是最低的,要不然我们就没法看电影了,对吧?25赫兹我们就可以看的很流畅,其实是在欺骗你。触觉是700到1000。其实正是因为触觉有这么高的频率,同时触觉又必须靠机械电子等等系统来实现!这才是为什么触觉的虚拟现实系统燥起来那么费劲的原因,王老师应该特别有体会,这个是觉得虚拟现实其实做起来。比较容易了!只要25帧的刷新率就可以欺骗一个人的视觉。但是触觉其实是。你如果你做得不好,是很难欺骗你的触觉的。也就是说你很难有一种很真实的这种体验在里面。这三种模态其实是在干三件不同的事。那么。当然了我们做触觉的人经常举的一个例子就是一个很经典的故事,盲人摸象。盲人摸象就是最典型的,你摸了半天,每个人摸一块,但是其实最后你得不出一个最好的结论。我们刚才说了半天触觉的优点。但是触觉单独使用的时候是有它的缺是有它的问题的。我们一定要结合着其他的一些模态,就像右边的动画一样,以单纯的通过视觉也会有大量的。欺骗性的结果,一个真的一个假的,你只有一刀下去,接触到了你,才知道哪个东西是真的,哪个东西是假的。所以说融合方式对于我们去去解决这个问题非常有用。我们可以看到对于一个问题的属性,其实在2004年几个英国学者就已经跟我们建立起了这么一张表。这张表很清晰地告诉了我们在。一个客观世界里面哪些属性是特别适合视觉来识别的哪些属性是和触觉?你比如说颜色,毫无疑问,我们很少用触觉来识别颜色。那么颜色是视觉干的事情。形状就不太一样了!形状视觉可以识别。触觉也可以识别,纹理,对于宏观纹理视觉比较擅长,对于微观纹理触觉比较擅长。所以说二者应该结合起来,它是处于中间的这样一个模糊的地带。但是其实人天生就有这个视觉触觉融合的这种能力。我们在2002年的微课上面能够找到一篇文章,他们写过两篇很有名的论文。他告诉我们一点,人具有不是天生的人才,具有一种以最优的方式去整合视觉和触觉模态的这种能力。所以说我们可以看到下面左下图的实验,这是欧洲人做的一个很简单的实验。就是一个人在那这个放这,然后旁边给她放一个假肢,然后我用一个毛毛笔去撩他。他可能都自己忘了究竟是哪个手是自己的了,突然一刀闸下去的时候,它会自己的手本能的往后缩。所以说其实建立起来一种错误的视觉和触觉的这种关联。但是这种关联你觉得他是不对的吗?他是对自己的一个有效的保护。人发育了这么多年,这个功能其实是对他应对客观。世界的一个非常有用的保护。而且恰恰这样一个功能。我们可以看右边这张图,在小孩子身上未必有专门有人做过研究。在小孩子的大脑里面。一刚一生下来,这种关联能力不能说完全没有,所以说引用类似的实验去逗小孩是没有什么效果的。我们通常都说小孩的大脑在你生长过程中是在不断发育的是什么?就是在感知和操作的过程中去促使自己的大脑不断地发育。所以说为什么我们要经常让他去摸,让他去听,让他去到处乱。做一些乱七八糟的游戏,是在促进他大脑的各个区域的发育。大脑皮层我们右边那个图上展开可以看到。他的黄色的那部分其实就是负责这个视触觉关联的那部分。也就说的不好听的。如果你的大脑的这部分给你弄坏了,你可能这部分功能就没有了。当然我们可以看到最大的那部分是听觉的。这也很正常。因为在实际当中视觉和听觉信号是最普遍的,但是这些区域都不是先天有的,一定是你在后天学习过程中,不同的人有不同的差异。那么这个工作其实激发我们在实际的机器人操作过程中去有效的去有机的融合视觉和触觉的这种信息,来实现更好的这种感知和操作。这里面我们这有个例子很简单,就左边这个图里面,其实我们拍两张模模糊糊的图。故意降低了它的分辨率。这两个图里面我们是其实就是两瓶矿泉水。这两瓶矿泉水通过视觉是分辨不出他的内部状态的,到底是有水没水,但是他的触觉信号差异非常大。下面那个图是两个纹理图。我们做到了视听触。听觉信号差异其实挺大的,触觉信号差异挺小的。所以说我们可以看到,对于任何一个东西,对于任何一个物体或者材质单一的模态都有可能失败我们只有把多个模态,视觉,听觉,触觉,甚至将来还有更丰富的这种感觉。模态融合起来,才能够有效的去解决它这样一个问题。这个问题拿出来以后,大家可以看到,这是一个很简单的。信息融合问题。但是这个信息融合问题里面有一个非常麻烦,非常讨厌的地方。我们这么多年来一直在解决的就是这样一个问题。视觉信号和听觉信号,它们之间存在一个非常强的弱配对的这样一个特性。什么叫做配对?就是我们总结的这三个问题。第一个图像我们看到的永远是全局的触觉,我们看到的都是局部的。她们俩不是匹配的。第二个我们看到的跟我们摸到的往往不是一回事。第三个,我们永远都能得到很多图像。但是我们很多时候拿不到足够的触觉图像,触觉信号出来。实现这个事!所以说为了解决这三若配对的问题,其实是三个问题。我们把它合并成了若排队的问题。我们改造了我们的模型,我们具体就不多谈了。常规的模型在解决不了这个问题。我们修正我们在这个目标函数,使得它能够有效地去处理我们试听处三种模态的这种融合,从而可以得到更好的融合效果,并且我们可以在视觉,听觉,触觉这种新的更为广阔的这种模态空间里面做这件事。
  最后一点点时间,我再介绍一下,我们把这个事情用到操作里面。在实际操作里面不比我回到我刚才说的那个问题里面。我们在做像物流的抓取操作目前国外国内外各有一家公司做了一个跟我们非常接近的操作,就是右边上面那个是MIT出来创业的,右边那个这个也是国外回来创业在武汉的,他们都做了一个吸盘的爪子,我们也在做一个类似的事。我们做这个是售京东的启发。就是说在实际的操作过程中,吸盘和爪子各有各的用途。如何?能不能把他们有效的把他们组合起来。我们还真干了这么一件事!做了一个新的,抓住。。我们在里面安装了触觉传感器。我们把东西抓起来之后,在抓固体的过程中可以看你在这上面可以清晰地看到两个不同的线。这两个不同的线其实代表着两个不同的物体的材质。很简单,我们在这做了一个简单的实验,一会硬中华,一盒软中华,既然是硬着坚持,转自它就是不一样的!但是视觉上恰好是很难区分的!有人跟我们说过,硬中华和软中华就是少了两毫米的长度。通过视觉很难去鉴定。所以说但是你只要一抓起来一捏其实很方便的,就知道它们之间的这种差异了。在这个过程中,我们目前建立了一套完整的强化学习的过程,能够实现。在实际工作,包括在仿真里面,我们完整地去学习了它的所有的操作流程。然后在实际过程中我们可以教会机器人灵活的去使用它的触觉和灵活地使用它的视觉,触觉,以及以这种两种不同的感知模态以及它的抓取和吸取这两种不同的操作模态,把它们融合起来,左边那个图就是一个常规的操作方式。如果他找错了一个抓取点,那他永远就错下去了!可能找不着右边那个我们找错了一个抓取点之后,我们可以采用主动合作的方式把不感兴趣的东西抛开,然后可以有效的话,真正感兴趣的东西抓起来。从而可以有效地提高我们的操作效率。好,最后我总结一下,其实我们今天真正谈到这个问题解决的只是一个很局部很具体的问题,就是材质这个问题,在机器操作,在植物的分类,甚至机器人的地形适应。以及包括王老师提到过的网络购物场景,识别,医疗影像里面等等有极其广阔的应用。回到20年前,其实在2005年10月份又有一个很著名的教授写过一篇文章!这篇文章的名字很简单,叫做材质的机器人感知。在这里面它就已经提到了这个问题,虽然并没有解决当时也没有解决的条件。当时我们可以看到他已经提出来了,我们应该使用三种不同的模态,来共同实现对材质的这种感知。这也是激发我们进一步开展相关工作研究的一个巨大的动因。我的汇报到这。谢谢大家。
 
  合肥工业大学电子科学与应用物理学院教授黄英
  主题新材料在触觉传感器中的产业化应用前景
  各位来宾,大家下午好。首先祝贺我们论坛的成功举办。再一个就是祝贺我们联合实验室揭牌。在此感谢主办方!也感谢我们孙总给我这一次机会来汇报一下。我们研究的关于触觉传感器,包括触觉传感器的一些材料研究的一些内容。那么我这里介绍的是名称是新材料在触觉传感器中的产业化应用前景。那么后端的。这是我们孙总给我的一个题目,但是我们后端的应用前景,还希望大家能够在今后的工作中,能够真实地把我们触觉传感器应用起来。跟我们前面的几位专家不同的是。我这边是做我们触觉的最前端,也就是说从材料开始,然后我们一个是材料本身的研究。另外我们材料还有就是我们的制备的一些方法。然后我们来研究一些传感器的一些相关的一些结构,还有一些特性。那么这样的话我们等于是我们在。介绍的时候是我的一个我们处觉的最前端。那么我们今天这个论坛我也感到是非常兴奋。因为我们触觉传感器在我们十几年前在研究的时候,在我们很多项目,包括我们的国家国家级这些各类项目中,大家还有很多人还不是太认识到触觉传感器的一个概念。还没有完全认识到触觉传感器概念。但是我们今天已经把触觉感知和我们的A.I.进行结合,并且能够成功举办的一个我们的这样的一个论坛。所以我感到也是非常兴奋。那么也再次感谢我们的孙总。我们的他山有这么一个把这个事情往前进一步的推进。那么我们在希望我们的前端的触觉感知和触觉传感器的研究的后端的时候,我们也希望跟各位专家能够将来有更进一步的合作机会。
  我来自合肥工业大学我们可能有些专家,在座的各位专家可能不太清楚。我们合肥工业大学是在安徽省的省会,我们是有几个校区。那么我们的团队目前是大概有个三十来个人。那么在我今天介绍的主要是讲三个部分。一个是我们触觉传感器的一个概述部分。第二个是我们研究触觉传感器,我们自己的一个团队的一些研究。以及我们后端就现在目前进行的一些工作触觉传感器,实际上大家前面几位专家都介绍了。实际上他早期的时候是我们的一个模仿我们机器人,模仿机器人的一个触觉感知的一种传感器。那么他是我们大家都明白,就是一个操作对象,机械手和操作对象的一个接触状态,主要是这么一个感知的检测。那么目前的触觉传感器已经扩展了。比如说我们的触觉有一定的量程的,他有规定的,国家有规定。那么还有压觉它又是一个量程。还有冷热觉,痛觉还有痛觉疼,痛觉这个感觉。现在国外有一些专家也在研究疼痛觉触觉的疼,痛觉如果有兴趣可以进行交流。那么他的工作原理主要涉及了一些我们一些物理量的大部分都是物理量的一些工作原理。
  触觉传感器现在大家。也都征为电子皮肤或者叫内人工皮肤。那么他是基本上都集中在高的柔韧性。并且有拉伸性,并且可以穿戴舒适性。那么模仿人体功能的这种感知的一个器件。它涉及的领域,包括我们今天谈到得很多在机器人,人机交互可穿戴,技术,医疗,包括很多现在已经在做智能假肢,包括我们的体育训练,还有康复,现在用的非常多。
  作为器件我们来说还是前端作为一种传感器的器件。那么目前的研究的历史还是相对于其他传统的这种传感器来说还是比较短的。那么现有的工作集中在传感器的材料体系设计。还有我们的传感器制作出来的它的静态动态特性方面的一些研究。比如说我们的稳定性一致性。响应时间,阵列密度。还有包括传感器做出大面积的阵列信号,需要解耦,这些都是。这些都属于应用基础方面的研究。那么国内外相关的。实用化商品化的成熟产品比较少,相对来说比较少。那么研究方向主要要在新材料,新工艺,核心结构设计在集中在这几个方面。那么我们实验室我们研究了十几年,但是我们还是在实验室真的没有走向一个应用,走向一个大批量的一个应用。那么这是我们特别希望以后有这些机会,有跟他山这种合作机会,使我们的实验室走向一个产品化。由于我们现在A.I.技术的发展,有迫切的胁迫切的这种需求。
 
\
 
  它的研究的热点,一个现在是朝着一个外观是一个超的轻薄,而且有延展性,而且超的柔软,这是一个方向。这是他的一个热点的方向。那么他的热点。第二个是它可以做的高的可拉伸性,然后还有超灵敏,就是敏感度的超灵敏的一个概念。那么。我们相关的国内外有一些学校里都做了很多。那么现在还都是不管做得多么好。大家都觉得要考虑到我们大部分全在实验室。然后我们发表的都是相关的学术论文,没有走向市场。那么第三个研究热点就是现在把我们的触觉传感器作成多功能化的。那么多功能话可以,比如说我的感知的信息的多功能。我的自供电,还有自愈合。如果是皮肤,我们希望是自愈合的,然后还有生物相溶这么几个概念。比如说我们还可以做温度的各方面的,就是我们做的三维力,还有就是我们进行各种检测。这是我们这个研究方向的热点。那么现在的治愈和治愈合速度也是他的一个现在的研究的一个方向。
  下面我们就来介绍我们实验室,我们自己的研究团队做的一些工作。我们主要在。我们四个方向上来介绍。首先我们来介绍一下我们做的较柔性和可拉伸应变传感器。那么既然是做,我们要制作我们的。传感器要做。我们可拉伸性,并且有柔韧性。可弯曲的时候,我们首先要考虑我们要做一种电极。我们要把这个信号给他引出去,而且具有一定拉伸性。那么我们在这个方向上,这都我们做的都是下面都是。我们相关的一些论文的发表。那么我们做了一种聚苯胺。单碳纳米管基本上还有莱卡织物的这种可拉伸的这种电极。那么这种电极材料可以。我们可以把它做到一个40%的一个拉伸特性。那么第二个我们又做了,做完电极之后,我们就可以。做到一种可拉伸的织物应变传感器。那么纺物大家都知道是一种纺织产品。那么有各种各样的织物。我们这里头在这方面,我们学生也做了很多工作。那么这样的话我们做这种织物首先要进行处理。然后我们要做一些相关的材料体系设计相关的导电材料,他的微观特性,宏观特性都要研究。我们来做了很多这种织物的这种应变传感器。它具有比较好的弯曲电学特性。
  那么在此基础上,我们还有根据我们不是做前端做材料吗?那么我们又研究了我们材料,我们的导电网络之间有一种协同作用。那么我们用两项的这种导电离子进行纳米导电粒子来进行协同。来制作了这种比较拉伸率比较高的这种应变式的传感器,可以进行我们的一些手势,还有一些动作的一些识别第四种,我们做了一种这种可拉伸应变传感器。那么这种传感器我们是做了一种做的一种双层。它是利用了一种我们一层一层做。然后我们做出这种可拉伸应变传感器,它具有非常好的线性度。那么这种传感器它是。达到最小的应变是在0.5,我们可以达到0.5的一个应变值。可以进行监测。比如说呼吸频率这些方面的一个监测我们第五部分是做了一种很有。特性的是我们的电极,就是我们传感器的电极和敏感单元一体化的应变传感器。那么这是用一种弹性棉线来制作的。就说我们用一种弹性元件棉线既把电极也做出来了,然后把传感器的敏感单元也做出来。这是我们做的一种传感器!这种传感器具有比较好的重复性和高的稳定性。可以进行人体运动监测。还有它的液位,它的溶液的密度,加速度一些监测。那么第六种我们又做了一种乳胶的。就是我们平常见到那种乳胶管。那么这种基于乳胶材料作为基底的一种高可拉伸快速响应的一种地面传感器,也是具有比较高的拉伸特性。可以达到拉伸率可以达到500%。那么它的响应速度也非常快。这种传感器应用到可以用到我们的一些体育训练中。可以监测人体的一个训练。
  第二部分介绍我们的柔性接近觉传感器。那么接近觉传感器这里面刚才几位老师,包括我们他山公司也做的。就是电容式的一个距离的一个感知。那么实际上在我们的在我们的教法上,我们的过去作为机器人来说,机器人传感器的领域中把接近觉传感器,就是我们在作为一个距离的感知,我们把它称为一个接近觉传感器。那么在我们接近觉传感器中,我们做了两种。第一种我们是做了胶电阻电容双模式的一种协同感知的接近觉传感器。那么首先这里面电容式大家都。清楚的,就是他有一个电厂的感知的一个特性。那么我们还用了一种电阻。两个进行协同,感知那个电阻。我们是做的是一种热敏的,就是我们的温度传感器。具有一定热敏特性的。那么我们可以对它进行两者进行协同感知。那么在此我们做了两种结构,一个平面结构,一个三明治的结构。这都是发的,发的是两篇文章。那么。第二种是接近传感器。我们是做了一种电感电容双模式的协同接近感知。那么刚才我们在看到的时候,大家也提了很多专家都提到这个问题。我们在判定材质的一个问题,就是我们可以判定金属非金属。同样我们还可以通过我们这种双模式,对于不同的金属或者不同的材质进行一个判定。我们根据他的介电常数了。导磁率来进行一个判定。
  第三个我们是研究了一些柔性的温湿度传感器。这是我们也属于我们触觉传感器的一大类。那么在这里面我们做了首先做了一种,就是我们现在大家都知道石墨烯,石墨烯有很好的一个热传导特性。我们做了一种石墨烯的温度传感器薄膜,做了一种可以她进行一个很好的一个温度敏感特性。有一个很好的温度敏感特性。那么我们第二种是做了一种在适合人体体温监测的这种高精度传感器。因为人体的体温可能就是在30多一点到40多度之间。那么这一段之间我们希望能够获得比较高的分辨率,也能够精确的感知的话,我们研究了一种这种。一种复合材料来做的这种高精度温度传感器。它可以防水,还可以粘贴,就可以把它就像创可贴一样可能跌贴上去。还具有拉伸特性。那么我们。做了温度传感器。我们同时也做了一个湿敏传感器,因为我们也知道触觉传感器要有温度,温湿度的一个感知,也属于触觉传感器的范畴之内。
  第四,我们就介绍我们的柔性触觉传感器的相关的研究那么在我们柔性触觉传感器研究中,我们可能还是从材料本身材料,他的一个体系,包括传感器材料中的敏感材料中用到的包括他的机体,包括它的导电填料。我们来设计它的相关的结构和相关的阿特性。那么在这里我们在做的这种高柔弹性多孔材料触觉传感器,我们用一些比如就是那种聚氨酯聚氨酯那种骨架,我们把它进行发泡,或者做一种多孔的这种结构。那么目的是什么,提高传感器柔性传感器的这种柔韧性。这是他的我们这方面的一个研究。那么我们这方面做了很多传感器之后,我们做了一些他的一个检测,获得比较好的,比如说手势姿态的监测,语音识别都可以做了很多这方面的应用。我们还做了一个宽泛量程的触觉传感器。为什么这里提到的触觉传感器是宽泛量程因为我们传感器可以从触觉的感知,可以从最小的一个接触的,我们比较大的一个接触力,它的量程段是非常大的。那么我们就会考虑到要进行一个宽泛的量程的一个设计。那么我们做了多层结构和我们的。电阻电容两种这种结构的这种柔性触觉传感器。实现一个宽量程的一个应用。那么第三个我们是。做了一种三维力的触觉传感器。那么这种传感器实际上我们?是在拿到那时候还蛮早的,十几年前我们拿到第一个自然科学基金。那么这里头是考虑到我们的触觉。传感器不仅仅是一维例。那么我们需要检测三维力。但是三维力的检测去就是比较难的。因为他的三维方向XYZ方向,他们之间有利的耦合。所以说不但要检测之后我们还要进行解耦。这是我们做的一个结构可以。进行三维力的检测。那么第四部分我们做了一种标定装置。触觉传感器做出来之后,我们以为还好办,我们要评定我们传感器特性,我们要用一些特性指标来评定。那么怎么办?进行三维的标定,我们来做了一个相对来说,还是在相对比较一定的精度范围内,可以进行减三维检测三维力的这种标定装置。
  第五项我们相关的研究就是要相关的理论研究了,这部分跟大家可能就是有一点出入的。因为我们为什么要对于材料进行相关的理论研究。因为我们现在研究的各类的传感器中发现的问题,比如说传感器的稳定性问题,传感器的各项指标,特性指标,静态动态特性指标。那么他们都有问题不能够得到一个解决的时候,我们相关的应用了一些相关的一些理论,我们来进行它的我们对它的材料进行研究的时候,我们要进行多多少。比如说我们的导电填料要加多少?那么他的渗流阈值在什么地方?我们要进行很多方面的一个相关研究。我们有不少学生在这方面做发表了很多文章。包括我们的它的一个工作机理,包括我们的温度还是压力的相关的工作机理进行了一些相关研究。包括它的协同导电效应效应,我们用了很多导电填料这方面做了一些。
  第六个我们做了一种较可拼接式的电容传感器阵列。那么可拼接是也是考虑到有可能会应用到触觉传感器应用到各个领域各个不同的地方。那么我们可以做出不同形状的拼接。然后我们把它做成模块化。比如说我们也可以同时检测压力温度。那么我们把它做成模块化,我们可以应用到不同的地方。
  第七个内容是关于滑觉。我们在这里刚才我们他山的孙总也介绍了,现在有很多触觉信号,有滑觉信号机器人的确是在我们的进行交互中抓取物体的中需要一个滑觉检测!那么目前化学检测中很多大家都是一个高频信号的获取。我们现在在这里面就是做一个三为例。三维力传感器中我们利用剪切力。来获取滑觉信息。那么这样的话我们就可以判定我们抓起的一个状态。把我们的通过这个状态识别,我们就完成了一个在我们的人机交互中的全过程的感知。也就是说接近之后我们抓取物体首先有个接近觉。然后接近觉抓取之后,我们有个触觉触压觉,包括我们的温度觉都可以在上面实现。之后如果滑动。我们的做的几项内容那么我们还做了的就做得比较早了。这是相对来说比较13年做的,就是它的一个复合传感器阵列可以进行压力和温度的一个检测。那么我们同时也做了一个现在主重手的一个运动映射系统,也就是利用我们的拉伸传感器来做一些识别。我们可以做得很好。我们的分辨率都可以达到就是在弯曲角度,比如0.5度的范围之内进行检测。
  第三部分就是汇报一下目前我们现在实验室开展的一些工作。也希望后期能够在下面的发展中能够。和我们的大家往后再做,也是希望能够有我们将来有合作机会。第一个我们也是。刚才王老师介绍了那么多触觉反馈,我们有学生也是因为我们这边是学物理的,那么他们也是考虑了。我们特别希望能够得到一个触觉反馈。包括东南大学跟我们也一直在做。那么我们有个学生就做了一种相变原理。一个电热一个气象的一个转变之后,然后它实现一个力的反馈。虽然现在做的力的大小就是它的力没有做到那么大,因为我们不是气动的得也不是电磁的。那么电池需要大的一个宫殿。我们就希望能够在很他的功耗问题都能够解决,然后也简单地能够实现。但是我们现在这是一个出奇地研究,我们学生在上面后面还准备在做,比如说和软体机器人做一个结合,把它做起来。我们做了一种电热膜来做。这种反馈。那么现在还在这项工作还在继续进行中。那么比如说他可以做一种。仿生鱼的一个运动。他在里头有一个电热膜,做一个汽化,它里头有一个汽化的一个装置之后,他就可以做一些相关的一个应用。这个是目前还是一个初期的一个工作。然后我们目前的一个工作还是做了一种较高灵敏度的纸机,大家都知道纸张也很多种。那么用纸来坐船船触觉传感器,首先他可以做得很薄。但是我们觉得只是不是很容易撕破。那么怎么办?我们做了一些相关的一些处理之后,我们让纸也有一定的强度来做这种纸机传感器。我们也做了一些相关的应用。这种纸机传感器它做的灵敏度非常高,可以监测人的这种脉搏。因为是比较弱的信号,我们可以。因为在医学上面它的它的峰值不一样,通过他进行一些相关的一些检测。第三个我们目前做的工作就是一种。叫碳化。碳化三聚氰胺海绵。那么三聚氰胺海绵实际上就是一种海绵,我们都见到的那种材料。然后经过碳化之后,它具有一定的导电性。然后我们就希望通过它来做一种增强了导电网络的这么一种结构,这种材料的结构来制作一种基于碳化三聚氰胺的这种海绵,海绵的这种触觉传感器,并且把它做成阵列化这种传感器。那么它相对来说的特点就是稳定性还不错!我们做网络因为它的导电网络是不一样的。那么第四个我们目前做的事,用于复杂表面接触力检测的一种长粘接的一种柔性一面传感器。那么这种传感器主要是用种光固化的作用。那么通过光固化把我们这个材料可以粘贴在任意的检测的表面。任意检测表面可以进行一个它的一个我们的触觉的感知。这是它的一个特点,就是我们可以经过光固化,而且他比较牢。否则我们其他传感器有可能会通过胶,那么胶粘它的强度个方面可能会受到一些影响。第五项,我们现在的目前的工作做的就是。我们的用了一种膨胀小球膨胀的微球来做的一种大量程的触觉传感器。因为我们现在做的中段量程非常容易做,做前端的触觉微量程段和大量程比较难做。那么我们在这里面做了一个大量程的一种触觉传感器。这是我们目前现在进行的相关的一些工作。那么第六项我们还是在继续研究。它的理论的方面的一些研究,目的就是为了指导我们材料体系的一个设计。那么我们后面就是我们的一些成果。谢谢大家。
 
\
 
中关村(京西)人工智能科技园
  中关村京西发展简介
  2016年12月29日,中关村发展集团和门头沟区政府出资代表京西文旅基金共同成立北京中关村京西建设发展有限公司(中关村京西发展),作为石龙开发区高新技术产业用地五期(门头沟园石龙五期)一级开发项目的建设主体,注册资金3亿元。
  基于门头沟园紧邻中关村科学城的区位优势和中关村促进人工智能创新技术产业化发展的需要,2018年1月2日,门头沟区委区政府在中关村展示中心发布了将石龙五期建设成为中关村(京西)人工智能科技园的建设方案,规划产业用地范围约30公顷,地上建筑面积约55万平方米,2019年底前将实现总计15个地块的高精尖研发用地的分步供地,着力搭建人工智能新型研发公共技术平台,链接全球创新资源,通过行业龙头企业的引领,在完善的生产服务业和高品质健康生活配套的支撑下,在门头沟园孵化以医工智能、智能制造、智能服务业为先导的“智能+”产业,将园区建设发展成为促进京西地区产业转型升级、具有世界影响力的人工智能科技创新中心。

\
 
中关村(京西)人工智能科技园·先导园简介
  鉴于中关村(京西)人工智能科技园主园区2019年实现供地后,距离一期建成尚需要3-4年的时间,为尽早给人工智能企业的入驻提供产业载体空间,中关村京西发展由区政府授权对中关村门头沟园老旧厂房——金龙泉泵业升级改造,将其打造成为具有孵化、加速、联合办公、展示及其他产业服务等复合功能的“中关村(京西)人工智能科技园先导园”,门头沟园管委会对入驻的高精尖企业可给予最多3年的租金返还、最高300万元每年的研发资金补助、专门对接服务等政策支持,中关村京西发展将通过先导园实践空间运营服务、专业科技服务、产业投资服务、科技金融服务、市场对接服务等集成发展的经营理念,打造园区精品经济生态的先导孵化培育基地,为中关村(京西)人工智能科技园的建设运营打下坚实基础。

\
 
中关村门头沟科技园简介
  中关村门头沟科技园的前身是1992年设立的门头沟区石龙工业区,规划面积1.5平方公里,2000年被列为北京市级工业开发区,2012年纳入中关村国家自主创新示范区,规划面积1.89平方公里。2015年按照区委区政府的整体部署,园区统筹规划管理门头沟南部新城产业空间,总面积约7.6平方公里。园区地处长安街东西发展轴与西山永定河文化带的交汇结点,是新首钢高端产业综合服务区的重要组成部分。
  按照北京城市总体规划(2016年-2035年),为进一步梳理园区产业发展与北京城市整体发展、长安街整合发展、京西地区联动发展、门头沟区转型发展之间的关系,2019年园区进一步将主导产业聚焦在医工智能、科创智能、文旅体验,并积极依托国家心血管病中心建设医工智能产业基地,建设中关村(京西)人工智能科技园、机器人产业园、中关村(京西)人工智能科技园·先导园,着力在京西形成特色鲜明的智能产业集群。
  门头沟区委区政府先后出台《中关村门头沟科技园促进创新创业和产业发展专项资金管理暂行办法》(即“门创30条”)和《中共门头沟区委、门头沟区人民政府关于改革优化营商环境、精准服务“高精尖”产业的若干政策》(即“高精尖19条”)。近三年来,通过组织实施“门创30条”、“高精尖19条”产业政策,组织企业申报中央部委、北京市级产业政策,已有624家次企业获得各类产业政策资金3.32亿元。

北京中关村京西建设发展有限公司 010-61860565 / 15650769336 垂询邮箱:ai@zgc-aipark.com 地址:北京市门头沟区莲石湖西路98号创新大厦四层

Copyright © 2018 All Rights Reserved
京ICP备18021237号