还记得刷爆朋友圈的超酷未来感兵马俑吗？今年的 ICRA 来到古都西安，相信不少小伙伴已经开始收拾行囊准备参加线下会议啦！在国外的小伙伴也不用担心，我“门”的云际会必须继续搞起！本次线上活动为期两周：

   5月25日 | 系列Talk上线  

11位分享嘉宾，2场论文解读Talk

无需报名，直接观看

  6月5-6日 | 直播交流活动  

更长时间、更加自由、更加深入需要报名，通过审核后获得会议地址

我们将嘉宾按照各自的研究方向分为了两组

A组

运动/路径规划与控制，抓取，机械设计与模块化

B组

感知，定位与建图，策略迁移

每组嘉宾将用20min左右的时间讲解paper

后续还将有针对Talk的2场直播交流活动等你参加！

『Talk·论文解读』

『在线交流报名』

相信大家在看过Talk之后一定还有很多问题想与嘉宾们深入交流，在6月5-6日我们还安排了A组和B组相应场次的直播交流活动，Free Q&A、面对面探讨安排起来！

直播交流活动报名通道

▼

• 活动时间：北京时间6月5、6日(周末) 10:00-12:00

• 活动地点：腾讯会议、B站，报名通过审核后通过微信/邮件告知活动地址

• 活动议程：

• 各位嘉宾简单自我介绍

• Free Q&A

• 两轮互动抽奖，送出cherry机械键盘！
  

• 报名方式：扫描下方二维码，填写报名表单

Talk嘉宾及ICRA工作介绍

▼

- A1 -

基于不对称机械手准静态互动的

戳取方法及其在智能分拣的应用

本篇文章介绍了针对密集堆小物体分拣的新型抓取方法，Dig-grasping（戳取）。本方法可以有效实现目标物体的智能分拣。我们运用了平面的平推物理模型来描述机械手和物体在戳取过程中的物理互动。同时，我们根据模型设计了新型的不对称手指来有效地帮助分拣，并通过大量实验证明了该方法的有效性。

论文链接：

https://ieeexplore.ieee.org/document/9363618

代码链接：

https://github.com/hkUST-RML/dig-grasping

主讲人：香港科技大学在读博士 童喆锴

童喆锴，目前就读于香港科技大学电子及计算机工程系，博士研究生，研究方向为机械臂抓取方法、运动规划，及结合机器学习搭建的智能分拣系统。本科毕业于华东理工大学，硕士毕业于美国俄亥俄州立大学。

个人主页：https://github.com/zhekaiTong

- A2 -

基于状态空间搜索的交通灯路口节能运动规划

本篇论文介绍了应用于交通灯路口，基于状态空间搜索的节能驾驶运动控制。不同于现存的在时间-状态空间的数值搜索方法，本文的方法避免了时间维度的引入所带来的额外运算，并且保持了相同的油耗表现。同时，在交通灯部分信息未知所带来的未来信号灯随机过程的情况下，根据对信号灯改变的捕捉，时间逻辑可以搭建出马尔可夫过程模型，进而本文得到了在信号灯有随机变化时的运动规划。

论文链接：

https://ieeexplore.ieee.org/abstract/document/9362192

主讲人：德州农工大学在读博士 李天麒

李天麒，本科毕业于西安交通大学机械系，研究生毕业于华盛顿大学机械系，现在是德州农工大学机械三年级博士生，主要研究方向是多智能体的控制和规划以及感知相关的控制优化。

个人主页：https://www.linkedin.com/in/tianqi-li-34a023b7/

- A3 -

使用因子图求解带约束的线性最优控制

在以往的研究中，线性LQR问题通常有两种解法，一种是通过动态规划构造Riccati Equation递归，另一种是通过KKT条件把LQR问题转换成一个QP问题。两种方法被证明是等价的。

在这篇论文里，我们讨论当线性LQR问题在系统动力学方程之外还有额外的线性约束时，如何通过因子图来求解之并建立对应的Riccati Equation和QP问题之间的联系。

论文链接：

https://arxiv.org/abs/2011.01360

代码链接：

https://github.com/paulyang1990/equality-constraint-LQR-compare

主讲人：卡耐基梅隆大学在读博士 杨硕

杨硕，前大疆工程师和部门技术总监，现卡内基梅隆大学在读博士，从事机器人和最优控制方面的研究。在大疆期间参与了多款产品的飞行控制器研发工作，此外还负责了RoboMaster机器人赛事。在读博初期，工作都比较偏工程，制作了一个能够在横杆之间运动的猴子机器人和一个能够自动上楼梯的六足机器人。最近开始关注最优控制方面的理论研究，研究方向主要是对复杂机器人系统进行建模和实现模型预测控制。

个人主页：https://github.com/paulyang1990

- A4 -

投影仪引导非完整约束的移动3D打印系统

放弃使用基于龙门架结构的3D打印，并使用移动机器人能够以更块的速度大规模地进行增材制造。于是，这就带来了包括精确的定位，打印头的控制以及低振动和适当自由度的稳定移动机械手的设计在内的挑战。

我们提出并开发了一种低成本的非完整约束的移动3D打印系统，该系统由投影仪通过基于学习的视觉伺服控制进行引导。它几乎不需要手动校准系统参数。该系统使用固定在天花板上的投影仪，而无需使用任何昂贵的外部定位设备来进行姿态反馈，因此该系统使移动机器人能够精确跟踪预先设计的毫米级打印轨迹并进行速度控制。在实验部分，我们根据系统的轨迹精度和打印质量对其进行评估。我们进一步展示了使用两个移动机器人合作打印了一个80 cm x 30 cm尺寸的3D物体，这尺寸远超出了普通台式FDM 3D打印机的限制。

主讲人：纽约大学在读博士 徐旭初

徐旭初，本科毕业于北达科他大学机械工程系，硕士毕业于纽约大学机电一体化和机器人系，现攻读纽约大学机械工程系博士学位。研究方向是移动3D打印、制造工程和软体机器人。个人对科研的关键词是：Fashion，Passion，Question。

个人主页：https://ai4ce.github.io/

- A5 -
一种基于偏心轮机构与FBG传感器的

磁共振安全旋转编码器

磁共振安全的编码器是磁共振成像引导的机器人系统的关键零部件。本论文研制了一种基于偏心轮机构与FBG传感器的磁共振安全旋转编码器。该编码器具有连续检测、易制造、成本低等优点。此外，本论文提出的检测原理可用于微型(直径<3mm)编码器的研制。

论文链接：

https://www.researchgate.net/publication/351078252_An_MR_Safe_Rotary_Encoder_Based_on_Eccentric_Sheave_and_FBG_Sensors

上海交通大学医疗机器人研究院手术机器人研究中心：

https://imr.sjtu.edu.cn/kx_xyyjzx/2957.html

主讲人：上海交通大学在读博士 黄少平

黄少平，上海交通大学生物医学工程学院2020级在读博士生，导师杨广中教授。 本科毕业于华中科技大学物理学院，硕士毕业于清华大学自动化系并获评优秀硕士毕业生。 其研究方向为磁共振兼容的心血管介入医疗机器人。 重点关注磁共振兼容的驱动器、传感器的研发，以及面向人体狭窄腔道的纤微机器人的研制。

个人主页：https://www.techbeat.net/grzy?id=13539

- A6 -

一种基于杠杆原理的

变刚度关节驱动器设计及其机械臂系统集成

随着机器人的工作场景逐渐由封闭和结构化场景向开放和非结构化场景转变，机器人所面临的操作任务变得越来越复杂和多元，同时机器人与人和环境的之间的物理交互变得越来越普遍，因此兼容操作精度和柔顺性的柔性关节机器人系统得到越来越广泛的关注和应用。

本文提出了一种基于杆杠原理的变刚度柔性关节驱动器设计方案，具有良好的综合性能，包括较高的关节负载能力、较宽的刚度调节范围、较快的调刚响应速度、较低的关节弹性回滞、良好的线弹性特性和良好的结构稳定性。在此基础上，进行了4自由度变刚度关节机械臂的系统集成和实验验证。

论文链接：

https://www.researchgate.net/publication/351352266_A_Variable_Stiffness_Actuator_Based_on_Second-order_Lever_Mechanism_and_Its_Manipulator_Integration

参考资料：

https://www.researchgate.net/project/Design-control-and-operation-of-the-variable-stiffness-manipulator

主讲人：哈尔滨工业大学在读博士 刘章兴

刘章兴，2014年本科毕业于重庆大学，2014至2016年保送至哈尔滨工业大学机器人研究所攻读硕士学位，2016年至今在哈尔滨工业大学机器人研究所攻读博士学位。2020年带队参加“第二届中国研究生机器人创新设计大赛”获特等奖(前3/700队)。主要研究方向为柔性关节机器人系统设计、控制与操作，曾在权威期刊和会议IEEE/ASME transactions on mechatronics, IEEE Transactions on Industrial Informatics，IEEE ICRA中发表论文，授权发明专利3项,申请中发明专利7项。

个人主页：

https://www.linkedin.com/in/%E7%AB%A0%E5%85%B4-%E5%88%98-b83825b5/

- B1 -

随机色块追踪FingerVision传感器的

高分辨率三维接触形变

近年来采用摄像头成像来捕捉触觉信息的传感器解决方案逐渐在机器人应用中得到越来越多的重视。在这篇文章中，我们采用单目相机的设置，并将随机色块的图案安置于传感器感知表面的下方，利用经过改进的自适应稠密光流算法，可以准确地追踪高分辨率形变信息。通过高斯密度的方法，我们可以成功有效还原接触深度信息，并有望将此集成在机器人操作任务中用以提供触觉反馈信息。

论文链接：

https://ieeexplore.ieee.org/document/9361253

参考资料：

http://ragroup.ust.hk/

主讲人：香港科技大学在读博士 杜仪湃

杜仪湃，本科毕业于上海交通大学密西根学院，硕士毕业于瑞典皇家理工学院，目前在香港科技大学攻读博士学位，研究方向为基于视觉方法的机器人触觉传感器设计、信号处理及其在机器人操作中的应用等。

个人主页：

https://scholar.google.com.hk/citations?user=Ns81ilQAAAAJ&hl=zh-CN

- B2 -

修正知识蒸馏以适用于任务增量学习

及其在三维目标检测中的应用

让机器人能够不断地学习新的技能是实现机器人智能化的一个有效途径。为了实现增量学习，研究者通常通过知识蒸馏的方法，使机器人在学习新的技能的同时，缓解对以前知识的遗忘。然而，随着任务序列长度的增加，知识蒸馏对遗忘的缓解效率会下降，我们将之称为知识蒸馏的长序列效能下降问题。

在本文中，我们分析了LED问题的原因，将之归因于不同任务间数据分布的差异。为了解决这一问题，我们提出通过最大化所有旧任务数据分布后验概率的方法来缓解LED问题，并在自动驾驶场景三维物体检测任务上验证了这一方法的有效性。

论文链接：

https://www.ram-lab.com/papers/2021/peng2021ral.pdf

项目链接：

https://sites.google.com/view/c-kd/

主讲人：香港科技大学在读博士 云鹏

云鹏，现就读于香港科技大学，是计算机科学与工程专业四年级博士生，导师是刘明教授。目前研究方向包括：三维目标检测、增量学习、云机器人。

个人主页：https://pyun.ram-lab.com

- B3 -

使用GPRNet的基于GPR的地下管道建模系统

穿地雷达是一种很重要的无损检测传感器，它被广泛的应用与基础设施检测。现阶段的穿地雷达数据采集必须十分低效，穿地雷达数据解析也并不直观。因此，本文提出了一个机器人系统，该系统可以进行自动数据采集，并用GPRNet解析，重建地下物体模型。

论文链接：

https://arxiv.org/abs/2011.02635

项目链接：

https://openaccess.thecvf.com/content/WACV2021/html/Feng_Subsurface_Pipes_Detection_Using_DNN-Based_Back_Projection_on_GPR_Data_WACV_2021_paper.html

主讲人：纽约城市大学在读博士 冯经伦

冯经伦，纽约城市大学城市学院三年级在读PhD，师从Jizhong Xiao教授，研究方向是基于深度学习的地下环境三维重建，GPR感知以及视觉定位。并已在ICRA、WACV等会议上发表多篇文章。目前在ABB进行实习，主要工作是物体识别和抓取。

个人主页：https://github.com/Jing-lun

- B4 -

激光SLAM中基于贪心的特征选取方法

本论文研究如何通过有效的特征选择以提高激光雷达实时定位与建图(SLAM)的运行效率。不同于以往基于降采样或者选择感兴趣区域的方法，本文从优化函数的角度解决了这一问题。本文将特征选取建模成一个最大化汉森矩阵频谱特性的问题，并利用贪心的方法加速选择的过程。

论文链接：

https://arxiv.org/abs/2103.13090

项目链接：

https://ram-lab.com/file/site/m-loam/

代码链接：

https://github.com/gogojjh/M-LOAM

相关工作：

https://arxiv.org/abs/2010.14294  

主讲人：香港科技大学在读博士 焦健浩

焦健浩，目前是香港科技大学电子与计算机工程的第四年博士生，导师是刘明教授。2017年毕业于浙江大学。他的研究兴趣包括SLAM、传感器融合和计算机视觉。在博士早期的时候，他提出了第一个针对于多激光雷达在线标定和SLAM算法。他目前专注于视觉里程计的研究，曾在ICRA、IROS以及TRO上发表过文章。

个人主页：https://gogojjh.github.io

- B5 -

基于局部观测值和时空奖励函数分解的零数据策略学习

人类拥有强大的知识迁移能力， 但这样的能力对于人工智能来说仍然不够成熟。本文探索了一种基于局部观测值和时空奖励函数分解的方法使得学习到的策略可以直接迁移到新的环境中而不需要额外的数据。

在文章中， 我们提出了一种名为SAP的算法结构， 通过学习物理模型和环境价值模型， 从而获取在多领域可迁移的知识。在学习到物理模型和价值模型后， 我们可以采用基于模型的规划算法来进行策略学习。实验中我们在电子游戏超级马里奥而连续控制的机器人仿真任务中取得了超过以往方法的泛化能力。

论文链接：

https://arxiv.org/abs/1910.08143

主讲人：加州大学伯克利分校在读博士 许华哲

许华哲，加州大学伯克利分校博士生， 师从Prof. Trevor Darrell。发表顶会论文十余篇, 本科毕业于清华大学电子系。对强化学习、计算机视觉和机器人学感兴趣。

个人主页：http://hxu.rocks

直播交流活动报名通道

▼

• 活动时间：北京时间6月5、6日(周末) 10:00-12:00

• 活动地点：腾讯会议、B站，报名通过审核后通过微信/邮件告知活动地址

• 活动议程：

• 各位嘉宾简单自我介绍

• Free Q&A

• 两轮互动抽奖，送出cherry机械键盘！
  

• 报名方式：扫描下方二维码，填写报名表单

- The End -

关于TechBeat人工智能社区

TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ