ARTS 2024
为了促进自主机器人领域一线青年学者/工程师的交流,推动学术界与企业界的交融与产学研合作,搭建一个深度、纯粹的技术交流平台,中国自动化学会决定主办自主机器人技术研讨会(Autonomous Robotic Technology Seminar,简称ARTS)。
ARTS作为中国自动化学会青年菁英系列活动的重要组成部分,倡导理性批判、敢于质疑、务实的科学精神,积极探索自由平等的思想交锋。ARTS主要关注传感与感知、自主导航、状态估计、移动机器人定位建图、运动规划、建模与控制、多机器人系统、具身智能等方向。第二届ARTS大会将于2024年11月23日-24日在中山大学深圳校区举办。诚挚邀请您参加,并对大会的组织提供意见和建议!
组织机构
ARTS
主办单位:中国自动化学会
承办单位:中山大学智能工程学院
协办单位:深蓝学院
组委会人员
ARTS
大会主席:
郑跃 中山大学
张楠 中国自动化学会
高飞 浙江大学
程序委员会主席:
陈谢沅澧 国防科技大学
范 睿 同济大学
刘 哲 上海交通大学
缪志强 湖南大学
王超群 山东大学
王 越 浙江大学
吴 荩 北京科技大学(拟入职)
徐 浩 北京航空航天大学(拟入职)
许华哲 清华大学
姚伟嘉 湖南大学
岳裕丰 北京理工大学
张雪涛 大连理工大学
周 易 湖南大学
本地主席:
吕熙敏 中山大学
会议日程
ARTS
嘉宾介绍
ARTS
报告主题:
基于激光雷达的自主无人机系统
石凡
新加坡国立大学助理教授
报告主题:
Learning,Control,and Safety for Enhanced Legged Dexterity
With the advance in optimal control and reinforcement learning, latest controllers have demonstrated exceptional performance on complex multi-limbed robots, including the application in aerial manipulation, quadrupedal locomotion, and dexterous hand skills. Despite these advancements, comprehensive safety validation remains a prerequisite for their large-scale real-world deployment. Current state-of-the-art (SOTA) controllers exhibit robustness against standard testing paradigms, domain randomization, and evaluations by human experts. In this talk, I will first introduce our progress on enhancing dexterity of the robots, and then our recent research revealing vulnerabilities in long-tested state-of-the-art controllers on the legged locomotion and dexterous manipulation when subjected to minor perturbations generated by AI agents. This study highlights critical safety concerns and emphasizes the necessity of addressing these vulnerabilities to enhance system reliability. The failure cases identified in our analysis offer valuable insights into system components, providing a foundation for improving the robustness and safety of black-box neural controllers.
王越
浙江大学教授
报告主题:
Global Consistency: To be or not to be?
许华哲
清华大学助理教授
报告主题:
Learning to Manipulate Anything Anywhere
Why don’t robots work for humans in our daily tasks? At the heart of this problem is that the robots cannot generalize to the desired tasks. But what is generalization? With the most general notion of generalization, problems-solving at any unseen physical scenarios reside in the domain. That being said, a thorough ontology of factors in generalization might provide a welcoming avenue toward empowering robots to do all kinds of tasks. In this talk, I will present key factors in robot generalization and show how hard it is for a robot to generalize even toward an easy perturbation. I will also present tentative solutions to solve these challenges. With all the challenges combined, we conclude the real goal for robot learning is to learning to manipulate anything anywhere.
高飞
浙江大学长聘副教授
报告主题:
仿生飞行智能
受限于感知、计算、机动性和能耗,无人机在复杂环境中的自主飞行与集群协同仍面临诸多挑战。自然界的飞行生物则具有敏锐感知和灵巧机动能力,可以从仿生的角度启发我们对飞行智能开展进一步研究。本次报告,我将从敏锐感知、自主决策、飞行交互、集群智能四个方面介绍团队在无人机单机与集群自主导航方法上所做出的最新创新贡献,展示在不依赖外部定位和计算设施,仅靠机载摄像头、计算芯片和传感器的无人机动态环境鲁棒感知、快速安全机动飞行、动态飞行抓取操作、集群协同感知避障等方面的最新研究成果。
万伟伟
大阪大学副教授
报告主题:
从人形机器人到双臂操作
Hector Garcia de Msrina
Research Professor with the University of Granada
报告主题:
Practical challenges in mobile robot swarms
顾家远
上海科技大学助理教授
报告主题:
通过轨迹去学习更泛化的机器人操作技能
尽管数据驱动的模仿学习取得了显著进展,但开发能够掌握多种技能以处理广泛任务的通用机器人操作策略仍然面临巨大挑战。为此,我们提出了RT-Trajectory,通过结合现有的示范数据集和一种新颖的策略条件——轨迹草图(trajectory sketch),旨在提升任务层面的泛化能力。轨迹草图描绘了机器人末端执行器应采取的运动轨迹,使策略能够以可提示的方式适应具有新颖语义和运动特征的未见任务。此外,我们开发了Simpler-Env模拟仿真平台,以便研究者在仿真环境中评测基于真实机器人数据训练的操作策略。通过实验,我们验证了该仿真平台与实际操作成功率之间的高度相关性,从而证明其在模型评估中的有效性和可靠性。
白辰甲
中国电信人工智能研究院研究科学家
报告主题:
大模型驱动的具身智能
具身智能是人工智能、机器人学、认知科学的交叉领域,主要研究如何使机器人具备类似人类的感知、规划、决策和行为能力。大模型具有对物理世界的丰富知识,能够为智能体提供自然语言交互、环境感知和任务规划的能力,同时能够和具身智能的传统框架相结合,提升智能体策略学习的泛化性。本报告将介绍相关技术背景,包括具身智能概念,大模型技术,强化学习、模仿学习、模型预测控制等策略学习框架。随后,从学习范式的角度将大模型驱动的具身智能算法分为五类并依次进行了阐述,分别是大模型驱动的环境感知、大模型驱动的任务规划、大模型驱动的基础策略、大模型驱动的奖励函数、大模型驱动的数据生成。最后介绍TeleAI具身智能团队在大模型驱动的具身智能方面的最新成果。
周顺波
华为云具身智能创新Lab技术负责人
报告主题:
大模型时代的机器人开发与应用探索
本次报告主要分享华为云在大模型与机器人领域的洞察与思考,以及在具身数据和仿真平台等方面的初步实践。
阚震
中国科学技术大学教授
报告主题:
非结构环境下的机器人智能控制与协作
机器人技术发展的重要愿景之一就是在动态、不确定、未知的非结构环境下工作。然而,面对非结构环境,现有的机器人应变能力差,智能程度弱,仍缺乏自主感知、决策与控制等能力。本报告将介绍基于Linear Temporal Logic (LTL)的具有时序约束和逻辑约束的复杂任务刻画,并在此基础上从任务-环境冲突消解策略下的机器人运动规划,弱化信息条件下的机器人反应式运动规划,多目标多约束下的多异构机器人协同规划与控制等方面介绍非结构环境下的机器人智能控制与协作的最新研究进展。
国萌
北京大学助理教授
报告摘要:
多智能体系统通过协同协作在完成大量复杂任务时可展现出很高的效率,例如在运输、维护、搜索和救援等典型任务。这种协同通常包含两个方面(i)选择适合各个子任务的协作子团队;(ii) 设计协作模式和控制策略来执行这些子任务。前一方面的复杂程度取决于团队规模和任务复杂度,而后一方面则需在几何和动态约束下优化联合状态动作空间。现有研究通常倾向于解决其中一方面,而假设另一方面已给定,因此忽略了它们的密切依赖性。此类问题可以用组合混合优化(Combinatorial-hybrid optimizations)来描述,其中协作团队构成、离散协作模式和连续控制参数需通过迭代同时进行优化。我们所提出的框架由两个交错层组成:首先,提出了基于分布式任务联盟的纳什稳定联盟算法,来解决任务分配;其次,提出了基于协作模式梯度引导的混合搜索算法,来处理混合优化。最后,为了加快在动态环境中进行在线适应,我们提出了基于异构图注意网络的学习启发方法,用于选择更合适的规划参数和局部协调的过程中交换更有前景的解决方案。我们的提出的框架在动态捕获、周边防御和协作搬运等多个应用场景中得到了验证。
赵昊
清华大学助理教授
报告主题:
生成式仿真为具身智能释放无限灵感
报告摘要:
生成式仿真技术正迅速成为具身智能发展的关键驱动力。具身智能,作为感知、理解并与物理世界交互的智能体,其发展受制于训练环境的复杂性和多样性。生成式仿真通过动态创建丰富多样的虚拟训练场景,为智能体提供了前所未有的训练机会,突破了传统仿真环境的限制。本次报告将结合具身智能在各个领域的实际应用,深入探讨生成式仿真如何推动智能体从预设任务走向真正的自主学习与创新。生成式仿真不仅提升了智能体的适应性和鲁棒性,还为它们提供了应对现实世界中复杂问题的创新灵感。该技术通过不断生成多样化的仿真场景,使得智能体能够在更加逼真的虚拟环境中进行有效学习,从而提高其面对真实世界时的表现。本次报告将通过具体实例,展示生成式仿真在自动驾驶、机器人技术、虚拟现实等领域的巨大潜力,以及其在推动具身智能发展中的核心地位。可以预见,生成式仿真必将为未来智能体的设计与开发工作开辟无限可能,并激发出源源不断的创新灵感。
庞江淼
上海人工智能实验室青年科学家
报告主题:
泛化运动与操作智能
近年来具身智能技术迅速发展,但依然面临不同环境泛化性的挑战,本报告将围绕“泛化运动与操作智能”展开介绍。在运动智能方面,介绍一种结合环境信息的高效运动控制算法,其通过雷达或深度相机生成高度地形图,并作为感知信息输入给运动策略,仅需在RTX 4090上训练三小时,便能处理各种复杂地形。在操作智能方面,介绍一种端到端的未来预测状态引导下的逆动力学模型,其利用大型机器人数据集DROID预训练后,通过少量微调即可适应不同场景,得益于预测未来和动作执行之间的协同机制以及大规模预训练,该算法显著提升操作成功率并增强泛化能力。
梁俊卫
香港科技大学(广州)助理教授
报告主题:
面向通用服务的具身智能
近年来,随着机器人硬件、多模态大模型的发展,具身智能在学术界和工业界都受到越来越多的关注,面向通用服务的智能机器人已成为重要的研究热点。本次讲座梁俊卫博士将从移动和操作两个方面分享实验室近期面向通用服务具身智能的研究进展,包括:给定自然语言描述的无地图视觉开集目标导航,以及基于行人轨迹预测的社交导航系统,研究工作发表于ECCV 2024;面向自然语言的机器人操作对比模仿学习,研究工作发表于CoRL 2024;最后包括基于强化学习整身控制策略的低成本遥操作系统,该成果发表于IROS 2024(口头报告)。
黄思远
北京通用人工智能研究院研究科学家
报告主题:
三维世界中的通用具身智能体
创造通用具身智能体是人工智能研究的终极目标之一,目前的绝大多数智能体缺乏理解三维世界并构建世界模型的能力。如何让智能体理解三维世界并进行推理和交互是要解决的重要问题,也是通向通用人工智能的一个重大瓶颈。这次的课程将首先介绍三维场景理解对通用具身智能体的关键作用和其中的瓶颈,并详细展开我们最近的几项研究工作(SceneDiffuser, Arnold, LEO, SceneVerse, Ag2Manip, COME-Robot) 是如何尝试解决这些瓶颈问题,并逐步迈向通用具身智能的。
宋文杰
北京理工大学教授
报告主题:
陆上无人系统智能决策与规划
陆上无人系统是由无人车和无人机组成的跨域无人系统,主要面向复杂、动态、多约束的地面与近地面作业场景和任务。当今制约无人系统实现可靠稳定自主导航与作业主要集中在如何克服高动态交互对象的不确定性、未知复杂越野场景的开放性、密集空间和多样化任务的动态性。围绕上述问题与挑战,本报告首先介绍陆上无人系统的研究背景和发展历程,随后围绕上述挑战下无人系统的智能决策与规划问题介绍已开展的相关研究成果。
邢伯阳
国家地方共建人形机器人研发总监
报告主题:
青龙人形机器人具身智能技术概述
青龙人形机器人公版机是国地创新中心研发的全尺寸人形机器人,平台采用具身智能技术驱动,结合训练场实现对多技能进行学习,下肢运动控制通过强化学习完成对多样化步态模型的学习,上肢基于模仿学习和大模型技术路线实现任务拆解与技能学习,面向非结构地形结合类人控制理论,实现粗细粒度迭代优化,从而驱动青龙机器人实现自主移动作业。本报告将介绍青龙公版机载硬件、具身行为、具身作业与具身感知方向的技术进展与解决方案,并结合Openloong开源社区带来目前青龙的最新进展和创新中心在训练场的建设规划。
大会注册缴费
ARTS
大会指南
ARTS
联系方式
ARTS
深蓝学院
联系人:乔洲
联系电话:13126828869
联系邮箱:arts@caa.org.cn
中国自动化学会
联系人:屈洋
联系电话:010-62522248
联系邮箱:caa@ia.ac.cn