2020全国科普日系列活动丨第五期“机器人智能论坛”将于9月21日举行-人工智能-热点资讯-野望文存-科技 
    欢迎来到野望文存-科技!
当前位置:野望文存-科技 > 热点资讯 > 人工智能 >  2020全国科普日系列活动丨第五期“机器人智能论坛”将于9月21日举行

2020全国科普日系列活动丨第五期“机器人智能论坛”将于9月21日举行

发表时间:2020-09-20 19:42:00  来源:野望文存  浏览:次   【】【】【

一、会议背景
“机器人智能”论坛是由中国人工智能学会(CAAI)和中国计算机学会(CCF)联合主办,CAAI认知系统与信息处理专委会和CCF智能机器人专业组联合承办的机器人与人工智能领域的高端学术讲堂。“机器人智能”论坛现已举办四期,累计在线观众人次60多万。第五期活动将于2020年9月21日线上举行,邀请到欧洲科学院院士王子栋教授、哈佛大学威斯研究所研究员李曙光博士、上海科技大学信息科学与技术学院助理教授马月昕博士,共享最新理论和技术成果。


二、组织机构
主办单位:中国人工智能学会、中国计算机学会
承办单位:中国人工智能学会认知系统与信息处理专委会、中国计算机学会智能机器人专业组
 
三、会议时间
2020年9月21日19:30-21:30
 
四、活动流程安排 


时间

921号下午1930

19:30-20:25

欧洲科学院院士王子栋教授报告

20:25-20:30

休息时间

20:30-21:00

李曙光博士报告

21:00-21:30

马月昕博士报告


五、讲者及报告简介
个人简介:

王子栋

欧洲科学院院士、布鲁奈尔大学终身教授、IEEE Fellow

IEEE出版社编委,英国皇家统计学会理事。曾任长江学者讲座教授及国家级专家、旅英华人自动化及计算机协会主席。曾获得德国洪堡基金、日本科学促进会基金、香港大学威廉蒙基金。从事控制理论、信号处理、生物信息学方面的研究,在SCI刊物上发表国际论文600余篇。现任或曾任12种国际刊物的主编、副编辑或编委,包括Neurocomputing主编、国际系统科学杂志执行主编,以及IEEE自动控制、IEEE控制系统技术、IEEE神经网络汇刊副编辑等。


报告题目:智能数据分析--大数据与坏数据
报告摘要:本报告探讨大数据分析的一个重要方面,即坏数据分析,其中所谓“坏”意指由系统复杂性而导致的实验结果不可重复性问题。我们首先介绍大数据分析结果不可重复(即具有波动性)的一些背景知识以及产生原因,从中得到两个结论:1)“大”数据并不一定意味“好”数据;2)利用多指标数据分析技术可以减少“坏”数据的负面影响并从而丰富大数据分析的研究课题与成果。我们用复杂网络的大数据分析及基因表达图像处理的大数据分析来说明我们研究成果的重要性与普适性。最后,本报告指出一些未来的研究方向。


个人简介:

李曙光

哈佛大学威斯研究所、麻省理工学院计算机科学与人工智能实验室研究员  

研究兴趣主要包括模块化机器人、集群机器人、折纸机器人,以及软体机器人相关技术和应用。多篇研究论文发表在 Nature、PNAS、Science Robotics等顶级期刊和学术会议上,相关研究成果获得全球上百家知名媒体、杂志和网站的专题报道和关注,包括 BBC、NPR、新华社、美联社、MITNews、MIT Technology Review、DiscoveryNews、CNN等。其中在Nature发表的研究成果“粒子机器人”被选为封面文章进行了重点报道,在学术界引起巨大轰动。


报告题目:基于集群力学和分布式控制的“粒子机器人”系统

报告摘要:在很多生物系统中,大规模的复杂行为可以通过众多简单个体的随机移动和协调来实现。例如,在伤口愈合和癌症扩散过程中,活细胞会出现集体迁移现象。在此项研究中,我们受到细胞集群运动现象的启发,设计开发了单自由度(展开和收缩)的机器“粒子”。相互独立的多个机器“粒子”单元松散聚集即可形成一个“粒子机器人”系统。我们针对此“粒子机器人”系统设计了一系列分布式算法,使其实现了自组织、自适应、高鲁棒性的集群行为,例如向目标光源运动、躲避障碍物、搬运物体等。此研究为开发大规模集群机器人系统提供了新的思路,未来可应用于物流、探测、建筑和医学等领域。


个人简介

马月昕

上海科技大学助理教授

曾担任香港浸会大学研究助理教授。研究领域包括计算机视觉、计算机图形学和自动驾驶,现在的研究课题专注于运动物体行为及轨迹预测、三维场景理解、3D点云检测与分割、多智能体运动规划等。已在多个顶会和顶刊上发表文章,包括Science Robotics、AAAI、 ECCV、IJCAI、Siggraph AsiaAAMASMICCAI等。


报告题目:城市交通中多类别交通体的轨迹预测
报告摘要:为了更安全有效地行驶在复杂的城市道路上,无人车或机器人必须准确地预测周围交通体(行人、自行车、汽车等)的运动状态与轨迹,进而做出合理的运动决策。为了解决这个问题,我们提出了一个基于LSTM的实时轨迹预测算法。该方法利用一个实例层学习个体的运动特征与个体间的交互特征,利用一个类别层去总结同类物体的相似运动属性,进一步改善预测结果。在复杂的城市道路数据集上,我们的算法达到了最好的的预测精度。然而,当前的监督算法依赖于大量标注的数据集,耗时耗力。为了能充分利用海量的交通视频数据,我们又提出了一个无监督的轨迹提取算法,可以直接输入原始视频,输出物体的运动轨迹,可直接用于大规模的轨迹预测算法的训练,进一步提升预测精度。同时,我们的算法专注于视频的动态信息,可以适用于各种各样的场景,有很好的普适性。


六、会议地点    

1、扫描下方二维码,或复制下方链接,进入直播间。

http://play.itdks.com/watch/10135244


2、扫描下方二维码,加入微信群,关注后续活动。

 


3、欢迎注册中国人工智能学会认知系统与信息处理专业委员会:
http://app01.cast.org.cn:7001/cast/reg.jsp?sid=E66




责任编辑:蔡学森