在演讲中，邢教授介绍了支持车路协同自动驾驶的实时边缘系统。物联网、自动驾驶和智慧城市作为AI落地的沃土，其蕴含的潜力十分庞大。从邢老师的精彩分享中，我们看到了物联网+AI+视觉+自动驾驶的新型融合模式，并且为未来的智慧城市、自动驾驶辅助驾驶等领域开拓了新的方向和可能。
自动驾驶在近些年大热，也成为了未来市场的爆发点。在世界的各大城市中，为了支持自动驾驶也逐渐开始了城市智能化的升级，包括利用电线杆和灯柱等设施辅助自动驾驶。如此的设计可以提高自动驾驶的安全性，并且降低自动驾驶的成本，这是一个很有意义的方向。
邢教授介绍道，智能城市中的智慧灯柱，可以在不侵犯用户隐私的前提下，使用激光雷达等下一代智能传感器实现行人车辆的识别。这样的设备也可以用在辅助驾驶和自动驾驶场景中。然而其计算资源通常十分有限。
为了解决这些问题，邢教授提出了基于模型压缩和优先级调度的实时AI系统。这种方法针对不同的深度网络进行多级压缩，而后通过联合优化压缩级别和优先级来优化执行策略。在经过模型多变体压缩融合、优先级联调等技术后，实际效果十分良好。
邢教授介绍道，以智慧灯柱为代表的路边基础设施辅助的自动驾驶挑战在于有效使用灯柱的传感器辅助车辆的感知。这需要精准的点云配准技术来利用路边的激光雷达扩展车辆的视野。这就像连接了灯柱上的传感器一样，开了“天眼”。
为了实现这样的目的，邢教授团队设计了一个可以找到点云语义信息（如路边的交通标志）的轻量化方法等。其优点在于精简了配准所需的数据量，仅需进行语义级别的配准，而不需要传输原始激光雷达图像，从而降低车辆的算力要求。以上技术已经在邢教授团队部署的大型智慧灯柱平台上进行了验证。

李世鹏：机器人中的人工智能何去何从？

文章插图

李世鹏博士现场照片
最后进行演讲的是李世鹏博士，他的演讲题目是《人工智能与机器人前沿研究思考》。
李世鹏博士，IEEE Fellow，国际欧亚科学院院士 。李院士历任深圳市人工智能与机器人研究院首席科学家和执行院长、科大讯飞集团副总裁及讯飞研究院联席院长、微软亚洲研究院创始成员与副院长。
在演讲中，李博士介绍了人工智能和机器人前沿研究的深入思考。机器人作为人类未来社会中不可缺少的重要组成部分，其发展与我们的生活、隐私和便利息息相关。李老师为我们详细介绍了人工智能和机器人领域上的发展方向，分别从机器学习能力提升、运动智能的发展、人机谐作的未来以及人群体协作四个方面进行了综述和展望，具有很强的导向意义。
首先李博士带我们了解了人工智能和机器人研究的全景图。而后对其中的关键技术，即机器学习、运动智能、人机谐作、群体协作进行了介绍。
在这个全景图里，核心的三元素是人、人工智能和与物理世界接口的机器人/物联网；他们两两之间的交互和作用，形成了一个个人工智能与机器人领域的不同学科和方向；而这些智能体变得众多时，群体之间的协作就变的很重要。在AI+机器人领域中，最重要和核心的一个主题便是研究人、机器和环境之间的交互和协作的哲学和方法。李博士介绍说，该领域的研究方向可以分成机器学习、运动智能、人机谐作和群体协作等基本方向。
在机器学习方面，由于深度学习等算法对标记数据的严重依赖性，模仿人类认知的建模研究成为未来的突破口，因此，认知科学启发的机器学习或成为人工智能未来的发展方向。
李博士介绍到，人工智能在很大程度上是在模仿人类的认知过程。认知科学的很多观察和结论，目前还没有充分被人工智能所借鉴。比如说人有些智能是生而知之；人的学习认知过程在早期就会收敛到一个“思路”模型；人是从多源多模态的输入中学习和进化认知的；人的归纳总结能力往往通过人类示教获得和完善的等等。因此在未来的机器学习过程中，其可能的发展方向可能是多源和多模态的输入，加上考虑示教和归纳能力的学习模型。
而在机器人的运动智能方面，李博士介绍说，虽然目前的最先进机器人已经可以执行灵活丝滑的运动控制，但是其计算资源消耗严重，因为它基于电机的控制。但是人类是基于肌肉-骨骼-传感-神经的系统中进行低能耗的运动，此时自适应、低耗能、鲁棒性、灵活性都得到了体现。