热烈祝贺“计算智能与无人系统”学术研讨会成功举办

    12月18日，“计算智能与无人系统”学术研讨会在线上成功举办。本届研讨会由华中科技大学人工智能与自动化学院主办，学院院长曾志刚教授、副院长张海涛教授担任本届会议主席，黄剑教授、苏厚胜教授担任会议执行主席。

    本次研讨会邀请了10位来自海内外的知名学者和领域专家做了精彩报告，涉及到人工智能、自动控制、复杂系统、化工过程控制、群体智能等多个学科及其交叉融合。本次会议从不同领域，不同角度深入探讨了计算智能与无人系统的前沿科学问题与技术挑战，综合讨论了过去和未来该领域的发展重点和方向。精彩纷呈的报告吸引了二百余名师生线上参加。

    首先，华中科技大学张海涛教授为研讨会致开幕辞，他认为计算智能和无人系统领域是当代学术研究的焦点之一，表达了学院对推动该领域蓬勃发展，加强与海外院校、学者间实质性合作，共克难关的迫切愿望。

    美国佐治亚理工学院张富民教授首先做了题为“A Layered Approach for Bio-Inspired Distributed Active Perception”的报告，他表示因机器人系统能够在定位和通信受限的困难环境中收集数据，将其作为网络化的移动传感平台是一种明显的趋势，并对不受干扰地执行搜索和监控任务的需求为可连续工作的自主无人系统提出了更高的目标。通过主动感知，实现了信号在大规模协同群体中传播的分层方法。基于这些发现，提出了有效的分布式优化算法，优化处理了机器学习中经常出现的梯度消失和计算量暴涨的问题。

    伦斯勒理工学院高建喜教授做了题为“Agent-based Modeling and Its Application in Social Sciences”的报告，他提出，集群运动是协同行为中最常见和最引人注目的表现形式之一，对于无人系统和计算智能至关重要。他从经典的Vicsek模型出发，提出了通过模型加权和角度限制来提高收敛性能的方法，并介绍了该课题组将这类方法扩展到复杂社会系统的研究。

    美国加州大学河滨分校教授、IEEE Fellow任伟教授，做了题为“Distributed Continuous-time Optimization in Multi-agent Systems”的报告。他深入研究了连续时间下多智能体系统的分布式凸优化问题。其目标是通过局部信息交互来最小化局部代价函数之和，且每个智能体只能获知对应的个体代价函数。他还介绍了连续时间的分布式控制算法，仿真和实验结果验证了理论结果的有效性。

    欧洲科学院院士、澳大利亚斯威本科技大学副校长、IEEE Fellow韩清龙教授做了题为“Coordinated Control of Multiple Autonomous Surface Vehicles”的主题报告。他首先介绍了自主无人艇的开发和部署，随后展示了其团队为实现多无人艇的协同运动，开发的先进的协调制导与控制技术对。进一步报告了该课题组在多无人艇系统在轨迹跟踪、路径跟踪和目标跟踪协同控制方向上的最新进展。最后韩教授指出了无人艇集群未来研究发展的若干具有潜力的方向。

    台湾清华大学汪上晓教授，做了题为“Embedding Physics in Sequence-to-Sequence Model for Model Predictive Control in Chemical Processes”的报告，介绍了利用深度学习来解决化工过程工业中控制和优化问题的历程。提出尽管化工过程中记录了大量数据，但仍缺少与当前状态有关的重要信息。表示自然语言处理中常用的从序列到序列 (StS) 模型更适用于此场景，并展示了配备了编码器的StS模型，使用历史数据来观察隐藏状态，以及利用当前状态和未来的动作来预测未来的解码器。新颖的研究方法为模型预测控制在流程工业应用开辟了新的途径，大幅降低了能耗，为双碳指标实现提供了有益的思路。

    日本名古屋大学青山忠义副教授做了题为“Macro-Micro Interaction Technology”的报告。他表示DNA注入细胞的显微注射技术可广泛应用于生物学、医学和药学等领域。然而，显微注射过程的实施需要技巧，需要提高可操作性，并演示了通过实时图像显示来提高能见度的微注射系统。

    澳大利亚昆士兰科技大学田玉楚教授做了题为“Services from Virtualized Edge and Cloud to Cyber-physical Robotic Systems”的报告。当多个机器人部署在一个较大的地理区域时，该课题组利用机器人周围的边端资源来处理机器人的多个实时任务，避免了与云中心通信的较大延迟。在边缘资源受限于能源和资源的情况下，多个有时限要求的实时机器人任务之间共享边缘资源是至关重要的。针对该问题，其课题组通过在优化框架中制定并使用计算智能技术，很好的解决了边端与机器人的资源限制的问题。

    荷兰格罗宁根大学教授、IEEE Fellow曹明教授做了题为“Cooperate against Conflicting Self-interests”的主题报告。他介绍了近年来困扰着使用自主机器人工作的工程师的“社会困境”现象，即当自主智能体被理性目标驱动以优化个人利益时，与团队任务的矛盾。他提出机器学习，尤其是强化学习，可以使自主智能体集群适应随机变化的环境，并显著改善在社会困境中的相互协作。其课题组建立了将强化学习与随机社会决策相结合的新框架，显著提高了群体自主系统的交互性和环境自适应性。

    法国洛林大学Ali Zemouche副教授做了题为“The Benefit of LMI Techniques in Nonlinear Observer Design: Why we are still working on LMI relaxations?”的主题报告，讨论了满足某些非线性特性的非线性系统观测器设计问题。首先介绍了其主要研究基于线性矩阵不等式(LMI)的方法及其在改进一类大型非线性系统观测器设计中的应用。随后探讨了LMI松弛技术，并针对基于LMI技术的优点和局限性，提出了克服系统保守性的方法。

    英国诺森比亚大学高志伟教授做了题为“Augmented Observer Techniques for Abnormality Detection and Resilient Control”的报告。由于老化和意外，机器很容易出现故障或不可接受的性能变化。针对这类现象，最重要的是在早期发现异常，据此引入了用于同时估计状态和意外变化的增广观测器技术，同时以简单的信号补偿来解决弹性控制问题。最后，以风力发电系统和功率变流器等工程实例说明了该方案的有效性和优越性。

    最后，华中科技大学黄剑教授致闭幕辞，对专家学者们的莅临和对本次研讨会的支持致以由衷的感谢。黄剑教授表示计算智能与无人系统领域的学者齐聚一堂、共襄盛举，本次“计算智能与无人系统”学术研讨会，必将启迪创新思维，深化国际合作，促进科研发展。

    在本次研讨会上，计算智能与无人系统领域的海内外专家交流真知灼见、共探科技前沿，工业智能与信息物理系统交相辉映，智能机器人和自主无人系统深入交融，计算智能与复杂网络相得益彰，过程控制和机器学习激情碰撞，网络群体智能与非线性系统分析编织未来，自主无人艇集群赋能海洋战略。会议搭建了思想碰撞、成果分享的平台，为海内外学者深化合作、共谋发展架起了桥梁。