雷鋒網(wǎng)AI科技評論按：ICRA全稱為“IEEE International Conference on Robotics and Automation”（機器人與自動化會議），是機器人技術(shù)領(lǐng)域最有影響力的國際學(xué)術(shù)會議之一。ICRA 2017于5月29日至6月4日舉行，雷鋒網(wǎng)AI科技評論從新加坡帶來一線報道。該會議舉辦期間，雷鋒網(wǎng)將圍繞會議議程及獲獎?wù)撐恼归_系列專題報道，敬請期待。

下面是獲得ICRA 2017最佳會議入選論文的論文摘要。

Robotarium：可遠程訪問的機器人集群研究測試平臺

來自佐治亞理工學(xué)院的Pickem Daniel等研究者開發(fā)了Robotarium，這是一種可遠程訪問的多機器人研究測試平臺。機器人測試平臺是多機器人研究周期的一個重要組成部分，但它們的開發(fā)，運營和維護成本昂貴，復(fù)雜且費時。這些資源約束提高了大量研究人員和學(xué)生研究的門檻，為了解決這些限制，Robotarium為用戶提供目前最先進的多機器人測試設(shè)備的遠程訪問。本文詳細介紹了Robotarium的設(shè)計和操作并討論了復(fù)雜硬件遠程訪問時必須考慮的問題。特別是在設(shè)計階段必須在系統(tǒng)中建立安全性，但不會過分地約束用戶上傳和執(zhí)行的協(xié)調(diào)控制程序，這需要最低限度的入侵安全保障程序，同時也要有性能保證。

論文鏈接：https://arxiv.org/abs/1609.04730

人-機器人操縱任務(wù)中的未知物體的動力學(xué)估計

精確地了解被操縱對象的動態(tài)參數(shù)是物理人機交互的共同協(xié)調(diào)策略所必須的。物體動力學(xué)中的偏差會導(dǎo)致機器人不正確的計算機械手的運動，這可能影響到人機交互，并導(dǎo)致人對運動意圖的認知產(chǎn)生偏差。來自德國慕尼黑工業(yè)大學(xué)的Denis Cehajic等人的論文提出了物理人機交互的物體動力學(xué)識別策略，允許其跟蹤期望的人的運動，并引起參數(shù)識別所需的運動。物體動力學(xué)的估計是在線執(zhí)行的，估計器最小化機械手作用在物體上的實際測量值和估計值之間的最小二乘誤差。識別相關(guān)運動是通過分析激勵條件的持續(xù)性而得到的，這是使估計收斂所必須的。這樣的運動被投影在部分抓握矩陣的零空間中，將人和機器人的冗余運動方向相關(guān)聯(lián)，以避免對人所期望的運動的干擾。該方法能夠在屋里人機對象操作的場景中進行評估。

第一作者Denis Cehajic的個人主頁：https://www.itr.ei.tum.de/cehajic/

針對語義SLAM的概率數(shù)據(jù)關(guān)聯(lián)方法

傳統(tǒng)的即時定位與地圖構(gòu)建方法（SLAM）依賴于諸如點，線和面等低級幾何特征，他們不能將語義標簽分配給在環(huán)境中觀察到的地標。另外，基于低階特征的循環(huán)閉合識別通常依賴于觀察點，并且經(jīng)常在模糊或者重復(fù)的環(huán)境中失敗。另一方面，對象識別方法可以推斷地標的類別和尺度，得到一小部分容易識別的地標，這種情況是不依賴視角的無歧義循環(huán)閉合的理想情況。然而，如果地圖中存在屬于同一類別的幾個對象，這就存在關(guān)鍵的數(shù)據(jù)關(guān)聯(lián)問題。雖然數(shù)據(jù)關(guān)聯(lián)和識別是離散問題，通?？梢允褂秒x散推理解決，但是經(jīng)典SLAM算法是針對度量信息的連續(xù)優(yōu)化。在該論文中，在傳感器狀態(tài)和語義地標位置上制訂了一個優(yōu)化問題，該問題集成了度量信息，語義信息，和數(shù)據(jù)關(guān)聯(lián)，并將其分解為兩個互相關(guān)聯(lián)的問題：離散數(shù)據(jù)關(guān)聯(lián)和地標類概率的估計，以及度量狀態(tài)的連續(xù)優(yōu)化。估計的地標和機器人姿態(tài)影響關(guān)聯(lián)和類分布，這反過來影響機器人-地標姿態(tài)優(yōu)化。該論文的算法性能在室內(nèi)和室外數(shù)據(jù)集中都得到了證明。

該論文來自賓夕法尼亞大學(xué)GRASP實驗室，第一作者為博士生Sean Bowman。

論文地址：https://www.src.org/library/publication/p089543/

基于模型的強化學(xué)習(xí)的信息理論模型預(yù)測控制

該論文引入了一種信息理論模型預(yù)測控制（model predictive control，MPC）算法，能夠處理復(fù)雜損失標準和一般非線性動力學(xué)問題。該方法的一般性使得可以使用多層神經(jīng)網(wǎng)絡(luò)作為動力學(xué)模型，該方法將神經(jīng)網(wǎng)絡(luò)模型引入到MPC算法中，已解決基于模型的強化學(xué)習(xí)任務(wù)。研究人員模擬了倒立擺和四旋翼導(dǎo)航任務(wù)，以及在實際硬件上測試激進駕駛?cè)蝿?wù)實驗結(jié)果表明，該算法能夠?qū)崿F(xiàn)高水平的性能，并且僅利用從系統(tǒng)中收集到的數(shù)據(jù)。

該論文同樣來自于佐治亞理工學(xué)院，第一作者為Grady Williams。

論文地址：http://www.cc.gatech.edu/~bboots3/files/InformationTheoreticMPC.pdf

非標準混凝土應(yīng)用的機器人終端的設(shè)計，開發(fā)和實驗評估

盡管建筑行業(yè)最近取得巨大進步并采用了機器人技術(shù)，但是需要高幾何自由度的建筑工藝仍然主要是勞動密集型和手工型。目前機械化這些過程仍有固有的困難，即缺乏可選擇的機器人技術(shù)。一個具體的例子為建立具有不同曲率或橫截面的鋼筋混凝土結(jié)構(gòu)。這個過程仍然是手工完成的，需要額外定制模具支持。在該論文中，首先描述了一種替代的新型機器人制造工藝，用于構(gòu)建鋼筋網(wǎng)，作為鋼筋和模具。使用先前開發(fā)的移動機器人系統(tǒng)來實現(xiàn)這種過程的機器人化。基于從該自動化過程得到的規(guī)范，詳細描述了一種新型定制的機器人終端執(zhí)行器的設(shè)計。討論了包括移動機器人系統(tǒng)和機器人終端執(zhí)行器的完整機器人系統(tǒng)的自動化過程，包括該系統(tǒng)的模擬和控制。通過對機器人系統(tǒng)的實驗評估，最后展示了不同曲率和柵格尺寸的非標準鋼筋網(wǎng)的完全自動化構(gòu)造能力。

該論文來自瑞士蘇黎世聯(lián)邦理工學(xué)院。

實驗室主頁為：http://www.adrl.ethz.ch/doku.php/adrl:home

更多關(guān)于ICRA的資訊，請關(guān)注雷鋒網(wǎng)。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。