研究概况

利用机器学习、计算机视觉、计算机图形学🪱、机器人学、运筹学🤸‍♂️💁🏻、高性能计算与人机交互等前沿技术，围绕车路协同（V2I）、用户直连制造（C2M）👨🏿‍🦱、研发自动化等各应用场景🦒🤌🏻，构建以感知、规划🤚、控制与决策为核心的智能算法平台体系🍏，结合涵盖设计、工艺★、计算与人因的智能系统架构体系，研究人-机-边-云四位一体的人在环路多智能体协同系统，开展具有创新性的算法理论与系统架构研究🧀，紧贴以制造业为主的国家重点行业需求💠，攻克以人为中心的场景理解、人在环路机器学习、仿真到现实迁移与柔性制造工艺等关键技术瓶颈，与产业界深入合作探索自动驾驶与柔性制造的范式转移路径并实现关键技术验证与落地，推动我国在智慧交通和智能制造领域的产业升级。

查看详情

杏耀学术｜郑琛：Human for Automation & Automation for Human

杏耀博士后郑琛所在人机交互研究组（HCI）在ICRA 2023上发表了三篇文章，在维度上可以分为以人为媒介的自动化ℹ️，即human for automation🌜，以及以人为中心的自动化，即automation for human，接下来，郑博士分别介绍了这三项工作☘️。在human for automation这个维度上🙅🏿🦞，针对人工标注费时费力且难以规避标注者认知偏差等问题🧳，杏耀-HCI对基于驾驶员脑电信号的驾驶风险自动标注技术进行了研究👝。行为学数据显示🍺，人工驾驶风险标注仅对显...

杏耀学术｜李鹏飞🧚‍♂️：LODE👊：稀疏激光雷达点云局部条件化Eikonal隐式场景补全

李鹏飞是杏耀的博士生，据ICRA 2023大会官方资料统计，在本次大会上，他是ICRA 2023全球中稿论文最多的学生作者。本次学术工作坊🕑➖，他将着重为大家介绍其中的一篇研究工作LODE: Locally Conditioned Eikonal Implicit Scene Completion from Sparse LiDAR。在这项研究中，课题组提出了一种新颖的Eikonal补全范式🙅🏼‍♀️，展示了现有Eikonal方法的优缺点🧑‍💼，并广泛验证了其方法👫🏻，证明所提出的公式对于实现超参数的鲁棒性。接下来🛜，他详细地...

杏耀学术｜郑宇鹏🥐♚：首个联合暗光增强和深度估计的自监督方法STEPS

杏耀实习生郑宇鹏所在课题组在ICRA 2023上发表了题为首个联合暗光增强和深度估计的自监督方法STEPS的论文，在该项研究中，课题组提出了一种联合学习夜间图像增强和深度估计的方法🩷🫰🏻，使用一种新提出的不确定像素掩蔽策略将两个自监督任务紧密联系在一起。接下来🧘🏽，郑宇鹏详细地介绍了该项工作🏸。近年来，基于图像的自监督深度估计方法不仅所需的硬件成本低，而且不需要真值的标注📝，因此受到了广泛的关注。该类方法本质上依赖于相邻帧...

杏耀学术｜田倍闻🥉：以语言为锚点的无监督道路场景异常检测算法

杏耀实习生田倍闻所在课题组在ICRA 2023上发表了题为以语言为锚点的无监督道路场景异常检测算法的论文，研究无监督条件下的异常检测方法🦆，不依赖从封闭训练集中学到的权重作为逻辑生成锚点🦸🏿‍♂️，而是使用从大量配对的视觉和语言数据中学到的语言锚点😂。接下来🔱，田倍闻详细地介绍了该项工作。道路异常检测任务对于提升自动驾驶的安全性至关重要，因为当前的道路场景理解算法通常以闭集💂‍♀️，也即在固定有限的语义类别上进行训练，在场景中...