摘要：在高动态、不确定、资源受限等复杂环境下,无人集群系统执行协同区域搜索、集群优化调度等任务将会面临“感知—判断—决策—行动(OODA)”回路各个领域的挑战。为了提升无人集群系统的任务场景适应能力,必须突破复杂环境下无人集群系统自主协同关键技术。以复杂环境下大规模异构无人集群鲁棒自主协同理论为基础,探讨了复杂环境下无人集群系统自适应异构体系架构设计与建模方法,梳理了复杂环境下高维态势分布式感知与认知、可引导、可信任、可进化的智能决策、复杂环境下无人集群系统自主协同控制3个科学问题。首先综述了复杂环境下无人集群系统自主协同的研究进展;其次,分析了无人集群系统OODA任务回路面临的挑战;然后,初步梳理了复杂环境下无人集群系统自主协同涉及的各项关键技术及其进展;最后,给出了无人集群系统自主协同领域未来发展的思考。

摘要：科技创新战略和政策作为推动国家科技发展的重要手段,正向科技、经济、社会、环境多维度“协同作用”推进,需要综合考虑科技促进发展和促进科技发展的诸多内外要素。为此,应构建涵盖关键要素及相互作用的整体科技政策架构。文章提出“3+5”科技创新战略-政策框架体系(以下简称“‘3+5’框架体系”)并进行理论和实践分析,为决策部门和政策研究者提供一个政策分析框架。具体包括:(1)界定“3+5”框架体系的概念内涵,建立包括方针战略、规划布局、制度安排的“设计图层”和包括创新主体政策、资源配置政策、科技人才政策、成果转化政策、环境营造政策的“施工图层”;(2)从作用维度和价值导向出发,阐述“3+5”框架体系的建构逻辑;(3)以我国科技创新的战略布局为考察对象,基于“3+5”框架体系进行政策分析。

摘要：针对城市工况下的智能汽车与行人交互测试需求,提出了一种综合考虑场景在真实世界中的出现频率及其对人车交互性能挑战程度的场景生成方法。首先,依据智能汽车与行人交互的关键特征从自然驾驶数据集中提取出行人横穿道路原始场景数据;然后,针对加速测试需求设计了基于重要性采样理论的关键场景提取方法,从原始场景中提取并构建针对智能汽车-行人交互测试的重要场景;最后,通过对重要场景与原始场景的数据分布比较,证明本文方法能够有效筛选出驾驶过程中可能对安全性能带来挑战的场景,从而实现加速测试,同时兼顾测试场景的统计特征。

摘要：为提高预测舆情演化趋势的能力,提出了一种基于改进狼群算法(IWPA)优化长短期记忆(LSTM)神经网络的舆情演化预测模型。采用Halton Sequence进行初始化,提高种群多样性;设计步长因子进行高斯-正弦扰动变换,提高狼群探索开发能力;结合鲸鱼优化算法中的螺旋改进围攻机制,增强狼群的局部搜索能力;引入记忆力机制,使用双向记忆种群增加狼群协同合作能力,将改进后的狼群算法应用到LSTM神经网络的超参数预测。采用“新冠疫情”和“食品安全”等关键词作为实例,证明了IWPA-LSTM神经网络舆情演化预测模型具有良好的准确性和普适性,适用于多种舆情演化的预测。

摘要：基于微波烧结的特点,设计了复杂刃形TiB_(2)基陶瓷刀具的结构参数。利用有限元仿真,研究了在车削球墨铸铁QT450时刀具结构参数对车削力和车削温度的影响。确定了复杂刃形TiB_(2)基陶瓷刀具的最优刀具前角为5°、后角为6°、刀尖圆弧半径为0.8 mm。采用微波烧结技术制备了复杂刃形TiB_(2)基陶瓷刀具,研究了压制压力和保压时间对复杂刃形TiB_(2)基陶瓷刀具的相对密度、力学性能和微观组织的影响。结果表明:压制压力对晶粒的异常生长影响较大,合理的压制压力可以抑制晶粒的异常长大,改善刀具断裂模式,进而提高刀具性能。合理的保压时间可以使刀具表面的白色相分布均匀,防止聚集,这有利于刀具断裂韧度的提高。在压制压力为200 MPa,保压时间为4 min时,刀具各部位尺寸收缩率较为平均,成形精度较高,致密度最高,微观组织更加均匀,晶粒排列更加紧密,综合力学性能最优。

摘要：工业制造领域通用知识抽取方法研究对于实现工业知识库自动化构建意义重大。针对工业本体定义需要大量人工成本和专家经验作指导的问题,基于义原分析设计了一种半自动本体构建方法,最后以汽车生产制造故障维修数据为例,完成了本体、本体类、层级和关系定义。为解决工业领域关系抽取存在的关系嵌套和级联模型误差传播问题,设计了一种基于语义感知的关系抽取模型:在该模型的潜在关系挖掘、主语抽取、宾语抽取三个环节中,基于阅读理解方法拼接不同的引导问句,得到适用于不同环节的句子编码;为利用主语先验知识,在宾语抽取模块融入注意力机制,提高了该模块编码的表达能力;三环节联合优化训练提升抽取效果。在汽车生产制造故障维修数据集、汽车工业故障模式抽取评测数据集、装备制造数据集中进行实验,提出的模型比其他关系抽取基线模型取得了更好的效果。

摘要：目的随着车联网技术的发展,网联自动驾驶车辆(connected and autonomous vehicle,CAV)的部署场景变得越来越复杂。为了保证效率和安全,提出一种面向CAV部署的集成无人机和现有路侧基础设施的车—路—无人机跨域协同技术,旨在解决依靠路侧基础设施支持CAV感知和通信解决方案在部署范围、机动性和感知视角等方面存在一定限制的问题。方法本文设计了基于任务需求和资源约束的双层调度算法,实现无人机资源的灵活调度和智能决策。该算法上层实现任务规划,下层运动规划则根据动力学约束和虚拟场模型生成无人机运动轨迹,采用上、下层反馈机制,动态响应感知和通信需求,给出目标区域无人机的最优部署方案。结果实验模拟混合交通流场景,并估计了不同场景下CAV动态感知和通信需求;通过对比无人机跨域协同方案与现有路侧基础设施辅助方案,结果表明所提方案相比现有方案降低了路侧设备单元(roadside units,RSU)的空闲率,在CAV渗透率为70%时,所提方案在仿真路网和城市路网场景下分别将RSU的空闲率降低了33.82%和31.20%;同时也展示了基于双层调度算法按需调度无人机的流程,验证了该算法的有效性。结论本文所提出的无人机跨域协同的CAV辅助部署方案,对比现有的基础设施辅助方案,具有覆盖范围广、可以按需灵活调度的特点,可以支持CAV大规模部署。

摘要：高真实感的三维全景漫游通常需要对场景进行精准的三维建模,但目前技术对复杂工业场景下非规整区域及设施进行高质量的三维建模仍存在很多困难和挑战.为解决复杂工业场景下的三维全景漫游问题,提出一套基于虚拟视点合成的三维全景漫游系统.首先以全景视频为输入,利用三维场景重建提供的多视点和深度信息合成全景漫游中的虚拟视点图像,增强三维全景漫游中视点切换的临场感;其次针对虚拟视点合成结果中存在的移动人体、空洞等质量问题,提出一种动态干扰物体的消除与视点修补方法,基于实例分割结果和多视点信息对缺陷区域进行修补得到目标视图.在室内外场景的实验结果表明,所提方法不依赖于高精度的三维重建结果,且可以有效地利用多视点信息合成高质量的虚拟视点图像,提升电网系统等非规则复杂工业场景下的全景漫游体验.

摘要：目的视觉定位旨在利用易于获取的RGB图像对运动物体进行目标定位及姿态估计。室内场景中普遍存在的物体遮挡、弱纹理区域等干扰极易造成目标关键点的错误估计,严重影响了视觉定位的精度。针对这一问题,本文提出一种主被动融合的室内定位系统,结合固定视角和移动视角的方案优势,实现室内场景中运动目标的精准定位。方法提出一种基于平面先验的物体位姿估计方法,在关键点检测的单目定位框架基础上,使用平面约束进行3自由度姿态优化,提升固定视角下室内平面中运动目标的定位稳定性。基于无损卡尔曼滤波算法设计了一套数据融合定位系统,将从固定视角得到的被动式定位结果与从移动视角得到的主动式定位结果进行融合,提升了运动目标的位姿估计结果的可靠性。结果本文提出的主被动融合室内视觉定位系统在iGibson仿真数据集上的平均定位精度为2~3 cm,定位误差在10 cm内的准确率为99%;在真实场景中平均定位精度为3~4 cm,定位误差在10 cm内的准确率在90%以上,实现了cm级的定位精度。结论提出的室内视觉定位系统融合了被动式和主动式定位方法的优势,能够以较低设备成本实现室内场景中高精度的目标定位结果,并在遮挡、目标丢失等复杂环境因素干扰下展示出鲁棒的定位性能。

摘要：以深度学习为代表的人工智能技术已被广泛应用于遥感图像解译中.相比自然场景图像,遥感图像具有载荷类型多、成像机理差异大等特点,使得现有面向单传感器、纯数据驱动的智能解译方法应用到不同模态数据时,性能上限难以突破.尤其在面向多传感获取的、大范围的、目标种类较多的复杂应用场景时,实际性能受限更为严重.本文主要对遥感智能解译结合多模态数据和多任务学习的研究工作进行综述,重点从基本概念、研究方法和应用场景3个方面进行展开.并且介绍了基于分域提取和跨域融合理念设计的模型架构,通过从海量多模态数据中提取通用特征,实现单个基础模型完成多类下游任务的泛化解译,在不同模态解译任务中表现优异,并实际应用推广.最后,对遥感多模态多任务学习未来技术发展方向进行展望.