摘要：同步定位和建图(SLAM)是解决机器人探索未知环境的最基本的方法之一,它能够让机器人在无需预先获得场景定位基础结构的条件下便可以进行定位和避障.作为一个普遍而通用的解决方法,光束平差法被绝大多数的视觉SLAM算法的后端优化环节所采用,但实际应用中需要耗费大量的计算资源和时间.目前,视觉SLAM算法对算力要求越来越高,其中后端性能优化更是直接影响视觉SLAM算法的整个性能.本文提出一种基于FPGA的光束调整加速架构,该架构包括矩阵乘加加速器、舒尔补构造加速单元以及预处理共轭梯度求解器,能够有效地简化求解矩阵规模,以并行化方式加速求解后端优化方程.本文使用高层次综合来实现基于块的预处理共轭梯度加速器的并行化设计,比ARM计算平台提升了27.7倍的执行速度,节省了约95%的能耗,所提出的加速架构能灵活适用于采用各种视觉SLAM算法的光束平差法部分的运算.

摘要：当前以深度学习代表的人工智能技术所能解决的问题往往需要具有大量可以借鉴学习的训练集,同时要求所获取的信息是完备的.但在复杂时变的真实应用环境中,采集到的数据往往包含大量噪声与不确定性,且仅包含环境的局部信息,导致了基于深度学习的人工智能应用的局限性.而在同样环境下,人类却往往可以依靠直觉做出较为迅速且适宜的判断,这为我们发展新的人工智能理论解决上述问题提供了灵感.本文系统地对人类直觉的概念、机理、类别等内容进行论述,分析了不同学科已有相关研究进展及存在的不足.在此基础上,提出了机器直觉这一新的交叉学科研究方向,并给出了实现机器直觉的基本准则,以及通过让机器实现类似甚至超过人类的直觉能力、赋予机器洞察力与创造性的研究目标.本文尝试设计了机器直觉的通用整体架构,确定了全息感知、直觉认知、直觉决策和博弈行动几个主要功能模块的基本原理和内涵.最后,从脑科学、认知科学、人工智能等多学科交叉研究角度,对机器直觉的应用与未来研究方向进行了展望,为后续展开机器直觉的研究提供方向性指引.