行业 | 智能无人系统的若干科学技术问题探究

王铮 张思齐 郭行 闫杰 徐德民

(西北工业大学无人系统发展战略研究中心,西安,710072)

 

摘要 智能无人系统是机械化、电气化、信息化、智能化集成融合而成的新领域,是人工智能与信息科学相互支撑形成的新方向,能够将人类认识世界、改造世界、利用世界的能力提高到一个新的历史高度。本文梳理了智能无人系统的科学技术问题,分析了智能无人系统科学技术问题的内涵,指出了智能无人系统科技具有交叉融合性、前沿性、实用性三大特征。本文调研总结了智能无人系统科学技术问题的发展现状,并对其发展趋势进行了分析和预测。为了攻克智能无人科技难关,本文探讨了智能无人科技创新体系的结构特征和功能特征,提出了建立智能无人科技创新体系的几点建议。

 

关键词  智能无人系统;人工智能;基础科学问题;共性关键技术;科技创新体系

 


 

Research on some scientific and technological problems of intelligent unmanned system

 

Wang Zheng, Zhang Siqi, Guo Hang, Yan Jie, Xu Demin

(Research Center of Unmanned System Strategy Development,

Northwestern Polytechnical University, Xi’an, 710072)

Abstract  Intelligent unmanned system is a new field formed by the integration of mechanization, electrification, informationization, and intelligence. As a new direction formed by artificial intelligence and information science, intelligent unmanned system can raise mankind’s ability of understanding, transforming and utilizing the world. This paper summarizes the science and technology problems of intelligent unmanned systems, analyzes the connotation of the science and technology problems of intelligent unmanned systems, and points out that the technology of intelligent unmanned systems possesses three characteristics: crossover, frontier and practicality. This paper investigates the development status of the science and technology problems of intelligent unmanned systems, and analyzes and predicts the development trend. In order to overcome the difficulties of intelligent unmanned science and technology, this paper discusses the structural and functional characteristics of the intelligent unmanned scientific and technological innovation system, and puts forward some suggestions on the establishment of the intelligent unmanned scientific and technological innovation system innovation system.

keywords  Intelligent unmanned system; Artificial intelligence; Basic science issues; Common key technologies; Scientific and technological innovation system


 

引 言

智能无人系统是由无人平台及若干辅助部分组成,具有感知和交互能力,并且能够基于信息提取知识,进而进行推理、自主决策,从而达成目标的有机整体。根据智能无人系统存在的物理空间,智能无人系统可分为空间智能无人系统、空中智能无人系统、陆地智能无人系统和海洋智能无人系统;根据智能无人系统的集成程度,智能无人系统又可分为平台级智能无人系统、集成级智能无人系统和无人化产业链。一般而言,可依据其智能水平,将智能无人系统分为低、中、高和超级四个阶段。

近年来,智能无人系统发展迅猛,出现了无人机、无人车、无人船、无人潜航器、机器人等一系列新产品、新技术,并且应用到农业、制造业、交通、教育、医疗、军事、金融等多个领域[1]–[3]。在农业方面,出现了无人驾驶插秧机、无人驾驶收割机、无人农业信息采集系统、无人农用数据分析系统等农用智能无人系统[4], [5]。在制造业方面,出现了焊接机器人、切削机器人、装配机器人等一系列智能无人产品[6]。在交通方面,谷歌公司已研制成功Google Driverless Car全自动驾驶汽车,可自行实现启动、行驶以及停止,并可同时对“数百个目标”保持监测。在医疗方面,阿里巴巴、中国移动、沈阳新松等公司研发了多种智能医疗机器人[7],为中国人民战胜新冠疫情提供了有力支撑[8]。总之,智能无人系统已成为国民经济发展的新动能。预计到2025年,各种消费级和工业级智能无人系统的相关技术将进一步成熟;地面智能无人系统将开始全面商用化进程,尤其是地面智能无人轨道交通将会相当成熟并大数量投入实用。

智能无人系统科学技术研究在智能无人系统发展中扮演着至关重要的角色。智能无人产品的设计、制造与应用,智能无人产业的发展,都离不开智能无人系统科学技术的有力支撑。但是,智能无人科技是一个全新的科技领域且发展迅速,一些关键问题还未形成共识。例如,虽然已有很多学者进行研究,但智能无人系统的科学技术体系还未合理、完善地建立起来;智能无人系统科学技术问题的内涵和特征,也未得到深入地分析和梳理;智能无人系统科技创新体系应该怎样建设,也少有学者进行研究。考虑到智能无人系统对国民经济和国防建设的重要性,必须并深入分析智能无人系统科学技术问题的内涵和特征,明晰智能无人系统的科学基础问题和关键技术问题,探索建立智能无人系统科技创新体系的方法,才能确保智能无人系统健康快速发展。

智能无人系统科学与技术问题的内涵

1.1  智能无人系统的科学基础问题

智能无人系统的科学基础问题涉及多个领域,本文主要考虑无人感知与交互、无人学习与理解、无人推理与决策以及无人自主执行四个方面。智能无人系统的基础科学问题架构如图所示。

行业 | 智能无人系统的若干科学技术问题探究智能无人系统的科学基础问题

无人感知和交互问题,是指智能无人系统在未知、复杂、动态的环境中对声音、距离、图像、温度等进行高精度感知并进行信息交互的问题。通过研究物理、化学或生物传感机理,可以赋予智能无人系统高敏感度的感知能力。通过研究无人系统之间或无人/有人系统之间的交互关系建模与表征、交互渠道建立与检验、交互可靠性等问题,可赋予智能无人系统高精度、高可靠性的交互能力。

无人学习与理解问题,是指智能无人系统基于已有信息通过训练获取知识,以认识和理解其自身、外界环境以及客观世界的问题。该问题涉及的理论主要包括监督学习[9]、无监督学习[10]和强化学习[11]三个方面,又可细分为统计学习[12]、深度学习、宽度学习[13]、小样本学习、隐私保护学习、主动强化学习、被动强化学习和分布式学习等多个门类。

无人推理与决策问题,是指智能无人系统在未知、复杂、动态的环境中基于知识进行推理,给出解决办法或执行指令的问题。该问题的理论基础主要包括确定性推理与决策、不确定推理与决策、深度推理与决策三个方面,又可细分为非完全推理与决策、创意推理与决策、直觉推理与决策、因果推理与决策、混合增强推理与决策等多个门类。

无人自主执行问题,是指智能无人系统在复杂环境中通过作动器动作高质量地完成给定的指令的问题。对于不同领域、不同门类的智能无人系统而言,无人自主执行问题的内涵不同。一般而言,无人自主执行问题可能涉及的内容包括任务分配、轨迹调整、姿态控制、过程调节等,涉及的理论基础包括优化、制导、控制、发射及回收等方面。

需要指出的是,智能无人系统还必然要与人类进行交流和协作,这就会带来无人-有人协同问题;智能无人系统数目的不断增长和组织结构不断复杂化也将带来无人群体的涌现问题。此外,智能无人系统的发展还离不开新平台技术、新能源技术、新材料技术的发展和应用。

1.2  智能无人系统的共性关键技术

智能无人系统的共性关键技术涉及多个领域,本文主要考虑其平台技术、自主技术、群体技术和网络和通信技术四个方面。

智能无人系统的平台技术主要涉及通用架构技术、能源与驱动技术、传感器技术、芯片技术等。通用架构技术是指在任务区域和行动领域基于一系列通用标准进行智能无人系统架构设计,确保系统间和跨领域的高效协同。能源与驱动技术是指解决多工况、多模式、不同需求下智能无人系统动力与推进的问题。传感器技术是指将传感器信息特征与现实世界的特征联系起来,智能无人系统的传感器一般具有低功耗、仿生、自适应等特性。面向智能无人系统的芯片技术则主要指高性能SOC芯片、3D视觉计算芯片、类脑计算芯片的相关技术。

智能无人系统的自主技术主要涉及自主学习技术、自主认知技术、自主决策技术等。智能无人系统的自主学习技术是指面向无人场景的深度学习、宽度学习、迁移学习、强化学习、终身学习等技术。智能无人系统的自主认知技术是指自主场景识别、自然语言处理、自主文本挖掘、自主态势认知等。智能无人系统的自主决策技术是指自主任务规划、自主目标分配、行动方案自主生成等。

智能无人系统的群体技术主要涉及群体感知技术、群体决策技术、群体协同技术、群体进化技术等。智能无人系统的群体感知技术是指智能无人群体利用内置传感器感知群体内外信息,在群体内部共享信息并进行数据融合,最终向群体系统提供信息服务的技术,可克服单个智能无人系统的感知能力局限性,拓展智能无人系统的感知范围及能力。智能无人系统的群体决策技术是指群体内各个智能无人系统共同参与问题分析并制定解决方案的技术,能够尽可能大地发挥群体智充分利用群体计算能力智能无人系统的群体协同技术是指群体内各个智能无人系统进行协同运动、协同计算或协同创作等群体协同行为的技术,能够充分发挥群体动作能力和群体资源优势。智能无人系统的群体进化技术是指智能无人群体根据已获得的信息和已学习到的行为,自主演化生成更高阶的群体行为的技术,是群体技术的高级发展阶段。

行业 | 智能无人系统的若干科学技术问题探究

智能无人系统的共性关键技术

智能无人系统的网络和通信技术主要涉及网络化数据链路技术、高可靠通信技术、网络通信安全技术等。网络化数据链路技术主要指智能无人系统与其他设备,或智能无人系统之间新型网络化数据链路构建的相关技术。高可靠通信技术主要指智能无人系统与其他设备,或智能无人系统之间进行可靠信息传送的新型硬件和软件。网络通信安全技术主要指为保证智能无人系统有效运行,保持敏感信息的完整性、可用性和机密性的相关技术。

1.3  智能无人系统科学技术问题的特征

智能无人系统科学与技术问题的特征主要包括交叉融合性、前沿性和实用性。以下分别进行分析和阐述。

交叉融合性:智能无人系统科学技术具有显著的交叉融合性。首先,智能无人系统基础科学问题的交叉融合性凸显。智能无人系统的无人感知和交互问题研究需要物理、化学、声学、生物学的理论和方法支撑,也需要机械设计和电子信息的相关理论支持;高精度传感器的研制更离不开人工智能理论的合理运用。无人学习与理解问题和无人推理与决策问题是人工智能理论的内容之一,但必须与无人自主执行问题所内含的机械工程、电子电气等理论与方法深度融合。也就是说,智能无人系统的基础科学问题是机械制造问题、电子电气问题、信息科学问题、智能科学问题交叉融合而成的新型科学问题。其次,智能无人系统的关键技术问题也具备明显的交叉融合性。智能无人系统的平台技术,需要新能源、新材料、新机械的支撑。智能无人系统的自主技术是人工智能理论与技术的题中之义,但自主性的提升又必须依靠脑科学、生物学、哲学和数学的发展与突破。此外,面向智能无人系统的先进网络和通信技术也离不开微机电技术、智能技术的支撑。也就是说,智能无人系统的共性关键技术是能源技术、材料技术、机械技术、智能技术交叉融合而成的新型技术问题。综上所述,智能无人系统的科学技术问题是机械科技、电子科技、信息科技、智能科技交叉融合产生的新科技问题,也需要物理学、生物学、数学和哲学等基础科学的支撑。因此,必须指出,智能无人系统科学技术问题的交叉融合性颇为明显。
前沿性:智能无人系统科学技术具有显著的前沿性。首先,智能无人系统的基础科学问题具有前沿性。无人感知与交互问题研究,必须利用最先进的物理学、化学、声学和生物学研究成果,探索无人传感机理和交互机制。无人学习与理解问题、无人推理与决策问题本身即涉及机器理解、机器认知、机器意识、智慧涌现等前沿科学问题。无人自主执行问题,则对智能无人系统的执行机构提出了新的要求。其次,智能无人系统的关键技术具有前沿性。智能无人系统常常工作于复杂恶劣环境中,又经常需要长时间、高强度工作。智能无人系统所用到的能源技术、材料技术、制造工艺等必须满足其工作要求,达到新的指标或标准。智能无人系统的自主技术本身即囊括了认知机理的表征、认知机理的模拟、基于认知的推断和研判等前沿技术问题。智能无人系统的网络和通信技术则涉及新型数据链路、新概念通信硬件和软件、网络通信安全技术等前沿通信技术。综上所述,智能无人系统的科学技术前沿性凸显。
实用性:智能无人系统的科学技术还具备明显的实用性。首先,智能无人系统的科学技术问题均来源于工程实践,也需要深度应用到工程实践中,切实解决工程实际问题。无人感知与交互、无人学习与理解、无人推理与决策问题的研究成果,将广泛应用于无人驾驶收割机、无人航空飞行器、无人船、无人水下自航器、无人电子商务等智能无人系统,大幅提高其环境感知、态势识别、知识理解和任务决策的能力。无人自主执行问题的解决,能够赋予上述智能无人系统高质量完成预定任务的能力。平台技术、自主技术、网络与通信技术将确保智能无人系统动力、结构和信息指标满足要求。其次,智能无人科技发展能够有力推动“无人经济”这一新型经济形态的产生,为国民经济发展注入新动能。智能无人系统科学与技术将被广泛应用于各行各业,极大地改变人们的生产、生活和消费模式,带来整个经济环境和经济活动的根本变化,催生一个极具发展潜力的新型经济形态——“无人经济”。智能无人系统产业作为战略性新兴产业,市场需求巨大,有望创造新的经济增长点。智能无人科技的发展,不仅有助于我国经济增长动能的转换,而且有助于我国占据国际经济竞争的制高点,支撑我国经济持续稳定健康发展。综上所述,智能无人系统科技与技术具有明显的实用性。
2  智能无人系统科学技术的发展现状及趋势

智能无人系统的科学技术问题涉及多个领域,本文主要对无人感知与交互、无人学习与理解、无人推理与决策以及无人自主执行四个方面的发展现状及趋势进行梳理。

目前,已有很多学者对无人感知与交互问题进行了研究。文献[14]提出了一种基于光纤的声感知方法,并首次完成了声学超材料的声场分布测试。文献[15]对声感知方法进行了综述,指出光纤声传感器具有灵敏度高、信噪比高、频带响应宽和动态范围大的优点,声学感知逐渐由电声传感器向光纤声传感技术发展。文献[16]总结了基于光纤和光栅的温度、应变感知机理及应用方法。文献[17]对惯性测量问题进行了研究,指出微机电惯性测量单元具有成本低、体积小、自主性强的优势,在导航领域的应用日益宽泛。文献[18]–[20]使用了神经网络、深度神经网络等先进方法分别研究了工业制造、电力电网、网络安全领域的态势感知问题。文献[21]将交互问题定义为设计交互产品来支持人们日常工作生活中交流和交互的方式,介绍了交互设计涉及的认知、社会和情感问题, 探讨了如何应用各种最新分析、设计、评估和原型制作技术开发交互式产品。文献[22]研究了人机安全交互技术研究进展及发展趋势,全面总结了面向交互的智能机器结构设计、柔顺控制、环境感知、行为学习及决策等问题的最新成果,指出人机交互的未来发展方向包括力觉/触觉/滑觉等多位多元信息感知、人员行为意图与情绪辨识与预测、人体伤害评价标准制订等问题。总的来说,无人感知技术正朝小型化、网络化、智能化方向发展,未来人机交互问题将向安全交互、深度交互、协同交互方向发展。

无人学习与理解方面的研究成果较为丰富,包括深度学习、宽度学习、强化学习等。文献[23]对深度学习的相关理论与方法进行了总结和梳理,剖析了深度神经网络的优化和正则化方法、注意力机制和外部记忆,阐述了两种概率图模型和概率生成模型,并介绍了Caffe、TensorFlow、Pytorch、MXNet 、飞桨等深度学习框架。文献[13]提出了一种新型学习框架-宽度学习(Broad Learning System),能够利用节点数的自调节机制实现更好的学习性能,并应用于图像分析[24]、信息融合[25] 、电网规划[26]等领域。无人认知涌现是无人学习与理解的核心问题。文献[27]从认识论的角度出发,揭示了人工智能认知的根基,尤其是不同人工智能纲领或范式 (符号主义、联结主义和行为主义)的哲学认知观,以及它们进行智能 (认知)模拟时与人的认知之间所形成的同理、同构、同行、同情的不同关系。文献[28]探讨了认知与学习的关系,认为智能系统具备高层认知能力包括三个步骤,其一获得数据;其二加工数据,并得出结果;其三自我完善,自我学习;对比机器学习,机器认知更重视人体、人脑的行为与感知。文献[29]对认知与理解的核心问题-认知与计算的关系进行了探索,指出认知和计算的关系问题可以进一步细化为4个方面:认知的基本单元和计算的基本单元的关系、认知神经表达的解剖结构和人工智能计算的体系结构的关系、认知涌现的特有精神活动现象和计算涌现的特有信息处理现象的关系、认知的数学基础和计算的数学基础的关系。总的来说,无人学习、理解与认知问题将更加深入地纳入行为学、心理学、社会学的研究成果,充分挖掘人类智能的本质,向更健壮、更深度、体系化的方向发展。

推理与决策理论与方法已发展近三十年。文献[30]介绍了推理与决策的基本理论与方法,阐述了演绎推理、科学推理、统计推理、决策论和对策论的相关内容。文献[31]介绍了几种基于直觉的推理与决策方法。文献[32]对不确定推理与决策问题进行了总结,梳理了推理公式、推理模型和决策模型的发展脉络。文献[33]–[35]分别研究了基于贝叶斯网络、证据理论和包含度的不确定推理与决策方法。文献[36]探索了基于皮尔士图演算的深度推理方法。文献[37]研究了一种深度时空推理方法。随着深度神经网络、马尔科夫链等理论与方法的发展,智能推理与决策方法逐渐兴起。总的来说,无人推理与决策技术将朝传统逻辑与智能方法深度融合的方向发展,逐渐具备处理复杂场景、突变状态的能力。

近年来,各类具有自主执行能力的无人系统层出不穷。在进出空间航天器方面,以SpaceX公司研制的猎鹰系列火箭为代表,自主导航机器人、智能飞行任务规划和智能健康管理等人工智能相关技术在各型号火箭动力、控制、地面测试等系统中都取得了广泛应用,有效助力火箭在可重复使用、重型运载等方面能力的大幅增强。美国土星5运载火箭同样具备健康检测与智能诊断系统,通过冗余传感器和多数表决等方法,自动中止飞行系统可以对导致火箭迅速破坏的故障作出反应,提升智能运维能力。日本Epsilon火箭首次开创了将人工智能、移动式控制和其它创新技术应用于运载火箭发射控制的先例。无人水面航行器(USV)方面,已出现近百种水面无人艇,能够执行多种任务。总的来说,智能无人系统的平台性能不断完善,同时向大/巨型化和微/小型化两极发展,呈系列化、谱系化发展趋势。智能无人系统动能系统增强,续航能力不断增加,向长航时、甚至无限航时发展。智能无人系统的自主控制水平、智能化程度稳步提升,向低人工干预、高自主性、高智能化方向发展。无人/有人、无人/无人系统间的协同能力日益改善;智能无人系统群体行为也进一步呈现出系统智能化、网络极大化、节点极小化、平台多样化、成本低廉化等特点,并向产品系列化、应用多样化、覆盖全域化快速发展。

3 智能无人系统科技创新体系研究

智能无人系统的科技创新体系是由智能无人科技创新主体、智能无人科技创新基础设施、智能无人科技创新资源、智能无人科技创新环境、智能无人科技创新与外界的互动等要素组成,各要素相互作用、互相配合,能够创造智能无人系统科学知识、创新智能无人系统相关技术、推动智能无人系统知识传播和运用的有机整体。目前,尚存在一系列前沿智能无人系统科学技术问题亟需解决,必须建立更具活力和更高效能的智能无人科技创新体系,才能激发各类创新主体的积极性和创造性,攻克智能无人系统科技难关。

3.1  智能无人系统科技创新体系的结构特征
智能无人系统科技创新体系主要由智能无人系统科技创新主体、智能无人系统科技创新基础设施、智能无人系统科技创新资源、智能无人系统科技创新环境、智能无人系统科技创新与外界互动等要素组成。智能无人系统科技创新体系各要素之间的关系如图3所示,各组成要素的内涵如下:

行业 | 智能无人系统的若干科学技术问题探究智能无人系统科技创新体系各组成要素的关系

(1)智能无人系统科技创新主体主要包含政府、企业、科研院所和高校,它们是智能无人系统科技创新体系的核心组成部分。其中,政府从总体上对于智能无人系统科学技术知识的生产、扩散及其应用进行规划和引导,直接参与智能无人系统科技创新的全过程。政府不仅为智能无人系统科技创新制定规范的、系统的创新体制机制,同时为智能无人系统科技创新进行顶层设计、统筹规划,指明智能无人系统科技创新发展的未来方向,在智能无人系统科技创新体系发挥着至关重要的指导和牵引作用。企业是实现智能无人系统科技创新中技术创新的重要力量,能够迅速地将智能无人系统科技创新成果兑换成社会经济价值、公共服务价值,推动智能无人系统科技创新的知识传播和知识运用,对于推动社会进步具有重大意义。科研院所和高校是实现智能无人系统科技创新中知识创新的重要力量,能够将科技创新与高端人才培养相结合,充分借鉴世界科技的最新成果并充分发挥高端人才的智力水平,迅速推进智能无人系统科技创新,实现智能无人系统科学理论的快速发展与不断突破,对于维护国家安全、维持社会稳定具有重要意义。

(2)智能无人系统科技创新基础设施是指服务于智能无人系统科技创新的基础建设,主要包含智能无人系统科技创新的科研基础设施、公共基础设施、行业应用基础设施等,有力支撑智能无人系统科技创新体系的运行和不断发展。其中,科研基础设施主要包括智能无人系统科技创新平台、智能无人系统科技创新重点实验室及相关试验中心等;公共基础设施是指支撑智能无人系统科技创新体系运行的网络基础设施、物联网基础设施、高效能计算基础设施、大数据中心等;行业应用基础设施是指推动智能无人系统科技创新应用的各类产业园、产业基地、典型行业智能无人系统测试与鉴定中心等。
(3)智能无人系统科技创新资源是指推动智能无人系统科技创新的资金、人才、数据、信息等社会资源,是推动智能无人系统科技创新的主要输入部分,通过智能无人系统科技的创新发展与进步将其转换为国家综合实力的提升。
(4)智能无人系统科技创新环境主要包含引导智能无人系统科技创新体系发展的政策环境和推动智能无人系统科技创新成果转换的社会应用环境。其中,智能无人系统科技创新政策环境主要是指智能无人系统科技创新相关的法律法规、行业规划、标准规范、行动纲要等政府及行业的指导性政策、方针、规范;智能无人系统科技创新社会应用环境主要是指与智能无人系统科技创新成果转换相关的市场经济环境、体制机制,行业发展环境等。
(5)智能无人系统科技创新与外界互动主要包含智能无人系统科技创新与其它领域科技创新的交流互动、智能无人系统科技创新成果在社会各个方面的广泛应用等。其中,智能无人系统科技创新与其它领域科技创新的交流互动主要体现在智能无人系统科技创新体系与其它科技领域的多学科交叉融合、多技术应用融合;智能无人系统科技创新成果在社会各个方面的广泛应用主要体现在智能无人系统科技创新不仅推动智能无人系统产业本身的快速发展与进步,同时带动广泛的传统产业升级改造,并可能催生新的发展模式或经济形态。

行业 | 智能无人系统的若干科学技术问题探究

图4 智能无人系统科学知识创造的层次关系

3.2  智能无人系统科技创新体系的功能特征
智能无人系统的科技创新体系的主要功能包括创造智能无人系统科学知识、创新智能无人系统相关技术、智能无人系统知识传播和智能无人系统知识运用四个方面。
智能无人系统科学知识的创造可分为基础知识创造和应用基础知识创造两个层面。智能无人系统的基础知识创造,主要包括智能无人系统先进感知和交互机理的揭示、学习与理解机制探索、推理与决策方法和自主执行方法的创新等。智能无人系统的应用基础知识的创造,则主要包括智能无人系统态势识别方法、场景感知方法、空间视知觉、目标分配与任务决策方法的研究。
智能无人系统新技术的创新可分为核心技术创新、应用技术创新、交叉技术创新三个层面。智能无人系统的核心技术的创新,主要包括自主学习技术、自主认知技术和自主决策技术的创新,以及某些智能无人系统研制所需的新能源和新材料和通信技术的创新。智能无人系统应用技术的创新,主要包括基于智能无人系统的图像识别技术、环境感知技术、语义理解技术、文本处理技术、近似或精确推理技术、自主规划与智慧动作等方面的研究。智能无人系统交叉技术的创新,则主要是指智能无人系统与互联网、物联网、数字媒体等方面深度融合而产生的新技术问题的研究,以及与电子商务、无人农业、无人工厂、智能医疗、智慧金融、智慧教育、智慧文学与艺术等领域交叉而成的新技术探索。

行业 | 智能无人系统的若干科学技术问题探究智能无人系统技术创新的层次关系

智能无人系统知识的传播是指借助有人或无人的知识传播手段,向高校、科研院所、各类企业以及政府机关等传播智能无人系统相关知识信息,以推动智能无人系统基础科学知识的普及和关键技术的应用;而智能无人系统知识的运用,则主要是指智能无人系统的感知和交互机理、学习与理解机制、推理与决策方法和自主执行方法如何在各行各业得到运用,解决实际问题的过程。
3.3  建设智能无人系统科技创新体系的几点建议
1)构建智能无人系统关键科学技术问题攻关的新型举国体制

构建智能无人系统关键科学技术问题攻关的新型举国体制,梳理出智能无人科技的重点问题和重点项目,进一步聚焦国家科研资源。同时,探索智能无人科技的新型支持和资助机制,吸纳国有企业和民营企业,建立产、学、研、转、创、用协同攻关机制,以无人经济发展和无人作战需求为导向形成智能无人系统科技研发的新型政策鼓励机制。

(2)探索原创性智能无人系统科学技术研发的新机制

首先,在智能无人认知、智能无人决策、智能无人自主执行等科学问题和智能无人平台技术、自主技术、通信技术等关键技术方面加大研发和实验设施投入。其次,鼓励面向智能无人科技研发的持续投入,避免片面追求短期经济效益的科技研发活动。最后,以提出具体服务于经济和社会发展的源创新科学和技术问题、项目或产品的理念、设计或实现途径为牵引,以创新性和实用性为评价指标,建立新型人才评价体系。

(3)推动智能无人系统学科建设与人才培养机制创新

以培养适应和引领智能无人科技发展的高素质应用型、复合型、创新型人才为目标,构建紧密对接产业链、创新链的智能无人系统学科群和智能无人知识体系,探索“校企联合”、“校园联合”的研究生培养模式,全面加强智能无人科技的实训实习与实践,推动讨论课、设计课和实践课程建设,并支持研究生进行智能无人科技创新创业。

4  结论
智能无人系统科学与技术发展将极大地改变人们的生产、生活和消费模式,带来整个经济环境和经济活动的根本变化,为国民经济发展注入新动能。本文梳理了智能无人系统的科学技术问题,分析了无人感知与交互、无人学习与理解、无人推理与决策以及无人自主执行四个方面的科学内涵,明确了智能无人系统平台技术、自主技术、群体技术和网络和通信技术的相关内容,分析了智能无人科技的交叉融合性、前沿性和实用性特征。本文总结了智能无人科技的发展现状和趋势,探讨了智能无人科技创新体系的构建途径,建议针对其关键科学技术问题攻关构建新型举国体制,探索原创性智能无人科技研发机制,并推动智能无人系统学科建设与人才培养机制创新。本文研究成果有利于推动我国智能无人系统科学技术高速健康发展,服务智能无人系统产业发展和军事应用。
参考文献
[1] 张思齐, 沈钧戈, 郭行, 闫杰, and 徐德民, “智能无人系统改变未来,” 无人系统技术, 2018.[2] 李风雷, 卢昊, 宋闯, and 郝明瑞, “智能化战争与无人系统技术的发展,” 无人系统技术, vol. 1, no. 02, pp. 14–23, 2018.
[3] 张卫东, 刘笑成, and 韩鹏, “水上无人系统研究进展及其面临的挑战,” 自动化学报, vol. 46, 2020.
[4] 陈桂芬, 数据挖掘与精准农业智能决策系统. 科学出版社, 2011.
[5] 魏圆圆, 王儒敬, and 张英, “农业智能系统开发平台的知识表示与推理策略,” 智能系统学报, vol. 3, no. 6, pp. 523–528, 2008.
[6] 黄政艳, “焊接机器人的应用现状与技术展望,” 装备制造技术, vol. 000, no. 3, pp. 46–48, 2007.
[7] 杨凯博, “医疗机器人技术发展综述,” 科技经济导刊, no. 34, p. 207, 2017.
[8] 邱东晓 and 张黎聪, “从医护人员受感染看医疗机器人的发展,” 医院与医学, no. 1, pp. 1–4, 2020.
[9] 邓建国, 张素兰, 张继福, 荀亚玲, and 刘爱琴, “监督学习中的损失函数及应用研究,” 大数据, 2020.
[10] 赵温波, 黄德双, and 王树坤, “基于无监督学习算法训练径向基概率神经网络,” 模式识别与人工智能, vol. 016, no. 4, pp. 442–447, 2003.
[11] 吴晓光, 刘绍维, 杨磊, 邓文强, and 贾哲恒, “基于深度强化学习的双足机器人斜坡步态控制方法,” 自动化学报, vol. 46, 2020.
[12] Vapnik.VladimirN, 统计学习理论的本质. 清华大学出版社, 2000.
[13] C. L. P. Chen and Z. Liu, “Broad Learning System: An Effective and Efficient Incremental Learning System Without the Need for Deep Architecture,” IEEE Trans. Neural Networks Learn. Syst., vol. 29, no. 99, pp. 10–24, 2018.
[14] R. Ganye, Y. Chen, H. Liu, H. Bae, Z. Wen, and M. Yu, “Characterization of wave physics in acoustic metamaterials using a fiber optic point detector,” Appl. Phys. Lett., vol. 108, no. 26, p. 113503, 2016.
[15] C. Gao, F. Nie, P. Zhang, B. Zhao, and B. Li, “Optical fiber acoustic sensors,” Opto-Electronic Eng., vol. 45, no. 9, 2018.
[16] 刘云启, 刘志国, 郭转运, and 董孝义, “光纤光栅传感器的调谐滤波检测技术,” 光学学报, no. 1, pp. 89–93, 2001.
[17] 赵思浩, 陆明泉, and 冯振明, “MEMS惯性器件误差系数的Allan方差分析方法,” 中国科学:物理学 力学 天文学, no. 5, pp. 672–675, 2010.
[18] 李广 and 杨欣, “结合深度学习的工业大数据应用研究,” 大数据, vol. 4, no. 5, pp. 6–17, 2018.
[19] 肖祥香, 段斌, 陈明杰, and 彭寒梅, “一种基于先进变流器的微电网潮流态势感知方法,” 电力系统保护与控制, vol. 046, no. 020, pp. 94–100, 2018.
[20] 蒋鲁宁, “机器学习、深度学习与网络安全技术,” 中国信息安全, vol. No.77, no. 05, p. 94, 2016.
[21] JenniferPreece, 普里斯, and 刘晓晖, 交互设计:超越人机交互. 电子工业出版社, 2003.
[22] J. Jidong and Z. Minglu, “械 工 程 学 报 Research Progress and Development Trend of the Safety of Human-robot Interaction Technology,” J. Mech. Eng., p. 16, 2020.
[23] 邱锡鹏, “神经网络与深度学习,” 复旦大学, pp. 0–100, 2019.
[24] 孔毅, “基于宽度学习的高光谱图像分析,” 2019.
[25] 贾晨, 刘华平, 续欣莹, and 孙富春, “基于宽度学习方法的多模态信息融合,” 智能系统学报, vol. 14, no. 1, pp. 154–161, 2019.
[26] 尹忠东, 涂菁菁, and 徐永海, “基于宽度学习的风光容量配置研究,” 电测与仪表, vol. 56, no. 13, pp. 45–50, 2019.
[27] 肖峰, 人工智能与认识论的哲学互释:从认知分型到演进逻辑. 中国社会科学, 2020.
[28] 禤耀佳, 探讨智能机器人的认知与学习. 内燃机与配件, 2020.
[29] 陈霖, “新一代人工智能的核心基础科学问题:认知和计算的关系,” 中国科学院院刊, 2018.
[30] 梁彪, 推理与决策. 广东人民出版社, 2002.
[31] 刘天华, “直觉模糊推理与决策的几种方法研究,” 山东大学, 2010.
[32] 赵树芗, “不确定性推理与决策,” in 中国电子学会学术年会, 1989.
[33] 余东峰 and 孙兆林, “基于贝叶斯网络不确定推理的研究,” 微型电脑应用, vol. 020, no. 8, pp. 6–8, 2004.
[34] 关海鸥, 杜松怀, 马晓丹, and 苏娟, “基于证据可信度不确定推理的大豆病害诊断方法,” 农业工程学报, vol. 29, no. a01, pp. 109–114, 2013.
[35] 张文修, 梁怡, and 徐萍, 基于包含度的不确定推理. 清华大学出版社, 2007.
[36] 马明辉, “皮尔士图演算与深度推理,” 贵州民族大学学报:哲学社会科学版, no. 3, 2017.
[37] 张永锋, “基于CUDA架构的深度时空推理网络,” 厦门大学, 2012.

原文始发于微信公众号(西工大无人系统发展战略研究中心):智能无人系统的若干科学技术问题探究