全球人工智能和机器人峰会近日闭幕，大会并通过线上直播方式向广大公众开放，成为今年全球人工智能领域的一场盛会。在 “机器人前沿”专场上，加拿大工程院院士、IEEE Fellow 张宏以远程视频的形式带来了题为《移动机器人全局定位技术与方法》的大会报告。张宏教授从分享学术研究的角度出发，主要谈及了移动机器人全局定位，他表示，现在移动机器人机器人在定位方面还是有所欠缺的：一是对环境的语义表达、理解能力有所不足，二是需要更高的鲁棒性。

打开网易新闻 查看精彩图片

张宏指出，业界对于移动机器人这个题目应该不陌生，传统的研究方向起码包括这几类：轨迹规划、避碍、构建地图和定位。构建地图和定位这两个工作又是耦合的，没有地图也就谈不到定位，我们做地图的过程当中也需要定位，所以这两件工作必须同时完成。二者的同时研究称之为SLAM, 即simultaneouslocalization and mapping的缩写。这项技术直接关系到智能机器人的研发进度。

他表示，全局定位的技术可以通过三个维度对其进行分类，第一个维度是传感信息来源,是来源于单线激光雷达，还是来源于视觉,或者是来源于多模式融合；第二个维度是特征提取的方法，是用传统手工模型进行提取特征，还是用深度学习的方法来提取特征；第三个维度是定位算法，也就是如何利用这些被提取出的特征完成定位，他进一步谈到，完成分类的方法也分为三类，一类是靠优化的方法，第二类方法是全景描述符匹配，第三类就是利用局部特征匹配完成定位。但无论哪一种方法本质都是选择某种传感器，再加上某种特征提取的方法，加上选择的算法，最终去完成全局定位这件工作。

张宏谈到，经过过去20年学界的研究努力，实际上对全局定位这件事情已经有了比较满意的答案。但另一方面，人们也逐渐发现只完成定位是不够完成导航这件事情，我们还需要进行避障性轨迹规划。那么为了完成避障和轨迹规划，我们需要有更稠密的地图，这也是业界现在比较关注的一个研究方向。

最后，张宏也明确指出，现在移动机器人机器人在定位方面还是有所欠缺的：一是对环境的语义表达、理解能力有所不足。我们和机器人的理解不一样，机器人生活在数字世界里面，我们生活在抽象的概念里面，如果想让机器人和人共融或者让人类与机器人有效沟通，就必须要有语义这个层次。二是需要更高的鲁棒性。现在机器人的鲁棒性远远满足不了很多实际工作的要求，经常死机，所以鲁棒性从各个角度都需要提高，使得最终的实现目标是自主移动机器人，而不是旁边总站着一个“护士”和技术员来帮助移动机器人工作，这也是大家可以努力的方向。