局域模體結(jié)構(gòu)對(duì)系統(tǒng)受擾動(dòng)后響應(yīng)行為的影響

復(fù)旦大學(xué)類腦人工智能科學(xué)與技術(shù)研究院紀(jì)鵬研究員與法蘭克福金融管理學(xué)院簡(jiǎn)·納格勒（Jan Nagler）教授合作，給出了信號(hào)在局域傳播中與模體間的定量縮放關(guān)系，及其在全局傳播中與鏈路模體空間分布間的關(guān)聯(lián)。相關(guān)成果發(fā)表于《自然·通訊》（Nature Communications）?；谝话泷詈蟿?dòng)力系統(tǒng)，在源節(jié)點(diǎn)施加恒定不變的小擾動(dòng)并線性化系統(tǒng)，表征節(jié)點(diǎn)狀態(tài)的變化并計(jì)算信號(hào)傳播時(shí)間指標(biāo)；在局域傳播中，分離本征特性和模體等影響傳播因素，定量傳播時(shí)間與拓?fù)溟g的標(biāo)度指數(shù)；在全局傳播中，采用高斯迭代法獲得鏈路上相鄰層間的關(guān)聯(lián)，計(jì)算鏈路上模體數(shù)目及空間分布對(duì)全局傳播時(shí)間的影響。

極其微小的隨機(jī)干擾對(duì)湍流的大尺度影響

上海交通大學(xué)廖世俊團(tuán)隊(duì)?wèi)?yīng)用其提出的“精準(zhǔn)數(shù)值模擬”（Clean Numerical Simulation，簡(jiǎn)稱CNS），發(fā)現(xiàn)極其微小的數(shù)值噪音能夠?qū)ΧSRayleigh–Bénard熱對(duì)流這個(gè)可持續(xù)湍流的數(shù)值模擬結(jié)果產(chǎn)生宏觀的影響。相關(guān)成果發(fā)表于《流體力學(xué)學(xué)報(bào)》（Journal of Fluid Mechanics）。湍流，被稱為經(jīng)典力學(xué)的最后一個(gè)難題。湍流與航空、航天、海洋工程等許多領(lǐng)域都密切相關(guān)。深入研究湍流的生成和演化機(jī)理，具有重要的理論意義和應(yīng)用價(jià)值。由CNS得到的精準(zhǔn)模擬結(jié)果能夠長(zhǎng)期保持典型的旋渦狀對(duì)流，但由傳統(tǒng)算法（RKwD）給出的數(shù)值模擬卻轉(zhuǎn)變成剪切對(duì)流，其對(duì)應(yīng)的流場(chǎng)變成一種帶狀湍流。

考慮網(wǎng)絡(luò)局域模體（獨(dú)立邊和三角形）下，預(yù)測(cè)信號(hào)傳遞模式（圖片來源于復(fù)旦大學(xué)網(wǎng)站）

機(jī)器人類人靈巧操作方法研究

中國(guó)科學(xué)院自動(dòng)化研究所王鵬研究員團(tuán)隊(duì)通過借鑒人與人之間的物體交接方式，提出一種人與仿人五指靈巧手機(jī)器人之間的類人物體交接靈巧操作方法，并應(yīng)用到實(shí)際機(jī)器人平臺(tái)中，實(shí)現(xiàn)了人和仿人五指靈巧手機(jī)器人之間的多樣性物體類人交接自主靈巧操作。相關(guān)成果發(fā)表于《IEEE認(rèn)知與發(fā)展系統(tǒng)匯刊》（IEEE Transactions on Cognitive and Developmental Systems）。人與機(jī)器人間的物體交接主要以二指平行爪等簡(jiǎn)單機(jī)構(gòu)作為機(jī)器人的末端執(zhí)行器，由于結(jié)構(gòu)的差異性，難以實(shí)現(xiàn)物體在人和機(jī)器人之間的自然和靈巧傳遞。研究借鑒人手的抓握習(xí)慣建立學(xué)習(xí)模型，自動(dòng)生成物體交接抓取配置策略，使機(jī)器人能夠使用類人的抓握方式。

自動(dòng)駕駛系統(tǒng)仿真測(cè)試方法

中國(guó)科學(xué)院軟件研究所吳國(guó)全、葉丹、田浩翔等人在自動(dòng)駕駛系統(tǒng)安全性違規(guī)檢測(cè)方面取得進(jìn)展。相關(guān)成果發(fā)表于《ACM聯(lián)合歐洲軟件工程會(huì)議和軟件工程基礎(chǔ)研討會(huì)2022》（ESEC/FSE 2022）。自動(dòng)駕駛系統(tǒng)是高度復(fù)雜的軟硬件系統(tǒng)，其所處的運(yùn)行環(huán)境高度復(fù)雜且多變，會(huì)面臨許多無法預(yù)見的情況，系統(tǒng)安全性尤為重要。目前的自動(dòng)駕駛仿真測(cè)試方法存在搜索成本高、測(cè)試效率低和生成場(chǎng)景挑戰(zhàn)性不足、相似度高等問題。研究提出了基于多目標(biāo)遺傳算法的自動(dòng)駕駛系統(tǒng)仿真測(cè)試方法，能夠有效生成自動(dòng)駕駛系統(tǒng)的挑戰(zhàn)場(chǎng)景，暴露自動(dòng)駕駛系統(tǒng)的安全性缺陷，并支持對(duì)自動(dòng)駕駛系統(tǒng)的連續(xù)、長(zhǎng)距離測(cè)試，提高仿真測(cè)試執(zhí)行效率。

增強(qiáng)過驅(qū)動(dòng)無人機(jī)平臺(tái)穩(wěn)定性及安全性研究

北京大學(xué)人工智能研究院朱毅鑫課題組開發(fā)了一種適用于由四旋翼無人機(jī)模塊組成的無人機(jī)平臺(tái)的控制策略。相關(guān)成果發(fā)表于《智能機(jī)器人與系統(tǒng)國(guó)際會(huì)議2022》（IROS 2022）。無人機(jī)由于其靈巧、簡(jiǎn)單的特點(diǎn)，一直備受市場(chǎng)和學(xué)術(shù)界的關(guān)注。機(jī)動(dòng)性和安全性一直是無人機(jī)領(lǐng)域的兩大課題，這一控制策略能夠兼顧無人機(jī)之間的氣流沖刷現(xiàn)象和平臺(tái)整體的推力效率問題，增加了此類無人機(jī)平臺(tái)實(shí)際使用時(shí)的穩(wěn)定性和安全性。研究人員提出的控制算法巧妙地兼顧了過驅(qū)動(dòng)無人機(jī)平臺(tái)的氣流沖刷現(xiàn)象和無人機(jī)平臺(tái)整體的推力效率。研究人員在仿真場(chǎng)景和現(xiàn)實(shí)環(huán)境中均進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果很好地驗(yàn)證了控制算法的有效性。

基于多個(gè)四旋翼和被動(dòng)自由度機(jī)構(gòu)的過驅(qū)動(dòng)無人機(jī)平臺(tái)（圖片來源于北京大學(xué)網(wǎng)站）

若干個(gè)全向推力模塊組成的過驅(qū)動(dòng)無人機(jī)平臺(tái)可以有無窮多種推力生成方案來生成同樣的總推力（圖片來源于北京大學(xué)網(wǎng)站）

光學(xué)元件的局域面形公差和品質(zhì)評(píng)價(jià)新方法

清華大學(xué)精密儀器系朱鈞課題組開展了光學(xué)曲面的局域面形公差和品質(zhì)評(píng)價(jià)研究。相關(guān)成果發(fā)表于《光學(xué)》（Optica）。研究團(tuán)隊(duì)計(jì)算了一個(gè)離軸三反光學(xué)系統(tǒng)的三鏡和一個(gè)卡塞格林式系統(tǒng)的兩個(gè)反射鏡的局域面形公差，并對(duì)公差進(jìn)行了模擬驗(yàn)證。公差的計(jì)算結(jié)果顯示出很明顯的局域性。研究人員同時(shí)提出一種與成像性能直接相關(guān)的光學(xué)元件品質(zhì)的精確評(píng)價(jià)函數(shù)RWE，替代傳統(tǒng)的RMS或PV值來評(píng)價(jià)光學(xué)元件的品質(zhì)，并對(duì)一系列的具有不同面形誤差的元件進(jìn)行了品質(zhì)評(píng)價(jià)。研究提出的局域公差框架將為光學(xué)系統(tǒng)的制造，特別是為光刻系統(tǒng)和太空望遠(yuǎn)鏡等高精度、大口徑的光學(xué)系統(tǒng)制造提供新的技術(shù)支撐。

腦機(jī)接口信息處理技術(shù)研究

中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所唐鳳珍課題組針對(duì)頭皮腦電信號(hào)的解碼問題開展研究，提出基于對(duì)數(shù)歐氏度量黎曼幾何的腦信號(hào)解碼方法，在保證精度的同時(shí)提升腦信號(hào)解碼的效率。相關(guān)成果發(fā)表于《IEEE控制論匯刊》（IEEE Transactions on Cybernetics）。研究人員將腦電信號(hào)表征為協(xié)方差矩陣的、從平直的歐氏空間轉(zhuǎn)換到彎曲的對(duì)稱正定黎曼空間，利用對(duì)數(shù)歐式度量，將廣義學(xué)習(xí)矢量量化方法推廣到黎曼空間，建立基于對(duì)數(shù)歐氏距離的廣義學(xué)習(xí)矢量量化方法，實(shí)現(xiàn)高效快速的腦電信號(hào)解碼；通過引入對(duì)數(shù)歐氏度量學(xué)習(xí)方法，學(xué)習(xí)一個(gè)將原流形映射到更具有可分性的黎曼子流形的函數(shù)，在保持計(jì)算速度的同時(shí)，取得了更好的結(jié)果。

CPU友好的神經(jīng)網(wǎng)絡(luò)模型新設(shè)計(jì)

廈門大學(xué)信息學(xué)院紀(jì)榮嶸團(tuán)隊(duì)提出了一種剪枝粒度介于權(quán)重剪枝與濾波器剪枝之間的新型剪枝，其基本剪枝單元是相同輸入通道下連續(xù)N個(gè)輸出核組成的塊，并在剪枝之前對(duì)參數(shù)進(jìn)行重排列，以進(jìn)一步提升剪枝后模型的性能。相關(guān)成果發(fā)表于《IEEE模式分析與機(jī)器智能匯刊》（TPAMI）。深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNN）的參數(shù)量（Parameters）與浮點(diǎn)計(jì)算量（FLOPs）不斷增長(zhǎng)，這使得在計(jì)算能力有限的邊緣設(shè)備上部署DNN成為困難。新模式的剪枝模型能夠被當(dāng)前的CPU內(nèi)置的指令所支持實(shí)現(xiàn)并行的矢量化運(yùn)算，可以在現(xiàn)有硬件與計(jì)算庫(kù)下直接獲得加速效果。