作为IEEE ICRA 2022年科学传播奖获得者之一,Avie Ravendran与出席会议的学术界和工业界的一些研究人员进行了虚拟对话。想知道他们说了什么吗?阅读下面他们的名言吧!
“我真的相信学习方法,特别是模仿和迁移学习,将使可扩展的机器人应用于人类和非结构化环境。我们正处于看到机器人代理动态适应和解决现实世界问题的风口浪尖。”
——Halodi Robotics的首席技术官Nicholas Nadeau
“一方面,就共同的基本原理而言,我认为感知和控制的相互作用非常令人兴奋,而另一方面,看到更多的机器人走出实验室,这既酷又鼓舞人心。”
- Matías Mattamala,博士生,牛津动态机器人系统,牛津机器人研究所
“我相信,结合现有场景几何和移动机器人环境中存在的时间一致性的先验,可以用来指导更健壮的表示的学习。”
——Kavisha Vidanapathirana, QUT & CSIRORobotics公司
“目前,我的目标是找出研究人员需要什么来照顾他们的积极性和幸福感。”
——Daniel Carrillo-Zapata, Scientific躁动创始人
“我们有大量的非监督知识,我们总是在更新我们的先验知识。利用大规模无监督的预培训和终身学习系统似乎是朝着正确方向迈出的重要一步。”
——Nitish Dashora,伯克利人工智能研究和红木理论神经科学中心研究员
“当物体处于杂乱状态,各种物体叠加在一起时,机器人需要交互式和自主地重新排列场景,以便以最少的动作检索目标物体的姿态,以实现整体效率。我致力于姿态估计算法,以处理密集的视觉数据和稀疏的触觉数据。”
——Prajval Kumar,宝马和格拉斯哥大学
“思考机器人甚至结构的行为方式,并在这方面提出和回答问题,满足了我作为研究人员的好奇心。”
-东塔,东京大学博士后研究员
“我有时听说腿部运动是一个解决了的问题,但我不同意。我认为表现的标准已经提高了,我们现在可以共同应对更有活力、更高效和更可靠的步态。”
-凯文·格林,俄勒冈州立大学博士候选人
“我在机器人研究方面的目标是通过将模块化和欠驱动引入该领域,降低成本,提高海洋研究平台的能力。我们正在研究如何将我们的集体游泳技术应用到流动的环境中。”
- Gedaliah Knizhnik,宾夕法尼亚大学GRASP实验室和模块化机器人实验室博士候选人
“我感兴趣的是,我们如何能够开发出在没有人为干预的情况下实现长期自主机器人导航所需的算法和表示,例如在自主水下机器人长时间持续绘制海洋生态系统地图的情况下。有很多挑战,比如我们如何建立一个紧凑的世界表示,理想地基于人类可理解的语义?我们如何优雅地处理在一生中不可避免地出现的感知异常值?以及我们如何在限制内存和计算需求的同时,在时间和空间上扩展机器人状态估计方法?”
- Kevin Doherty,麻省理工学院和伍兹霍尔海洋研究所计算机科学和人工智能实验室
“如果没有直觉,机器人如何学会与自己和世界互动,并对它们进行推理?”通信是生物和机器人系统的核心。受控制理论、信息论和神经科学的启发,人工智能(AI)和机器人技术的早期工作集中在一类被称为反馈系统的动力系统上。这些系统以循环机制或反馈回路为特征,这些机制或反馈回路在不同环境中存在扰动时,治理、调节或“引导”系统的行为走向理想的稳定状态。感觉、预测、决策、行动和返回之间的反馈是感觉运动学习的关键组成部分,需要在野外实现强大的智能机器人系统,这是该领域的一个重大挑战。现有的机器人对世界基本上是麻木的,这限制了它们感知自身和环境的能力。在仿生学的指导下,随着机器人的复杂性、灵活性和可操作性的增长,这个问题只会越来越严重。反馈控制系统,如比例积分导数(PID)、强化学习(RL)和模型预测控制(MPC),现在在机器人技术中很常见,基于点的IMU-GPS信号的(最优,贝叶斯)Kálmán滤波也是如此。缺少实现一般智能行为所需的分布式多模态、高维感觉,通过直观感觉或对物理的理解建立的高级抽象来执行复杂的动作序列。虽然中枢神经系统和生物神经网络都是量子并行分布式处理(PDP)引擎,但大多数数字人工神经网络都与传感器完全解耦,只提供世界的被动图像。我们正在努力改变这一点,通过神经范式将并行分布式传感和数据处理结合起来。 This involves innovations in hardware, software, and datasets. At Nervosys, we aim to make this dream a reality by building the first nervous system and platform for general robotic intelligence.”
——Adam Erickson (Nervosys创始人