智能制造
1.机器人智能触觉
机器人智能触觉的实现依赖于两个基础，包括（1）硬件基础：高精度高密度触觉传感器的设计及开发和（2）算法基础：非结构化高维触觉传感信号的处理与分析。
机器人智能触觉团队设计及制造了一种受人体机械感受器启发的仿生触觉传感器，进而集成到仿生机器人手指，能实现对物体表面粗糙度的检测，有效检测范围Ra从0.4微米到50微米。机器人触觉的智能化同时也依赖于高效先进的信号处理方法，机器人智能触觉团队提出一种基于高斯过程的物体表面几何结构快速重构的人工智能方法，该方法能够在视觉信息缺失的情况对未知物体进行快速的探索。
项目来源：深圳市重点实验室
2.目标精确定位中的传感器最优分布理论研究
在目标精确定位研究领域，如何采用分布式多传感器系统精确定位静态目标是一个重要科学问题及研究方向。围绕此问题我们展开了深入研究，针对如何分布多个采用不同种类量测的传感器，如Time-of-arrival（TOA）、 received signal strength (RSS)以及angle-of-arrival (AOA)等传感器，实现高精度定位单个静态目标的问题展开研究。其中的目标可以为敌对雷达站、被困人员、水下信标等，而传感器可由多个无人机、无人艇等移动平台搭载，应用领域涵盖了军事打击、水下探索、民用搜救等。
我们首先结合费雪信息阵及克拉美罗下界的基础理论，建立了能够描述定位精度与不同传感器分布之间联系的数学模型。之后，采用A-optimality准则结合数学模型进行了最优化目标函数的提取与建模。为了求得最优传感器几何分布，我们提出了针对TOA、RSS等传感器网络的电阻网络法及相关理论，并推导出了多个重要推论，以保证最小克拉美罗下界的可达性并实现最优传感器分布策略的快速求解。
图2 采用3个TOA传感器时所对应的电阻网络，及阻值最小者与最佳几何分布对应
图 3 采用3个TOA传感器时最佳几何分布示例（含俯视图）
研究成果可用于快速评估不同目标定位策略的最佳可达精度，并且可以直接提供改善估计精度的传感器分布策略。具体而言，当传感器分布位置已知时，根据实时量测估计目标位置，继而获得传感器网络与目标之间的几何分布，可对照所提理论判别是否满足最优分布条件。若满足最优分布，则说明目标估计精度可以达到理论最佳值；若否，则可继续根据所提理论解算最佳分布，通过移动传感器，到达最优，进而改善估计精度。相关理论成果不仅可应用于军事侦察、打击中的敌方雷达站、舰船、潜艇目标的精确定位，也可用于民用领域的被困目标无人机搜救、海上信标搜索、以及地下矿物探查等。
项目来源：国家自然科学基金、中国博士后科学基金
3.面向室外大范围复杂动态场景的安保机器人长期导航与场景理解系统
机器人技术一直以来都是人类高度重视的研究领域，它作为将来最具有研究和发展价值的技术将被广泛应用于各种高新产业。最近几年，机器人越来越智能化，究其原因还是由于一系列新兴技术的发展，主要包括云计算、人工智能、大数据、计算机视觉等。特别是人工智能的迅速发展，使机器人拥有了更高的智慧，可以代替人工承担更多更重要的任务。
目前，中国己经有超过4000多家与保安行业相关的企业，保安人员也超过了450多万人。尽管如此，保安人员与警务人员的配比相比于发达国家仍显不足。在国内，安保行业是服务业的底层行业，从业安保人员的文化水平普遍较低，使得该行业的人员流失率非常之高。而且该行业的从业老龄化越来越严重。据统计，在安保群体中40岁以上的安保人员高达55%。因此致使安保行业处于不稳定的状态。与此同时，现有的安保行业的产品存在一定的问题，其一是种类多、但功能单一，且缺乏灵活性；其次，现有的安防产品不能够智能处理监控信息，需要人工手动处理，且需要配备大量安保人员，同时在信息处理的及时性上面可能受其他因素影响。随着信息技术的迅猛发展和房地产业的急剧增长，智慧城市的概念油然而生，安防机器人作为综合人工智能、自动控制等技术的综合体其研究具有中重大的科学意义和社会意义。
核心技术：基于多元感知数据的复杂动态场景三维环境建模；面向大范围复杂三维场景的多层次地图构建与维护；安保机器人基于学习的长期自主导航、基于三维激光点云数据图像化表述模型的自主场景识别、大范围复杂场景中长期鲁棒重定位、基于强化学习的智能运动规划；大范围复杂场景下安保机器人自主场景理解等。
项目来源：国自然联合基金深圳重点项目
4.基于激光扫描测距仪的机器人导航应用研究
在机器人领域中，移动机器人是研究热点之一，被广泛的应用到人类的各个领域中，如搜救行动，生产业，建筑业等等。特别的，因移动机器人的技术越来越丰富成熟，更多的移动机器人的设计目的开始转向人类的服务，其类型有室内清洁，商场导航，前台迎宾等等。这些任务的出现，对移动机器人室内的自主导航技术提出了新的要求。而在感知环境的传感器的选择上，激光扫描测距传感器（仪）因其对光线的无敏感性、构图精度高、易用性高等特点被大量的应用到室内机器人导航问题的研究上。
通过算法层面的改进与创新，实现机器人应用激光雷达进行路径规划与导航的稳定性能，减少不必要的耗材损失，增加其耐用性，节省经济消耗。激光扫描测距仪的机器人应用，在真实的环境需求中验证本项目的激光扫描测距仪的有效性和可靠性，有利于提高本项目的产品质量，同时也为其他智能机器人做一次完整的技术探索以及一个良好的应用典范，有利于推动我国智能机器人技术的应用落地。
核心技术：基于激光点云数据的多传感器融合结构及姿态解算；基于激光点云环境感知的自主避障与路径在线规划、针对动态障碍进行局部路径重规划实时避障；搭建移动平台进行实验验证等。
项目来源：国家重点研发计划
5.工业互联网云平台
面向智能制造的发展趋势，聚焦制造业中装备智能化、生产智能化、管理智能化和服务智能化的迫切需求，采用“智能制造+工业互联网”思路，研究“数字化-网络化-智能化”的技术融合与系统解决方案，基于大数据和人工智能构建“核心技术+本体制造+系统集成+工业互联+云平台”五位一体的智能制造生态系统，在模具设计制造、数控加工、冲压、注塑等典型工业过程进行示范应用推广，推动制造业提质降本增效和转型升级。
智能成形装备工业互联网的部分成果
项目来源：深圳市技术攻关、横向-孵化企业合作项目。
6.基于分布式能源及多能互补的智能调控关键技术研究及应用
多能互补项目重点面向综合能源利用的重大需求，从分布式能源系统协同优化与设计、智能分层调控、互补发电、重要负荷独立供电等方面展开研究，研制区域协调控制设备、重要负荷高可靠供电关键控制设备等装备。
基于光伏发电的微电网系统，在考虑到光伏发电系统间歇性，不稳定性等因素外，配备储能系统作为光伏系统的有力补充。结合光储电源特点及负载用电需求，通过建模与评估，确立光储充一体化网架结构；根据光伏系统的运行模拟和可再生能源的应用特点，以系统能源平衡控制、可再生能源发电最大化利用、投资成本最经济作为光储组网目标，构建光储充微网适应度函数，设计运行控制约束条件，建立光储充一体化的电源规划模型；运用智能优化算法，采用全局搜索优化策略，实现光储充微网的优化配置。
7.光储充微网能量管理策略研究
以建立合理可靠的能量管理机制为目标，针对光伏微电源的高渗透率、经济性及可协调性问题，采用微网的分层控制结构，一方面研究下层微电源网侧PQ、V/f控制策略，模糊决策算法和功率平抑控制策略，使得系统整体输出功率能跟随模糊控制策略的参考功率；另一方面研究上层微网能量协调优化控制算法以及储能荷电状态、可再生能源发电和负荷预测技术，确定各微电源的最优功率分配，使光储充微网高效运行。
以光储联合发电系统为研究对象，首先，针对典型光伏出力场景，结合光伏功率波动标准及储能元件特性，对光伏原始功率自适应的进行变分模态分解，从而实现功率初级分配；其次，在储能系统内部，监测超级电容荷电状态，通过模糊控制对储能元件初级功率进行二次修正。在滤波原理的基础上，设计一种计及电池充放电深度的储能系统充放电控制策略，使其能够自适应地实现光伏出力的最佳分解及合理分配，在有效减少光伏出力波动的同时避免储能元件出现冗余容量，使储能元件在荷电状态(state of charge, SOC)安全范围内工作，极大延长储能元件的经济寿命。
8.全天候无人驾驶物流车系统
复杂动态环境下的场景理解、建图、定位与导航移动技术，是制约目前自主移动智能体（包括机器人、智能车等等）走向应用的瓶颈技术。本项目针对这一问题，结合应用实际，开展复杂动态环境下的场景感知与理解、人机交互、视觉SLAM等技术研究，突破面向应用的复杂动态环境视觉感知、导航、自然交互、智能控制等核心技术，进而开发全天候应用的视觉导航自主移动系统，并实现在终端配送等领域的应用示范。
项目拟解决的关键问题包括：
（1）基于语义的环境识别、地图构建和场景认知：系统对场景和物体有语义层面的感知认知与识别理解，构建包含语义的地图，能够理解并执行语义层的命令。
（2）全天候视觉问题，设计了一套针对不同光照环境的图像处理及视觉导航方法，从而保证系统能够全天候工作。
（3）复杂动态环境的运动规划及控制：实现人、车等障碍物的灵活规避；实现运动轨迹的高速准确跟随控制。
低成本化的系统集成：
融合语义的定位导航技术：
项目来源：广东省重点领域研发计划“新一代人工智能”项目
9.基于模拟运算的超低功耗识别芯片加速核设计
本项目合作目标为通过算法及芯片架构上的创新性设计，大幅降低端侧 AI 识别算法所需功耗，利用基于模拟电路的AI加速核提升计算能耗比，从而使得 AI 算法在电池供电的设备中的到广泛应用。基于模拟电路的AI加速核可大幅降低运算功耗，但是模拟运算 AI / 模糊运算由于在运算精度上的限制，电路在实现 AI 算法时跟软件端所得出的参数会有落差，从而影响模拟加速器的辨识准确率。本项目通过将电路特性与软件端的模型训练同时协同设计，从而克服模拟电路AI加速核的识别准确率下降问题。项目目标为基于模拟运算的AI加速核实现识别精度达到数字运算的精度90%以上，并且将运算功耗降低为数字AI加速核的十分之一以下。
在本项目典型应用之一为超低功耗人工智能语音识别，该项目将以超低功耗智能语音识别应用为应用案例进行算法、芯片以及整体方案的开发工作，并实现产业化落地。该应用研究内容为超低功耗人工智能语音芯片以及算法，芯片采用超低功耗模拟电路AI加速核实现人声识别检测、唤醒词检测，采用定制灵活定点AI加速核实现语音识别功能，并且可支持深度压缩网络。芯片待机唤醒词检测功耗达到微瓦级别，超低待机功耗可实现芯片在智能耳机、可穿戴设备等移动产品的广泛应用。
项目来源：青年千人计划项目
10.基于2D/3D视觉信息融合的目标识别和6D姿态估计
研究目标：面向制造业机器人和服务机器人的实际应用需求，为机器人灵巧手实现对各类目标进行自主操作提供目标自动识别和实时计算目标姿态参数的功能。
研究内容：提出了一种基于深度神经网络的智能目标识别和姿态估计系统，该系统以RGB-D图像作为输入实现目标识别和6D姿态估计。总体的系统框架如图1所示。首先基于U-net构建了一个强大的语义分割网络，从背景中识别并分割出目标。然后根据分割蒙版裁剪RGB-D图像中的目标区域，并输入一种改进的基于DenseFusion的6D姿态估计网络进行姿态参数计算。该网络不仅能融合颜色信息和深度信息实现更准确的姿态参数估计，同时由于引入了通道注意力和空间注意力模块，能使网络具有抑制次要功能通道的能力。我们在两个基准数据集上对系统进行了测试，初步实验表明该系统能高效运行，适合作为视觉引导系统协助机器人灵巧手执行各类实时的自主操作任务。
语义分割网络
姿态估计网络
项目来源：国自然-深圳联合基金项目
11.基于类不确定性和形状相似度的风力发电机风能曲线(WPC)数据清洗技术研究
研究目标：随着风力发电技术的快速发展，大量风机被部署到风力发电场中，需要高效地监控风机的工作状况。风力发电机风能曲线(WPC)反映了风速与风机输出功率之间的关系，然而由于各种因素的影响，WPC中存在大量异常数据，需要对相应的数据进行清洗。
研究内容：本课题的基本思想是将WPC转化成一幅二值数字图像，并将数据清洗的工作转化称图像分割问题。通过提取多方向连接强度特征，将二值WPC图像转换成特征图，然后基于类不确定性和形状相似度原理构造能量函数空间并在该空间中搜索得到最优的异常数据分割阈值。此外，我们通过提取线性特征将分割得到的异常数据进行进一步分类得到三种不同的异常数据分类。对两个大型风场采集的17个风机的真实数据进行比较实验的结果证明了方法显著地优于目前所有其他各类方法。
WPC中的正常数据以及三类异常数据 和 WPC的类不确定性图
项目来源：合作研究课题。
12.一种基于多尺度区域与类不确定性理论的局部阈值分割方法
医学图像受成像原理的限制，存在图像灰度分布不均匀、噪声大、组织间边界模糊等问题，传统的阈值分割方法通常难以获得精准的分割结果。针对这一问题，我们提出一种基于多尺度区域与类不确定性理论的阈值分割方法。
我们利用多层金字塔结构将原始图像分割成一组不同尺度的子区域；然后基于类不确定性与区域均匀性度量构建带不等式约束的能量函数，并逐层迭代求解各子区域的最优局部阈值；最终得到局部最优阈值掩膜，从而实现图像分割。实验结果表明，所提方法能有效克服噪音、局部灰度分布不均匀以及模糊边界等因素的干扰，分割结果平均误分率指标为1.1%，与对比实验算法的平均误分率相比，下降了2.1%，峰值信噪比指标为17.1，比对比试验的平均指标下降了2.7，算法性能显著优于经典的基于受限的目标灰度频率范围求解最优分割阈值方法（RCOtsu）、基于图像分块的局部阈值二值化方法、改进二维Otsu 法和果蝇算法结合的图像分割方法以及基于类不确定性及区域均匀性的能量最小化方法（MHUE）。实验结果表明，所提方法可以稳定、清晰地分割灰度不均和高噪声图像。
图像能量函数随阈值分布图与类不确定性图
构建多尺度区域示意图
项目来源： 深圳市技术攻关项目
13.智慧传感与系统检测
团队重点开展的研究方向包括：传感器与传感器网络、智能超声检测系统、先进超声检测方法、扫描探针及微纳力学。在传感器与传感器网络的研究内容包括：传感器基础研究、传感器设计、性能测试与封装、传感器网络开发等。在智能检测系统方面的研究内容包括：非接触激光超声显微系统、高频超声成像系统、结构健康监测系统、在线超声检测系统和搭载机器人的智能检测系统等。在先进超声检测方法方面的研究内容包括：非线性超声、超声导波、激光超声在线检测、超声相控阵检测、人工智能算法应用和云检测技术应用等。团队研究结合了柔性传感器、先进超声无损检测、结构健康监测、人工智能算法、云计算等先进技术，注重系统的集成开发及工业应用，其研究成果主要服务于国家及深圳市重点发展领域，包括电子信息技术（如芯片）、航空航天、增材制造、新能源等。
1)多模态高分辨率显微成像（光声、超声）
激光超声显微成像系统
本研究通过调制激发多模态激光超声信号，结合高灵敏度、高带宽双波干涉接收系统，实现激光超声信号的发射和接收，并开发全聚焦高分辨率图像重构算法，实现微观到宏观结构/材料在工作状态下的形貌演化规律研究。
项目来源：国家人才计划基金/深圳市科创委
高频超声显微系统
针对IC产业需求，实现无损、精细、高灵敏度地观察其内部及亚表层结构存在的微米到百微米尺度结构。本研究将研制用于封装芯片内部缺陷检测的高频高精度超声扫描成像系统，通过研制高性能换能器及其阵列，优化超声成像算法,突破现有超声显微成像设备在封装芯片检测方面的技术瓶颈，实现芯片等微观结构的高分辨率显微成像。
项目来源：深圳市基础研究学科布局
2)柔性传感器及传感网络
项目针对现有工程应用中的问题研发基于主/被动喷涂式柔性传感器网络的结构健康智能监测系统，利用新技术、新材料、新工艺研制柔性、超薄、超轻、低成本的主/被动式喷涂传感器及网络，研制传感器自动增材制备系统，将传感器网络与柔性电路直接集成到待测关键结构，形成高密度传感网络。并对应开发相应结构的健康监测系统，对工程关键结构件进行实时、原位、定量、图像化的评估。
项目来源：国家人才计划基金/深圳市重点实验室项目
3)先进超声检测方法
本研究聚焦非线性超声、超声导波、激光超声在线检测、超声相控阵检测等先进超声检测方法，并结合人工智能算法和云检测技术，实现微-宏观结构的智能检测。
项目来源：国家人才计划基金/深圳市重点实验室项目
4)扫描探针与微纳力学检测
原子力显微镜(AFM)以其纳米级空间分辨率、皮牛级力灵敏度、免标记、可在原位条件下检测的优势成为材料微纳尺度研究的重要工具。AFM不仅可以对表面超微形貌进行可视化表征, 还可对样品材料的微纳尺度内的力学性质(包括杨氏模量、硬度、粘弹性、粘附力等)实现皮牛顿量级精度的检测。团队开展基于AFM力谱技术的海洋污损生物蛋白原位微观形貌和纳米力学性能的研究，利用AFM胶体探针/单分子力谱技术研究污损生物蛋白的粘附力、粘附能、力学稳定性等，通过解析蛋白微观形貌、纳米力学特性和污损生物附着特性，探讨污损生物的附着机理，为环境友好型防污材料的开发提供理论依。
项目来源：广东省珠江人才项目、深圳市基础研究学科布局
14.面向生命搜寻的微型飞行器
利用信息工程、控制工程、仿生学、人工智能等领域的最新理论和应用技术，探讨无人飞行器在不规则的复杂环境中如何实现搜寻功能的基础应用科学问题，进而研发先进的通用飞控平台设备，已成为国际机器人科学、信息处理工程及控制工程领域的研究热点。
针对较封闭环境或复杂室内环境（如高层建筑火灾现场、震后建筑物、塌方矿井等）、信息有限或缺失情况下，很难组织有效人工救援工作的问题，本课题开展基于无人飞行器主动环境感知的生命体探测和自主航迹跟踪研究，该研究不仅可以在救援任务中提供必要技术支持，还可以带动机器人学、控制科学和机器学习等相关学科的发展。这对我国在利用感知信息实现自主导航控制的学术和技术领域并掌握自主知识产权具有重要的科学意义。同时，特种飞行器平台的实现，将改善我国在灾后救援任务的灵活性和机动能力、降低救援人员的工作强度和危险性、减少生命财产的损失，这将具有极其重要的科学和社会意义。
鉴于地震、井下灾难、火灾、水灾等救援对特种机器人的迫切需求，国家启动一系列救灾危险作业机器人技术的‘863’研究项目，为我国机器人在灾难救援领域的应用奠定基础。当前对于无人机的应用研究主要针对室外空旷环境，而其在室内自主飞行的研究还处于起步阶段；研究封闭环境下搜寻生命的 MAV 技术对于在矿井、倒塌建筑等无 GPS 和信号覆盖环境下的搜救工作具有更加深远的意义。微型无人机自主导航系统作为通道勘查和生命探测的重要手段，具有实时性强、灵活方便、外界环境影响小、成本低的优点，在灾害应急救援方面具有广阔的发展空间和应用前景。总之，微型无人机在国民经济和国防建设中发挥着越来越重要的作用。
核心技术：建立微型无人飞行器通用动力学模型；建立自主控制框架实现面向生命目标搜索的路径规划和轨迹跟踪控制；基于无监督式学习方法实现未知环境的空间结构感知与避障系统；多传感器测量数据的融合技术；微型飞行器的生命搜索策略与验证平台设计等。
项目来源：深圳市基础研究学科布局
15.无人机全自主飞行关键技术研究及应用
随着人工智能和自动控制技术的发展，无人机的各种技术创新层出不穷。自从无人机进入民用领域以来，显示出巨大潜力，其中在农业植保、国土资源勘探、城市安防、近海巡航等方面有着巨大应用前景。无人机与有人驾驶的飞机相比，体积小、重量轻、能耗低、成本低。本项目开发自主控制关键技术，以神经网络、深度学习、空间结构感知器等为主要理论，实现自主导航、物体定位、生命搜索的全局和在线航迹规划与决策，以及恶劣环境干扰下的避障、快速跟踪和姿态控制等。
无人机在进行海监飞行任务时，针对海上复杂环境、气候多变等众多不确定因素，飞行器自主飞行技术的设计至关重要。根据飞行器刚体结构及动力学原理，采用参数辨识技术，得到精确模型；然后研究基于线性二次型调节器 LQR 的滑模变结构算法，通过简化系统非线性模型得到各子模块的状态空间方程，并针对姿态控制、悬停控制、轨迹跟踪控制等模式完成无人机飞行控制器的设计。
核心技术：飞行控制器设计，针对强非线性、多变量和气动参数不确定的模型实现自主控制；飞行参数动态调节及实时观测；无人机姿态参数控制；自主避障控制与航迹在线规划；飞行器原型研制与验证。
项目来源：广东省科技计划项目
16.面向自主控制的矢量场自塑形动态学习方法研究
随着人工智能、传感器、信息融合和通信等方面的技术进步，无人系统迎来了由人为参与阶段到系统自主、智能控制阶段的重大发展和突破。探讨无人系统在不规则的复杂环境中如何处理随机信号转化为稳定控制输入的应用基础科学问题，进而研究精确、稳定的智能控制器，已成为无人系统、信息处理工程及控制工程领域的研究热点。
人工神经网络是人工智能算法的核心，凭借其大规模并行结构、高维数据特征分析及泛化能力强大等优势，可以迅速模拟出高维分布数据下的目标函数的最优近似解，进而使无人智能控制系统较传统智能控制系统具备更复杂决策能力及机动性。直至目前，由人工神经网络模型发展起来的机器学习领域，尤其是深度学习深层次的神经网络解决问题的多样性，展现出了从大量样本中学习数据本质特征的强大能力。将人工神经网络应用于无人系统，对于促进智能控制的跨越和小数据大任务的进程具有重要意义。
核心技术：基于任意概率分布输入的随机信号特征学习方法；建立基于任意概率分布输入的自塑性动态系统；基于自塑性学习的无人机自主控制技术研究等。
项目来源：国家自然科学基金
17.基于人机智能交互的复杂操作技能模仿学习
人在各种复杂操作的模仿学习过程中，视、听、触等多感官的协同感知、对操作意图的理解、对操作策略的归纳起到至关重要的作用。机器人利用视、听、力、触等单一独立交互方式难以从操作技能示范中获取精确完备的信息。此外，以深度学习为首的神经网络方法在如今的人工智能领域占据主流，但对机器人完成复杂操作任务来说，深度学习方法缺乏对上层任务规划和学习所需要的类人推理能力。
为此，本课题建立包括生物视觉通路、听觉通路和触觉通路在内的多模态融合感知模型。突破跨模态迁移、模仿学习与人机协同控制等关键技术，研究基于动机的技能推理机制以实现技能预测，研究操作行为的“感知-动作”回路学习方法，形成自然、柔顺、智能的人机交互新模式，完成对复杂操作技能的有效传授。基于自主智能体灵巧操作平台的视觉-听觉-触觉跨模态感知任务，开展基于虚拟环境的人机交互与人机协同控制演示验证。
研究成果主要带来人工智能、机器人等领域的发展，增进机器人的智能化、柔性化水平，实现机器人在灵巧作业、柔顺操作等方面的突破。
关键技术：
（1）基于视觉、听觉、触觉、生物电信息在内的多模态信息融合与感知学习技术；
（2）基于概率图模型的技能推理技术；
（3）“感知-动作”回路的模仿学习技术。
项目来源：科技创新2030-“新一代人工智能”重大项目