清华大学AMiner团队:挖掘机器人学与AI交叉热点及未来趋势

智能机器人人才分布

AMiner基于论文数据整理了中国智能机器人人才库,该图为中国智能机器人人才分布图。

在中国国内,智能机器人领域的研究学者主要分布在北京、哈尔滨、上海、广州等城市。其中,北京的研究学者数量大于其他城市。这主要是得益于北京市内诸如众多高校的研究所例如北京理工大学智能机器人与系统高精尖创新中心、北京信息科技大学机器人足球队(water)、北京航空航天大学机器人研究所以及一些产业研究所的存在。

由于篇幅限制,小编在智能机器人领域的研究学者分布较多的四个城市各选取了一所研究所进行介绍,如有不周,敬请指正。

北京航空航天大学机器人研究所

该机器人研究所于1987年由张启先院士创建,是一个集教学、科研、开发为一体的研究实体。主要从事现代机构学及机器人技术方面的理论研究和技术开发。本研究所现有教授12名(博士生导师13名),副教授8人,讲师6人;其中长江学者特聘教授2名,国家杰出青年基金获得者2名,教育部新(跨)世纪优秀人才3人,北京市科技新星6人。现拥有“虚拟现实技术与系统”国家重点实验室(共建)、“飞行器装配机器人装备”北京市重点实验室、中国机械工业联合会“机械工业服务机器人技术”重点实验室、“面向高端装备制造的机器人技术”北京市国际科技合作基地。

王田苗教授是北京航空航天大学机器人研究所教授、博导,国家教育部特聘教授“长江学者”,“新世纪百千万人才工程”国家级人选,曾任国家863计划“十五”机器人主题专家组组长、“十一五”先进制造技术领域专家组组长及中国制造业信息化专家组副组长、“十二五”服务机器人重点项目专家组组长,现任北航机械工程及自动化学院院长、IEEE Fellow。

王田苗教授于2017年参与的由北京航空航天大学课题组牵头、与哈佛大学Wood教授实验室联合科研团队取得的最新研究成果——仿生䲟鱼软体吸盘机器人登上国际顶级期刊Science的封面报道,成为我国在《Science Robotics》上发表的首篇论文。

哈尔滨工业大学机器人研究所

哈尔滨工业大学机器人研究所成立于1986年,是我国最早专门开展机器人研究的单位之一,是我国第一台弧焊机器人和点焊机器人的诞生地。2007年被批准为机器人技术与系统国家重点实验室,2010年通过验收。机器人研究所是哈尔滨工业大学机械电子工程学科的牵头单位,机械电子工程是我国同类学科的第一个博士点,是“211工程”和“985工程“的重点建设学科,也是首批“长江学者”奖励计划特聘教授岗位的设置学科。

上海交通大学机器人研究所

研究所的前身是1979年建立的机器人研究室,1985年更名为上海交通大学机器人研究所,是我国最早机器人从事机器人技术研发的专业机构之一。1992年建成国家863机器人柔性装配系统网点实验室。机器人研究所是机械电子工程学科的硕士和博士学位授予点,现有人员29人,其中“长江学者”特聘教授2人、教授8名、副教授和高级工程师15名,博士研究生50余名,硕士研究生60余名。目前有八人次入选国家和省部级人才计划,包括“国家杰出青年基金”(2人次)、“上海市优秀学科带头人计划”(2人次)、“教育部新世纪优秀人才支持计划” (2人次)、“上海市曙光计划”和“上海市启明星计划”。有国际学术刊物“IEEE Transactions on Automation Science and Engineering”编委一名、《科学通报》编委一名。

机器人与智能装备研究中心 - 广州中国科学院先进技术研究所

机器人与智能装备中心以韩国机器人领域的权威专家、韩国国家工程院院士、汉阳大学韩彰秀教授为首席科学家,按照“流动、开放、竞争、协作”的原则,遵循“市场导向-技术开发-产品集成-产业化应用”的研发模式,以工业机器人及智能装备技术为主要研究范畴。机器人与智能装备中心拥有一支由海内外高素质人才凝聚而成的研究团队,包括“韩国工程院院士”与“千人计划-外专千人”入选者1名,国家外专局“高端外国专家”1名、博士5名,硕士12人,实习生12人。团队人员结构配置合理,专业方向覆盖机器人学、精密设计、电气控制、软件算法、机器视觉、工程测试、项目管理等领域。素质优秀,教育背景良好,是一支以年轻学者为主,研发与创新能力超强的团队。

智能机器人人才流动

下图是中国智能机器人人才在国内各城市的流动图,由图中看出,北京、哈尔滨、兰州、上海、南京等城市是人才迁出比较多的城市,同时他们也是人才迁入比较多的城市。

中国智能机器人人才城市迁出图

中国智能机器人人才城市迁入图

综合看来,北京、上海、哈尔滨、兰州等发达城市人才流动较为频繁,兰州和哈尔滨由于有一些著名高校和发达的工业基地也形成了人才较为集中的中心。

IEEE 2018智能机器人和控制工程国际会议于8月24-27日在兰州举办,会议由兰州交通大学与甘肃省机器人技术学会共同主办,旨在为智能机器人、控制工程及其自动化领域的国内外学者与技术人员提供一个学术交流平台,展示最新的理论与技术成果。会议采用大会报告、专题研讨会、会前专题讲座、分组报告和张贴论文等形式进行交流。会议的工作语言为中文和英文。会议论文为英文,论文集将进入IEEE Xplore数据库,并由EI收录。

中国TOP100学者h-index

AMiner选取了智能机器人领域h-index排名TOP100的中国学者,分析后得到下图。

从图中可以看出,TOP100的学者中,h-index大于等于60的学者和在50-59范围内的学者都只有4名,52%学者的h-index集中在10-19这个范围内,说明我国在该领域的研究方面仍旧是任重而道远。学者按h-index层级的升高而逐次递减,这说明中国智能机器人领域后备力量很充足。

机器人与AI历史交叉热点

AMiner通过对两个领域知识图谱的计算,再对两个领域的细分子领域进行笛卡尔乘积热点挖掘,挖掘出历史数据热点并对未来趋势进行预测。

2007年至今机器人学领域与人工智能领域交叉热点图

在该图中,横轴为机器人学领域热点,纵轴为人工智能领域热点;绿色数值代表两个领域交叉学者数量,蓝色数值代表两个领域论文数量;红色颜色越深表示交叉领域热点越高。

由此可以看出,2007年至今Robotics领域与Artificial Intelligence领域的交叉研究中,Neural Networks & Robotics、Control Methods & RoboticsComputer Vision & Robotics领域热度最高。

机器人与AI预测交叉热点

机器人学领域与人工智能领域未来3年趋势热点图

经预测,未来三年内交叉研究的主要领域是机器人学习,主要是RoboticsNeural Networks、Machine LearningComputer Vision、Control Methods等领域的交叉。

机器人未来的发展有三大趋势:软硬融合、虚实融合和人机融合。软硬融合是指机器人软件比硬件更为重要,因为人工智能技术体现在软件上,数字化车间的轨迹规划、车间布局及自动化上料等都需要软硬件相结合。因此,机器人行业的人才既要懂机械技术,又要懂信息技术,尤其是机器人的控制技术。虚实融合是指通过大量仿真、虚拟现实,能够把虚拟现实与车间的实际加工过程有机结合起来。人机融合是指人、机器和机器人这三者如何有机融合,值得业界的深入思考。

THU数据派
THU数据派

THU数据派"基于清华,放眼世界",以扎实的理工功底闯荡“数据江湖”。发布全球大数据资讯,定期组织线下活动,分享前沿产业动态。了解清华大数据,敬请关注姐妹号“数据派THU”。

产业机器人清华大学
2
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

虚拟现实技术

虚拟现实,简称虚拟技术,也称虚拟环境,是利用电脑模拟产生一个三维空间的虚拟世界,提供用户关于视觉等感官的模拟,让用户感觉仿佛身历其境,可以及时、没有限制地观察三维空间内的事物。用户进行位置移动时,电脑可以立即进行复杂的运算,将精确的三维世界视频传回产生临场感。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

工业机器人技术

工业机器人是面向工业加工制造的可自动控制,多用途,需有三轴及以上可编程的固定或可移动机械手。其系统中包括带有执行机构的机械手以及示教控制器。 它可以依靠自身控制能力来执行预设的轨迹及动作。典型应用包括焊接,刷漆,组装,采集和放置等工作。工业机器人完成工作具有高效性,持久性和准确性。目前常用的工业机器人包括关节机器人,SCARA机器人,并联机器人和直角坐标机器人等。

推荐文章
暂无评论
暂无评论~