無人系統的自主決策與協同環境探索
報告時間：2021年12月3日（周五）下午3:00
報告地點： 計算所446會議室
邀請人：李瑋 副研究員
論壇報告1：自動駕駛中可信賴的強化學習決策方法研究與應用
摘要：自動駕駛汽車目前正處于從典型場景應用向大規模開放道路應用的關鍵節點，其自主決策方法面臨駕駛環境的復雜隨機性帶來的挑戰。強化學習決策方法能夠利用試錯學習機制適應環境特征，是目前自動駕駛智能決策領域的前沿方向。其瓶頸在于存在黑盒決策特點，導致決策失效難以追溯應對，這與車輛高可靠性需求相矛盾，極大地制約了該技術在自動駕駛上的應用。本次報告將分享我們團隊對可信賴的強化學習決策方法開展的研究，包括導致低可信性的部分原因分析和補償方法。所提出的方法已在自動駕駛汽車上開展了數百公里的開放道路測試，通過65項功能場景的第三方測試，實現了強化學習決策的長距離開放道路駕駛，服務于北京科技冬奧自動駕駛示范項目。
嘉賓簡介：
曹重，清華大學車輛與運載學院博士后，2020年獲清華大學工學博士學位，曾于2017-2019年在美國密歇根大學MCITY自動駕駛測試中心進行聯合培養，研究領域包括自動駕駛自主決策、強化學習、持續學習等。主持國家自然科學基金青年基金“自動駕駛可信賴的強化學習決策方法”、博士后基金面上項目“面向長尾場景的自動駕駛汽車決策持續學習方法研究”，參與北京科技冬奧項目、北美豐田項目等。發表論文19篇，申請/授權專利15項，獲得由Waymo等公司支持的CARLA仿真挑戰賽獲決策組第2/68名（排序1/3），獲清華大學水木學者稱號、中國汽車工程學會優秀博士論文提名。
論壇報告2：通信受限條件下的多智能體協同環境探索
摘要：自主對環境未知區域進行探索，是機器人領域的基礎任務。采用多個智能體對環境進行協同探索，相比于單個機器人獨立探索，可以成倍提升探索效率，對于搶險救災等時間敏感的任務具備重大意義。 實際環境中，由于基礎設施損壞，如通信基站損毀或者GNSS信號干擾，導致通信和定位受限，成為了多機環境探索系統應用的重大阻礙。本報告面向通信受限條件下的多機協同環境探索任務，針對2D環境探索，提出了基于子地圖的多機環境探索框架降低了30%以上的數據傳輸需求和時間。針對3D環境探索，利用混合高斯模型完成地圖表示，將數據需求降低2個數量級。針對環境目標搜索等任務，利用拓撲節點完成地圖表示，進一步降低多機間通信量需求。
嘉賓簡介：
余金城，清華大學電子系博士后。2021年于清華大學電子系取得工學博士學位，主要研究方向是計算和通信資源受限條件下的多機協同智能系統。包括領域專用硬件加速器設計、多機協同系統與算法研究、支持協同系統任務的云機器人平臺和云測試場研究。在ICRA、DAC等會議和期刊上發表論文18篇。獲清華大學水木學者稱號。