理工學院林天麟教授團隊獲IROS機器人機構設計最佳論文獎
? ? ? ?摘要
? ? ? ?近日，機器人與智能系統領域最著名、影響力最大的頂級學術會議—— IEEE智能機器人與系統國際會議(IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS)正式召開。
? ? ? ?香港中文大學（深圳）理工學院林天麟教授團隊關于模塊化自重構機器人系統的三篇研究論文被本屆IROS接收，其中一篇論文更是獲得了機器人機構設計最佳論文獎?(Best Paper Award on Robot Mechanisms and Design)，這是中國內地高校近十年來第一次獲得IROS最佳論文獎項。
? ? ? ?據悉，機器人機構設計最佳論文獎為今年新增獎項，林教授的團隊也因此成為此獎項首屆得獎者。
? ? ? ?值得一提的是，被大會接收的三篇論文的第一作者均為理工學院博士研究生，林天麟教授為三篇論文的通訊作者。
? ? ? ?此外，IEEE的旗艦雜志IEEE Spectrum也專題報導了林天麟教授團隊的模塊化自重構機器人。
? ? ? ?會議簡介
? ? ? ?IEEE智能機器人與系統國際會議(IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS) 是機器人與智能系統領域最著名、影響力最大的頂級學術會議。
? ? ? ?作為國際機器人與自動化領域的兩大影響最大的學術會議之一，自機器人技術發展初期的 1988 年開始，IROS 每年舉辦一屆。每年，來自世界各個頂尖機器人研究機構的專家和業界人士匯聚在這個盛會，探討和展示機器人行業最前沿的技術。受疫情影響，本該在拉斯維加斯舉行的 IROS 2020 改在線上舉辦，并且史無前例的通過線上免費向公眾開放。
? ? ?
? ? ? ??項目介紹
? ? ? ?模塊化自重構機器人系統是一種由大量同構機器人模塊組成，能夠根據任務需求自主改變整體構型的多機器人系統。與傳統固定構型機器人不同，模塊化自重構機器人不針對特定應用而設計，可以根據不同任務和環境轉變為合適的構型，具備極強的自適應性和自愈能力，因此可以應對更加復雜多變的環境中的各種任務。
? ? ? ?然而，當前國內外最前沿的模塊化自重構機器人在結構上存在連接器約束，各模塊的相互定位與運動規劃功能基本限制在結構化場景當中；一旦投入非結構化環境中，野外凹凸的地形、復雜的障礙物以及定位信息的缺失，都對現有模塊化自重構機器人系統的正常功能產生了巨大的挑戰。
? ? ? ?據此，本項目研究將模塊化自重構機器人系統應用于非結構化場景的關鍵技術，開發一個擺脫實驗室場景、對多變不確定性環境有強適應性的模塊化自重構機器人系統，旨在從1）無約束連接的機械結構，2）自載的相互定位技術，和3）適應障礙物的協同路徑規劃三個方面做出突破。本次接收的三篇論文，分別從這三個方面開展研究。
? ? ? ?
? ? ? ?論文簡介
? ? ? ?1.FreeBOT: A Freeform Modular Self-reconfigurable Robot with Arbitrary Connection Point - Design and Implementation
? ? ? ?（FreeBOT：能任意連接、自由組合的模塊化自重構機器人——設計與實現）
? ? ? ?第一作者：理工學院二年級博士研究生梁冠琪
? ? ? ?通訊作者：林天麟教授
? ? ? ?這篇論文獲得了IROS機器人機構設計最佳論文獎。
? ? ? ?本文提出了一個新型的模塊化自重構機器人 FreeBOT，它可以在其他機器人表面上任意點自由連接。FreeBOT 主要由兩部分組成：球形鐵磁性外殼和內部磁鐵。模塊之間的連接是無性的和即時的，因為內部磁鐵可以自由地吸引其他 FreeBOT 的鐵磁性球殼，而不需要與特定的連接器精準對齊。這種連接方式具有更少的物理約束，因此可以將 FreeBOT 系統擴展到更多的構型以滿足更多的功能需求。
? ? ? ?FreeBOT 雖然只有兩個電機，但可以完成多項任務：模塊獨立運動、連接器管理和系統重構。FreeBOT 可以在平面上獨立移動，甚至可以爬上鐵磁性的墻壁；一群 FreeBOT 可以穿越復雜的地形。大量的實驗測試表明，FreeBOT 系統具有實現自由組合機器人的巨大潛力。
?
? ? ? ?作者簡介
梁冠琪
理工學院二年級博士研究生
? ? ? ?本文第一作者為香港中文大學（深圳）理工學院二年級博士研究生梁冠琪，其導師為林天麟教授。目前他的研究方向包括模塊化自重構機器人和現場機器人。
? ? ? ?作者的話：這項工作是我科研道路上的處女作，我們設計了一款全新的模塊化自重構機器人，該設計能有效解決現有MSRR連接效率低下以及構型有限等問題。感謝林天麟教授帶我入門科研，手把手帶著我探索機器人領域。這次論文能夠被接收離不開他的悉心指導。
?
? ? ? ?2. Robot-to-Robot Relative Pose Estimation based on Semidefinite Relaxation Optimization?
? ? ? ?（基于半正定松弛優化的機器人相對位姿估計）
? ? ? ?第一作者：理工學院一年級博士生黎明
? ? ? ?通訊作者：林天麟教授
? ? ? ?本文提出了一種基于半正定規劃的多機器人初始位姿相對定位算法。首先設定采樣周期采集并存儲機器人航位推測系統以及測距傳感器獲得的量測數據，并計算出相對定位所需的關鍵參數；隨后根據最小平方距離誤差準則建立基于半正定松弛的帶約束優化問題，利用半正定松弛理論對問題進行松弛；之后再通過CVX、SeDuMi或SDPT3等優化工具對優化方程進行求解，并利用奇異值分解和特征值分解恢復出目標變量；最后將恢復出的目標變量作為優化初始值，在加權最小二乘框架下求取最大似然估計結果。本發明能有效解決在噪聲干擾環境下，現有初始位姿相對定位算法抗干擾能力弱、可移植性差和魯棒性低的問題。
圖1 機器人和在二維平面上隨機移動示意圖
圖2 實驗環境下：基于幾何關系、基于最大似然和半正定松弛算法在弱噪聲干擾下，偏向角和方位角估計精度對比圖
?
? ? ? ?作者簡介
黎明
理工學院一年級博士研究生
? ? ? ?本文第一作者黎明為香港中文大學（深圳）一年級博士生，主要研究方向包括機器人定位、多機器人信息融合以及目標優化等，其導師為林天麟教授。
? ? ? ?作者的話：本次工作幫助我進一步梳理了機器人定位的知識架構，完善了定位技術的知識需求，提高了個人的理論分析與科學論文撰寫的能力。此外，特別感謝林天麟教授在論文的完成過程中給出的寶貴意見，他的專業指導對論文的完整性和嚴謹性有很大幫助。
?
? ? ? ?3. An Obstacle-crossing Strategy Based on the Fast Self-reconfiguration for Modular Sphere Robots
? ? ? ?（基于快速自重構的模塊化球形機器人越障策略）
? ? ? ?第一作者：理工學院一年級博士研究生羅浩波
? ? ? ?通訊作者：林天麟教授
? ? ? ?本文所述快速越障策略由若干個自重構過程組成。每個自重構過程的路徑規劃都通過最大梯度的三步最小化計算提高了模塊化機器人的并行自重構速度。其次，每個自重構過程中的最終構型都基于球形模塊的鏈狀連接做出了調整，以適應環境中障礙物的形狀，從而使得模塊化機器人能夠快速翻越崎嶇地面的復雜障礙物。
? ? ? ?自重構過程的“快速”得益于三步的最小化計算：首先將自重構的問題建模為最終構型中的每個空位和當前構型中的每個模塊之間的曼哈頓距離的乘積的最小化問題；第二步，將最終構型中的每個空位分配給剩下的可移動模塊中曼哈頓距離最小的一個模塊作為目標；第三步，經過兩次候選動作的計算并刪除會造成碰撞的候選動作后，選擇一個能夠最小化模塊與目標空位之間的曼哈頓距離的動作。
? ? ? ?每個自重構中的最終構型都需要根據障礙物的形狀從離散空間調整到連續空間。基于球形模塊的旋轉軸和旋轉角度計算每一步的姿態增量，可以把自重構算法的離散3D路徑平滑化。在仿真實驗中，借助于球形模塊的鏈狀連接對復雜表面的適應能力，每個自重構過程中的最終構型都能夠適應多種障礙物。
?
? ? ? ?作者簡介
羅浩波
理工學院一年級博士研究生
? ? ? ?本文第一作者羅浩波是香港中文大學（深圳）理工學院一年級博士研究生，專業為計算機信息工程，研究方向涉及智能優化算法、圖論、強化學習算法等，目前負責的研究內容為模塊化自重構機器人的自重構算法和構型優化，其導師為林天麟教授。
? ? ? ?作者的話：這個研究領域非常繁雜，百家爭鳴，各有千秋。我剛開始接觸的時候是四處碰壁，嘗試過強化學習、啟發式搜索等各種思路來解決問題，但是效果都不好。這篇文章是我對此課題的初步探索，有助于突破下一步的科研難題。在此特別感謝林教授的耐心指導，以及諸位小伙伴們的精誠合作。
?
? ? ? ?導師簡介
林天麟
理工學院助理教授
