#報告1

信息-物理約束下的無人系統(tǒng)協(xié)同感知、規(guī)劃與控制

報告人：方浩

北京理工大學教授

方浩教授詳細介紹了在實際應(yīng)用中如何應(yīng)對嚴格的信息-物理約束。他強調(diào)了這些約束對無人系統(tǒng)的影響，并從挑戰(zhàn)性場景下的視覺特征提取與主動SLAM、嚴格時序約束下的任務(wù)建模及可信行為規(guī)劃、時變安全空間約束下的分布式在線優(yōu)化控制等方面，分別介紹了無人系統(tǒng)協(xié)同感知、規(guī)劃與控制的最新研究進展。

在視覺特征提取與SLAM方面，方浩教授探討了在復雜環(huán)境中如何提高無人系統(tǒng)的視覺感知能力。他介紹了一系列改進的算法，這些算法能夠在動態(tài)環(huán)境中提取穩(wěn)定的視覺特征，并且通過主動探索環(huán)境來增強SLAM的性能。這些技術(shù)的發(fā)展對于無人系統(tǒng)在未知或敵對環(huán)境中的自主導航和地圖構(gòu)建至關(guān)重要。

在任務(wù)建模與行為規(guī)劃方面，方浩教授討論了在嚴格的時序約束下，如何對無人系統(tǒng)的任務(wù)進行精確建模，并提出規(guī)劃可信行為策略的新思路。這些策略不僅需要考慮任務(wù)的效率，還要確保無人系統(tǒng)能夠應(yīng)對各種突發(fā)狀況。方浩教授展示了一些先進的算法，這些算法能夠幫助無人系統(tǒng)在復雜的決策環(huán)境中做出快速準確的行為選擇。

在分布式在線優(yōu)化控制方面，方浩教授強調(diào)了時變安全空間約束的重要性。他提出了一種新的控制策略，該策略能夠在保證安全的前提下，實時調(diào)整無人系統(tǒng)的行為以適應(yīng)環(huán)境變化。這種策略特別適用于多無人系統(tǒng)協(xié)作的場景，可以有效地提高整體系統(tǒng)的適應(yīng)性和魯棒性。

方浩教授對未來無人系統(tǒng)協(xié)同技術(shù)的發(fā)展趨勢進行了預(yù)測，并指出了當前技術(shù)面臨的關(guān)鍵挑戰(zhàn)。他提到，未來的研究需要關(guān)注算法效率、算力、關(guān)鍵幀選擇和評分優(yōu)化等方面，以提升系統(tǒng)的整體性能。報告中還提到了一些具體的技術(shù)實現(xiàn)，如通過融合點的優(yōu)化、評分函數(shù)的設(shè)計以及在線規(guī)劃的方法來提升無人系統(tǒng)的性能。

最后，方浩教授強調(diào)了進一步研究的重要性，尤其是在優(yōu)化系統(tǒng)的自主決策和感知能力方面。他呼吁學術(shù)界和工業(yè)界共同努力，確保無人系統(tǒng)能夠在不斷變化的環(huán)境中持續(xù)有效地發(fā)揮作用。

#報告2

涌現(xiàn)、因果與人工智能

報告人：張江

北京師范大學教授

從鳥群、魚群到AI大模型，涌現(xiàn)現(xiàn)象無處不在，然而，什么是涌現(xiàn)，我們究竟如何刻畫涌現(xiàn)，從而展開定量研究，都是非常重要和關(guān)鍵的問題。

張江教授首先從涌現(xiàn)現(xiàn)象的普遍性引入，指出涌現(xiàn)現(xiàn)象在自然界和人工智能系統(tǒng)中的普遍性。從生物群體的行為到大語言模型的智能表現(xiàn)，涌現(xiàn)現(xiàn)象都是一個核心特征。涌現(xiàn)現(xiàn)象表現(xiàn)為系統(tǒng)整體的行為和特性不能簡單歸因于單個組成部分，而是整體相互作用的結(jié)果。接下來，張江教授介紹了因果涌現(xiàn)理論，這是由Erik Hoel和Giulio Tononi在2013年提出的，用于量化復雜系統(tǒng)中涌現(xiàn)現(xiàn)象的一個理論框架。該理論通過有效信息（Effective Information）的概念來量化涌現(xiàn)現(xiàn)象，幫助我們理解復雜系統(tǒng)如何從微觀層面的簡單互動中產(chǎn)生宏觀層面的復雜行為。

面對大數(shù)據(jù)，我們?nèi)绾谓柚斯ぶ悄堋?a class="keylink" href="http://m.openheartcreations.com/tags/jiqixuexi.html" target="_blank">機器學習等工具在數(shù)據(jù)中自動發(fā)現(xiàn)因果涌現(xiàn)？張江教授團隊開發(fā)了“神經(jīng)信息壓縮機”框架，這是一個結(jié)合了機器學習、信息論和多尺度建模的神經(jīng)網(wǎng)絡(luò)框架，借助因果科學、機器學習、信息論、多尺度建模等研究方法，用于自動識別和量化數(shù)據(jù)中的涌現(xiàn)現(xiàn)象。該框架能夠處理大規(guī)模數(shù)據(jù)集，識別出數(shù)據(jù)中的宏觀模式，并量化這些模式的涌現(xiàn)特性。

張江教授通過幾個案例展示了因果涌現(xiàn)理論的應(yīng)用。在傳染病模型案例中，通過模擬感染數(shù)據(jù)和加入噪聲，展示了如何從微觀狀態(tài)預(yù)測宏觀動態(tài)。在鳥群飛行軌跡案例中，通過分析鳥群的運動數(shù)據(jù)，展示了如何從個體行為中涌現(xiàn)整體飛行模式。生命游戲?qū)嶒灪湍X電數(shù)據(jù)案例進一步證明了該理論在不同領(lǐng)域的適用性。張江教授還探討了涌現(xiàn)現(xiàn)象與意識狀態(tài)之間的可能聯(lián)系。他提出，在清醒狀態(tài)下，大腦的因果涌現(xiàn)可能更為宏觀，而在麻醉狀態(tài)下可能更偏向于微觀層面。這表明涌現(xiàn)現(xiàn)象可能與意識水平有關(guān)，這一發(fā)現(xiàn)為未來的研究提供了新的方向。

最后，張江教授提出了未來研究的方向，包括進一步探索涌現(xiàn)現(xiàn)象與意識的關(guān)系，以及如何將涌現(xiàn)理論與人工智能的算法能力提升相結(jié)合。張江教授鼓勵與會者參與到這一領(lǐng)域的研究中來，共同推動該領(lǐng)域的發(fā)展。

#報告3

博弈交互中的群智行為涌現(xiàn)與激勵機制

報告人：陳小杰

電子科技大學教授

陳小杰教授首先分享了關(guān)于博弈交互中群智行為涌現(xiàn)的思考，強調(diào)了新一代人工智能發(fā)展規(guī)劃中群體智能研究的重要性。他討論了群體博弈交互中的合作難題，并指出具有決策自主性的個體不傾向于選擇合作策略。陳小杰教授提到了諾貝爾獎獲得者Aumann和Schelling在運用博弈論解釋個體之間合作與沖突方面的貢獻，提出網(wǎng)絡(luò)演化博弈是研究群體合作行為如何在博弈交互中涌現(xiàn)的有效范式，指出了群智涌現(xiàn)研究中值得關(guān)注的內(nèi)容和方向。

接下來，報告從20世紀90年代開始的研究出發(fā)，探討了如何從演化博弈的角度理解群體合作行為，以及如何尋求群體合作行為的涌現(xiàn)條件。此外，陳小杰教授討論了新一代人工智能發(fā)展規(guī)劃中的群體智能基礎(chǔ)理論研究，包括群體智能結(jié)構(gòu)理論與組織方法、群體智能激勵機制與涌現(xiàn)機理、群體智能學習理論與方法、群體智能通用計算范式與模型。

陳小杰教授近期的工作主要圍繞公共品博弈模型展開，探討了無結(jié)構(gòu)群體和結(jié)構(gòu)群體中群體合作行為涌現(xiàn)的激勵優(yōu)化分配問題。他強調(diào)了深入分析促進群體合作行為涌現(xiàn)的激勵機制的重要性。陳小杰教授的報告為群體智能領(lǐng)域的研究人員和實踐者提供了洞見和指導。                   

#報告4

大規(guī)模蜂群測試與評估

報告人：薛云志

中國科學院軟件研究所研究員

薛云志研究員首先討論了智能系統(tǒng)測試的復雜性與挑戰(zhàn)，分析了當前研究方法以及大規(guī)模測試面臨的挑戰(zhàn)，強調(diào)了物理測試的重要性，以及如何通過稀缺案例評估系統(tǒng)能力。針對裝備研究中的測試評估重要性，報告探討了測試評估的需求，包括建立合理的指標體系和模型，以及工程應(yīng)用中的升級。

大規(guī)模蜂群任務(wù)完成效果的關(guān)鍵在于智能協(xié)同算法的能力涌現(xiàn)。針對當前大規(guī)模蜂群智能能力測試技術(shù)的不足，薛云志研究員團隊梳理了蜂群智能協(xié)同核心算法的范圍與種類，形成了相應(yīng)的智能能力度量指標體系，研發(fā)了一個具備可配置任務(wù)場景的大規(guī)模蜂群核心算法虛擬測評平臺，并通過舉辦“群智杯”國際集群智能算法挑戰(zhàn)賽，測試并挖掘算法的失效場景，以此牽引智能協(xié)同算法研發(fā)的路徑。

薛云志研究員進一步介紹了上海舉辦的無人機數(shù)據(jù)分析比賽。比賽涵蓋了無人機選擇、水電計算等多個領(lǐng)域。團隊對比賽結(jié)果進行了分析，并通過分析算法結(jié)構(gòu)分層，對算法的感知、決策、規(guī)劃、編隊和行動五個方面進行了分類，篩選出多種科學算法。此外，薛云志研究員還對團隊設(shè)計的蜂群和諧項目支付系統(tǒng)及系統(tǒng)中虛擬實驗用戶構(gòu)建、仿真環(huán)境大規(guī)模場景制定、交互配置、任務(wù)管理和生產(chǎn)能力等方面進行了詳細闡述。

薛云志研究員最后強調(diào)了深入分析促進群體合作行為涌現(xiàn)的激勵機制的重要性，并提出了通過優(yōu)化算法效率、算力、關(guān)鍵幀選擇和評分優(yōu)化等方面來提升系統(tǒng)性能的方法。報告中還提到了一些具體的技術(shù)實現(xiàn)，包括如何通過融合點的優(yōu)化、評分函數(shù)的設(shè)計以及在線規(guī)劃的方法來提升無人系統(tǒng)的性能。