AI科技评论按：ICRA全称为“IEEE International Conference on Robotics and Automation”（机器人与自动化会议），是机器人技术领域最有影响力的国际学术会议之一。ICRA 2017于5月29日至6月4日举行，AI科技评论从新加坡带来一线报道。该会议举办期间，AI科技评论将围绕会议议程及获奖论文展开系列专题报道，敬请期待。
Peduncle Detection of Sweet Pepper for Autonomous Crop Harvesting - Combined Colour and 3D Information（自动化农作物收割中的甜椒根茎检测——结合色彩和深度信息）
由澳大利亚昆士兰科技大学QUT发表于2017年IEEE Robotics and Automation Letters ( Volume: 2, Issue: 2, April 2017 ) 的论文，作者：Sa, Inkyu; Lehnert, Christopher; English, Andrew; McCool, Christopher Steven; Dayoub, Feras; Upcroft, Ben; Perez, Tristan。
论文链接：http://ieeexplore.ieee.org/document/7814198/
摘要：这篇论文提出并展示了使用3D视觉检测方法实现在耕地里对甜椒进行根茎检测这一具有挑战的科研任务。在农业收割的过程中将甜椒的根茎进行完美的切除是农业生产中难度极高的一个步骤，其原因是根茎是农作物的一个组织部分，并附着在甜椒的主茎上。因此，使用3D视觉准确的进行切割的方法，避免了切割过程中对周围植物的破坏，从而成为可靠性较高的自动化农业生产中非常重要的环节。这篇论文介绍的3D视觉方法的具体实现：从RGB-D传感器中同时获取色彩和几何信息，并使用监督学习实现根茎检测。文章分别使用了定性和定量的数据对这种方法的效果进行证明和评估（AUC曲线）。通过使用这种3D视觉的方法，在甜椒的实验案例中可实现AUC0.71根茎检测结果。除此之外，文章的作者还发布了一组手动注释的3D甜椒和梗图像，以协助研究界在这个主题上进行进一步的研究。
NimbRo Picking: "Versatile Part Handling for Warehouse Automation"（NimbRo拣选：实现仓库自动化的多样部分处理
由德国波恩大学University of Bonn以及澳大利亚阿德莱德大学University of Adelaide联合发表的论文，作者：chwarz, Max; Milan, Anton; Lenz, Christian; Munoz, Aura; Periyasamy, Arul Selvam; Schreiber, Michael; Schüller, Sebastian; Behnke, Sven。
摘要：在仓库管理中，如果大批量的货物在入库时杂乱无章的进行堆垛，那么实现仓库自动化的部分处理将会变得十分艰难。为了促进这方面的研究，Amazon举办了拣选挑战杯。本文介绍的方法在2016年的挑战杯中同时获得了第二和第三名。挑战杯的竞技内容是，参赛者必须将清单中货物准确无误的从货架上取出或按照指定位置摆放在货架上。通过两次深度学习，文中介绍的方法可实现物体检测和语义分割，并通过物体注册的方法，最终实现对清单中的货物进行独立定位。参数化的运动基元拼接形成连贯的拣选动作。文章展示了在2016年APC上使用的整套的拣选系统，并根据注释的数据集就各个组成步骤进行了评估。
论文链接：https://www.researchgate.net/publication/314207506_NimbRo_Picking_Versatile_Part_Handling_for_Warehouse_Automation
UAV-Based Crop and Weed Classification for Smart Farming（在智能农业中基于UAV的农作物和杂草的分类方法）
由波恩大学University of Bonn发表的论文，作者：Lottes, Philipp; Khanna, Raghav; Pfeifer, Johannes; Siegwart, Roland; Stachniss, Cyrill。
摘要：无人驾驶飞行器（UAV）和其他机器人在智能农业中的应用为农场监测提供了可能，最终可以减少必须使用的除草剂和农药的量。对农民或协助农民进行农务的机器人来说最为重要的信息就是田地里杂草的分布和种类了。在这个方面，UAV这种无人驾驶飞行器展现出了杰出的低成本工勘能力。在这篇论文中，作者阐述了使用轻型UAV携带的摄像头进行无人工勘时的检测问题，特别是针对价值作物，如甜菜和其相对应的杂草时。同时，作者就这个问题提出了新的检测系统和方法。通过对植物的识别，各部分特征提取，和对植物的分类，实现对农场中作物和杂草的分布进行预测。文中介绍了基于提出的新方法进行的实际测量，并发现在取样的两个农场（一个在德国，一个在瑞士），使用这种UAV的方法成功的进行了各类作物的分析。
论文链接：https://www.researchgate.net/publication/313840317_UAV-Based_Crop_and_Weed_Classification_for_Smart_Farming
A Distributed Approach to Automated Manufacturing Systems with Complex Structures Using Petri Nets（运用Petri网络的复杂结构实现自动化制造系统的分布式方法）
由北京工业大学发表的论文，作者：Yang, Yan; Hu, Hesuan; Liu, Yang。
摘要：不管是理论上还是实践中，实现有效的进行自动化制造系统（AMSs）的无人化操作的最大难点就是解决死循环问题。目前已有的解决死循环问题的方法大多数聚焦于模型研究，一般基于灵活的路径或装配操作，但鲜有研究同时使用这两种方法。此外，为大规模的系统应用这些方法是不太常见的，主要原因是它们一般都要对所有的工作状态进行枚举。本文介绍的方法，与之前提出的方案大不相同，使用了基于Petri网络的模型， 同时具备灵活性和可操作性，并就死循环问题提出了创新的分布式策略。这种方法可在线的提供动态机制，从而解决死循环的问题。每一步的实现基于一个搜索程序，旨在处理当其他进程停滞时，确定是否存在一个可行的事件，将当前活动的进程或子进程过渡到最近的全局关键进程。通过这种方式，整个无人化操作可实现在进程之间以最小的信息交互，实现更好的应对突发事件的免疫性能（如资源不足），从而提高整体的工作性能。
论文链接：https://www.researchgate.net/publication/312111711_Robust_control_of_automated_manufacturing_systems_with_flexible_routes_and_assembly_operations_using_Petri_nets/amp
Planning and Executing Optimal Non-Entangling Paths for Tethered Underwater Vehicles（规划和执行非纠缠水下牵引车辆路径的优化）
由美国俄勒冈州立大学Oregon State University工程学院发表的论文，作者：Seth McCammon and Geoffrey A. Hollinger。
摘要：这篇论文就提高水下牵引车辆的导航性能的议题提出的新的方法，通过计算优化路径避免了车辆的牵引端成为路径中相纠缠的障碍物。方法中定义了非纠缠旅行售货员问题（NE-TSP）为旅行售货员问题（TSP）在非纠缠（Non-Entangling）设定下的延伸。通过构建一个混合整数编程模型实现对NE-TSP问题的优化计算。这种方法利用同伦增广图记性优化策略的规划，同时保持非纠缠的前提。为了减小因此带来的计算量，作者还引入了几种其他方法来进行边缘优化计算。通过一系列的仿真，本文提出的方法最终实现了多种场景下的非纠缠路径规划的优化方案。文中通过使用Seabotix VLBV300系列水下车辆的实例对提出的方法进行了论证，并就使用计算的优化路径和人类手动规划的路径进行了对比验证。
论文链接：http://research.engr.oregonstate.edu/rdml/sites/research.engr.oregonstate.edu.rdml/files/mccammonicra17.pdf
AI科技评论招业界记者啦！
在这里，你可以密切关注海外会议的大牛演讲；可以采访国内巨头实验室的技术专家；对人工智能的动态了如指掌；更能深入剖析AI前沿的技术与未来！
如果你：
＊对人工智能有一定的兴趣或了解
* 求知欲强，具备强大的学习能力
* 有AI业界报道或者媒体经验优先
简历投递：
[email protected]
