200 多家明星企业，20 位著名投资机构顶级投资人共同参与！
「新智造成长榜」
致力于发掘 AI 领域有 “
三年十倍
” 成长潜力的创新公司，下一波 AI 独角兽，会有你么？点击
阅读原文
了解详情！
雷锋网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，雷锋网AI科技评论从新加坡带来一线报道。该会议举办期间，雷锋网将围绕会议议程及获奖论文展开系列专题报道，敬请期待。
下面是获得ICRA 2017最佳会议入选论文的论文摘要。
Robotarium：可远程访问的机器人集群研究测试平台
来自佐治亚理工学院的Pickem Daniel等研究者开发了Robotarium，这是一种可远程访问的多机器人研究测试平台。机器人测试平台是多机器人研究周期的一个重要组成部分，但它们的开发，运营和维护成本昂贵，复杂且费时。这些资源约束提高了大量研究人员和学生研究的门槛，为了解决这些限制，Robotarium为用户提供目前最先进的多机器人测试设备的远程访问。
本文详细介绍了Robotarium的设计和操作并讨论了复杂硬件远程访问时必须考虑的问题。特别是在设计阶段必须在系统中建立安全性，但不会过分地约束用户上传和执行的协调控制程序，这需要最低限度的入侵安全保障程序，同时也要有性能保证。
论文链接：
https://arxiv.org/abs/1609.04730
人-机器人操纵任务中的未知物体的动力学估计
精确地了解被操纵对象的动态参数是物理人机交互的共同协调策略所必须的。物体动力学中的偏差会导致机器人不正确的计算机械手的运动，这可能影响到人机交互，并导致人对运动意图的认知产生偏差。来自德国慕尼黑工业大学的Denis Cehajic等人的论文提出了物理人机交互的物体动力学识别策略，允许其跟踪期望的人的运动，并引起参数识别所需的运动。物体动力学的估计是在线执行的，估计器最小化机械手作用在物体上的实际测量值和估计值之间的最小二乘误差。识别相关运动是通过分析激励条件的持续性而得到的，这是使估计收敛所必须的。这样的运动被投影在部分抓握矩阵的零空间中，将人和机器人的冗余运动方向相关联，以避免对人所期望的运动的干扰。该方法能够在屋里人机对象操作的场景中进行评估。
第一作者Denis Cehajic的个人主页：
https://www.itr.ei.tum.de/cehajic/
针对语义SLAM的概率数据关联方法
传统的即时定位与地图构建方法（SLAM）依赖于诸如点，线和面等低级几何特征，他们不能将语义标签分配给在环境中观察到的地标。另外，基于低阶特征的循环闭合识别通常依赖于观察点，并且经常在模糊或者重复的环境中失败。
另一方面，对象识别方法可以推断地标的类别和尺度，得到一小部分容易识别的地标，这种情况是不依赖视角的无歧义循环闭合的理想情况。然而，如果地图中存在属于同一类别的几个对象，这就存在关键的数据关联问题。
虽然数据关联和识别是离散问题，通常可以使用离散推理解决，但是经典SLAM算法是针对度量信息的连续优化。在该论文中，在传感器状态和语义地标位置上制订了一个优化问题，该问题集成了度量信息，语义信息，和数据关联，并将其分解为两个互相关联的问题：离散数据关联和地标类概率的估计，以及度量状态的连续优化。估计的地标和机器人姿态影响关联和类分布，这反过来影响机器人-地标姿态优化。该论文的算法性能在室内和室外数据集中都得到了证明。
该论文来自宾夕法尼亚大学GRASP实验室，第一作者为博士生Sean Bowman。
论文地址：
https://www.src.org/library/publication/p089543/
基于模型的强化学习的信息理论模型预测控制
该论文引入了一种信息理论模型预测控制（model predictive control，MPC）算法，能够处理复杂损失标准和一般非线性动力学问题。
该方法的一般性使得可以使用多层神经网络作为动力学模型，该方法将神经网络模型引入到MPC算法中，已解决基于模型的强化学习任务。研究人员模拟了倒立摆和四旋翼导航任务，以及在实际硬件上测试激进驾驶任务实验结果表明，该算法能够实现高水平的性能，并且仅利用从系统中收集到的数据。
该论文同样来自于佐治亚理工学院，第一作者为Grady Williams。
