报告题目：大场景中的定位、导航和多机协作
报告时间：2022年11月3日（周四）15：30
报告地点：腾讯会议 ID：826-715-123
主 持 人 ：齐俊桐 教授
报 告 人 ：殷鹏 项目科学家
报告人简介/Abstract：
殷鹏，本科毕业于哈尔滨工业大学，北京中科院大学博士，现任卡内基梅隆大学AirLab, Project Scientist。从2019年到2021年参加Darpa SubT Challenge, 长期从事无人机、无人车、多机器人系统协同定位，并于2019年获得Darpa SubT No.1., 2020年No.2。研究方向主要为场景识别、大规模环境建模、多机器人规划、终生学习和强化学习。长期参与DARPA，NSF，NASA, NVIDIA项目，并作为核心项目共同负责人。已经在IEEE TIE, TITS, TRO, RAL期刊发表期刊12篇，并长期担任Reviewer；在机器人/视觉顶会RSS，ICRA，IROS，ICCV，CoRL共发表文章9篇；美国专利四项。联合知名教授Ji Zhang (LOAM作者)，Sebastian Scherer(Airlab负责人), Matthew Johnson-Roberson (CMU RI，Director)，Howie Choset (Kavčić-Moura Professor of Computer Science) 创办非盈利组织MetaSLAM，致力于推动Field Robotics前沿技术进展。
报告摘要/Biography：
随着无人驾驶与机器人技术的发展，越来越多的应用要求机器人系统可以适用于长时间、大范围的自主工作模式。但是在GPS不稳定或者没有GPS的情况下（矿区、林区、地下、火星等），制约机器人长航程自主规划决策的一个关键技术难点在于鲁棒的重定位。在现实生活中，重定位往往伴随着随着复杂的空间地理信息、光照季节的变化、视角的变化等影响。同时不同种类机器人运动模态的偏差和视角的差异性也会导致不同机器人之间的协同定位难度提高。本次交流将结合我们目前的DARPA和NASA项目，分享针对移动机器人、无人机、多机器人协同定位等问题的最新研究进展：
1、针对大型无人机系统在长航程、跨模态的半监督定位导航；
2、不依赖GPS的城市规模高精度建图系统；
3、针对于长航程、大尺度范围的探索需求，不依赖初始位置的多机器人协同规划研究；
4、终生学习在机器人定位导航中的研究进展。
