人工智能新图景:这里比想象中更“无限”

分布式智能感知系统、跨模态智能智能服务、多智能体游戏训练、自主无人系统、“电芯云”微系统协同设计平台.近日，中国电子科技集团公司信息科学研究院(以下简称“智能院”)公布了多项世界级创新成果，其中以深度伪造视频识别技术、仿生机器鱼智能检测系统、虚拟智能机器人等为代表的研究应用成果。可以在政府中广泛使用

“我们正全面转向人工智能研究，重点突破人工智能关键核心技术，构建智能网络信息系统。”智能研究院院长万茜告诉记者，成立不到10年的智能研究院，围绕“军工电子主力军”、“网络与信息产业国家队”、“国家战略科技力量”三大定位，转向人工智能研究，将推动人工智能技术与国家治理、社会民生等领域深度融合、广泛应用， 在推动经济高质量发展的同时，造福人民生活、服务大众，支持和引领我国人工智能技术跨越式发展。

视觉SLAM技术：机器人有自己的眼睛

有人曾经说过，比如手机离开WiFi和数据网络，就像机器人离开SLAM一样。

机器人自主执行任务的前提是知道自己的位置，定位信息由卫星导航定位系统提供。如果将机器人放置在城市建筑、立交桥下、室内、深山密林中，卫星信号较弱或因遮挡而消失，容易导致机器人无法及时获取自身位置信息，执行精确任务。

“机器人主动感知技术可以使机器人具备自主定位和感知周围环境的能力。”智能研究院认知与智能实验室副主任张峰告诉记者，使用视觉SLAM(同时定位和映射)算法不仅可以实现机器人的自主定位，还可以实时构建包含环境几何、颜色、纹理等特征信息的三维地图。有“眼睛”的机器人可以看到周围环境，摆脱对卫星导航定位系统的依赖，为自主完成既定任务提供关键保障。

如何在危险复杂的环境中探索救援机器人？“机器人的‘眼睛’能在黑暗中看清环境。”根据张峰的说法，通过集成红外传感器，机器人可以在地下和洞穴等黑暗环境中执行探测任务。结合自身定位和目标检测识别信息，可以对视野内的指定目标进行检测、识别、跟踪和定位，感知周围有什么物体及其位置。它们可用于危险和复杂环境中的勘探和救援任务。

除了探索和救援，视觉SLAM技术还可以应用于服务机器人领域。比较简单，就像命令机器人拿一个物品，“机器人知道物体的位置和环境地图后，通过SLAM技术构建家庭环境地图，然后规划出一条没有障碍物的行进路径，这样就可以成功获得指定的物品。””张峰说。

在科技飞速发展的今天，视觉SLAM技术的支持对于用户增强AR/VR、无人机、无人驾驶等方面的体验是不可或缺的。

“AR技术就是将虚拟信息呈现给现实世界。通过SLAM技术的实时定位，将虚拟物体叠加到真实环境中进行实时显示。随着显示介质的移动，虚拟对象会不断跟随真实环境。”张峰告诉记者，利用AR技术在室内进行引导，可以将虚拟物体叠加在真实房间中进行展示。当观察者随着显示介质移动时，虚拟物体似乎保持在真实房间中的固定位置。事实上，通过SLAM技术的实时定位，虚拟物体随着时间的变化而实时更新和显示

“海雀”芯片：AI快速赋能无人设备的能力

随着人工智能技术的不断发展，数据、算法和计算能力是人工智能的三大基本要素，它们的发展趋势也在不断变化。对于整个AI行业来说，海量数据的获取和处理难度不断降低，算法在深度学习模型的基础上不断优化。负责统一协调数据和深度算法的芯片能否实现大跨越，成为业界关注的焦点。

“我们针对边缘智能计算的多样化、高效化需求，旨在打造一个可用、易用、易用的‘编译-处理’一体化智能计算生态系统，开展自主可控的边缘认知处理器和编译器研究。”张峰告诉记者，在处理器方面，智能院构建了研发周期短、资源需求低、模型适用性强的加速器IP核和硬件工具链。性能比通用CPU提升20倍以上，功耗降低5倍。以上；在编译器中，智能所实现了神经网络模型统一表示、压缩优化和代码自动生成算法，可以快速将神经网络模型植入硬件，实现AI快速赋能无人设备的能力。

具体到智能应用，图像和语音是两个重要的领域。“我们开发了基于AI指令集的可重构、可配置的卷积神经网络加速器，支持最常用的目标检测网络及其变体，可应用于无人机、无人车等无人设备，实现实时图像的低功耗。高精度目标检测。”张峰表示，相关技术已应用于无人机编队海上搜救、无人机洞穴探测等任务，提高了无人装备的目标发现能力。

智能语音技术是无人设备的耳朵。“在语音智能应用领域，我们基于国产自主可控平台，开发高噪声语音环境的车辆控制设备。连续语音识别准确率超过93%，具备声纹识别和语音降噪能力。”我院负责硬件和算法研发的王紫薇博士告诉记者，自主可控的边缘认知处理器和编译器相关技术的应用，提升了图像和语音领域智能算法对计算资源和功耗有限的多样化异构硬件平台的快速部署能力，提升了高复杂度、高实时场景下无人系统精准高效的边缘感知能力。

多雷达协同探测智能感知系统：实现“1 12”

雷达是探测空中目标的主要传感器，可以在没有天气的情况下穿透云和雾影响、全天24小时稳定工作。但目前雷达探测感知以“单打独斗”探测为主，面对无人机等低慢小目标时，存在“看不远、跟不上、识不准”等问题。

智能院智能协同装备中心主任张德介绍，通过联合集团内14所、38所等骨干研究所以及清华大学、北京理工大学、西北工业大学等高校，智能院打造了一支敢闯敢拼的创新攻关团队，联合开展技术攻关，先后攻克了检测、跟踪、定位、资源管控等一系列关键技术，成功构建了国内第一套多雷达协同探测的智能感知系统。

“系统采用多个低成本雷达+4G/5G或有线宽带通信网络+大数据云平台的智能感知系统架构，基于不同的探测任务，动态控制前端雷达，并自适应智能重构后端处理算法，按需生成满足任务需求的产品。”张德介绍，通过使用新技术，能够有效挖掘原有设备潜力，实现系统整体能力的提升。

系统可以从多个角度同时协同观测目标，极大的提升系统能力，实现“看得远、跟得上、识得准”的群体智能感知能力，促进由单装探测向体系协同探测的跨代发展，“采用大数据、人工智能等技术后，系统的能力可以像人一样不断进化。”张德告诉记者，经过针对性学习，该技术也可应用于新一代气象雷达中，实现全空域无盲区覆盖、精确预测气象的运动状态等新的能力。

技术成果的推广应用，还可催生一种传感器陆海空天广域泛在分布、自由互联、深度协同、透彻认知的智能感知系统新形态，打造全球感知“一张网”，大幅度提升对全球环境和目标的感知与认知能力，满足各类应用需求。“这项工作应用前景广阔，但技术上还存在许多需求攻克的难关，还要加倍努力。”张德说。

分布式智能“大脑”：无人系统也能不断学习进化

随着无人技术的发展，无人车、无人机、机器人等无人系统被应用于搜索、跟踪、救援。但如何实现无人系统的自主协同作业，有效规避风险，提高工作效率还是业内公认的难题。

“我们研制的无人系统分布式智能‘大脑’，可有效解决集中式集群控制的安全性、健壮性问题。”张德介绍，智能“大脑”分为综合信息处理区、认知决策规划区、行为协同控制区和学习训练进化区四个核心区域，“综合信息处理区”将无人系统“眼睛”“耳朵”等传感器收集的信息进行综合处理；“认知决策规划区”则基于综合信息处理结果进行判断，形成决策规划方案；“行为协同控制区”基于决策规划结果对无人系统行为动作进行协同控制；“学习训练进化区”利用数字孪生技术将虚拟模型与物理实体紧密相连，通过线上线下协同学习与训练，不断提升无人系统协同认知决策与控制能力，以及对复杂、未知作业环境的适应能力。

目前，智能“大脑”已成功应用于空中无人集群区域索搜、空地协同要地防护、水下资源协同探测等场景。张德告诉记者，智能大脑能够适配不同形态的无人装备，天上飞的、地上跑的、水里游的都可以作为无人系统的一部分。

“分布式智能大脑是由智能院研究团队由2016年开始研制的。从最初在仿真环境下试验，到半实物测试，一直到如今应用到实际系统，花了近5年的时间。”张德告诉记者，在实际运用中攻克了两大难点，一是人工智能算法如何向硬件设备的迁移，因为人工智能算法的运算逻辑与传统算法是完全不同的；二是智能“大脑”在实际装备应用时，由于无人平台体积能耗的限制，需要基于微系统等技术使智能“大脑”质量变轻、体积变小、能耗变低。

“这些核心关键技术全部由我们自主研发。下一步将继续研发鲁棒性更强、智能性更高的无人集群智能‘大脑’产品，使其能够应对更多任务、适配更多场景、服务更多行业。”张德说。