首先由中国自动化学会副秘书长东南大学孙长银教授致辞。孙教授代表学会对各位参会代表表示了热烈的欢迎，并简要介绍了此次讲习班的主题及内容，希望大家能在相互交流中有思想火花的碰撞，能从中有所收获。

第一位进行报告的嘉宾是美国罗德岛大学何海波教授。何教授为大家带来题为“Learning: From Shallow to Deep”的报告，报告旨在回顾和讨论最近在learning方面的研究进展，重点阐述learning由浅层到深层的一些关键特征。何教授以强化学习为核心的Google AlphaGo/AlphaGo Zero为例，展示了如何开发一个深度强化学习系统，以改善学习和决策过程。在报告过程中，何教授展示了大量的应用程序，这些广泛而深远的应用程序跨越不同的领域。在报告结束前夕，何教授向各位专家学者提出几个基本问题，以鼓励大家就这方面进行认真的讨论和思考。

随后由西安交通大学薛建儒教授为大家带来题为“无人车自主运动决策的探索与实践”的报告。无人车的自主运动决策必须同时考虑环境感知与理解的不确定性和运动控制的不确定性。随着研究深入，经典的分层架构即行为决策-运动规划-运动控制越来越表现出计算效率低、环境适应性差、自学习能力不足等问题，尤其在应对复杂交通环境时远远不及人类驾驶员。面对这些问题，薛教授首先综述无人车自主运动决策的研究进展及面临的主要挑战，然后结合团队多年来在无人驾驶领域的探索与实践，探讨开放、真实交通环境中无人车自主运动决策的前沿技术。报告的最后，薛教授通过几段无人车未知路障行驶视频，更直观地向各位专家学者展示了目前团队的研究成果。

第三位进行报告的嘉宾是中科院深圳先进技术研究院研究员吴新宇教授。吴教授为大家带来题为“人机共融可穿戴外骨骼机器人系统”的报告。可穿戴外骨骼机器人能帮助下肢失能人群恢复站立、行走等能力，扩大活动范围。首先，吴教授展示了外骨骼机器人当前的研究现状与面临的问题。其次，吴教授重点阐述了其研究的主要内容。吴教授研究了基于脑机接口的穿戴者下肢运动模式决策意图的获取方法，提高现有低通量脑机接口的信息传输效率；构建复杂行走环境下的多模感知与步态模式规划模型，将影响步态模式的人体因素与环境因素综合融入模型，提高步态模式的适应性；建立复杂行走环境下的下肢外骨骼机器人自主决策机制，提高机器人系统的自适应能力；融合人的决策意图与机器人自主决策，建立以人为中心的人-外骨骼-环境融合决策机制，有效提高人机混合智能系统对复杂环境的适应能力，扩大外骨骼机器人的应用场景。最后，吴教授给出了多个外骨骼机器人助力行走的相关视频。

上午最后一个为大家带来报告的是清华大学李力副教授。李教授所作报告题目为“On the crossroad of artificial intelligence: A revisit to Alan Turing and Norbert Wiener”。李教授简略回顾了人工智能70年发展中图灵和维纳对于如何实现人工智能的不同看法，并讨论了沿着维纳的想法前进过程中，最近10年的新成果，以及未来的发展方向。

下午第一位做报告的嘉宾是中国科学院自动化研究所研究员程龙教授。程教授的报告题目为“神经动力方法求解优化问题及其在机器人中的应用”。 针对带有不等式和等式约束的非光滑凸优化问题，程教授提出了一种基于神经动力方法的求解器。利用鞍点定理证明了神经网络的平衡点能够满足最优解性质，同时神经网络的状态最终会收敛到其平衡点，从而求解优化问题。最后，程教授给出了基于神经动力求解器的优化问题求解方法在双冗余机器人搬运工件和多机器人最优编队方面的应用例子。

接下来由北京科技大学贺威教授作题为“柔性关节机器人智能控制方法与应用”的报告。贺教授的报告重点讨论了柔性关节机器人智能控制系统的研究进展。首先，贺教授从解决柔性关节机械臂的精准跟踪控制问题切入，介绍了一种能为Baxter机器人智能控制系统提供精准跟踪控制保障的控制算法。其次，贺教授把精准跟踪控制问题扩展到协同任务中，介绍了基于Baxter机器人的双臂协同控制系统。为提升机器人智能控制系统的柔顺性，介绍了柔性关节机器人的阻抗控制系统。为提升机器人智能控制系统的安全性，介绍了基于柔性关节机器人的自主避障系统。为增强机器人智能控制系统的功能，介绍了基于Baxter机器人的智能分拣系统以及人与机器人之间的物体交接系统。最后贺教授对该方向进行了研究和展望。

下午第三位为大家带来报告的是安徽大学张兴义教授，张兴义教授带来报告的题目为“Multi-objective evolutionary algorithms for solving complex optimization problems”。近二十年来，多目标进化算法已被证实是解决现实世界中复杂网络、物流、机器人等多种优化问题的有效技术，但在处理复杂优化问题时仍有许多工作值得进一步研究。此次报告，张教授首先简要介绍了多目标进化算法，然后重点介绍了最近提出的一些解决复杂优化问题的多目标进化算法。

最后一个报告为东南大学孙长银教授作题为“从“智能控制”到“控制智能”---- From Hype to Hope”的报告。孙教授首先介绍了“智能控制”和“控制智能”这两个概念。“智能控制”是采用智能化理论和技术驱动智能机器实现其目标的过程。“控制智能”是有效融合大数据、云计算下自主体感知、认知、控制与行为于一体，在复杂恶劣环境下表现出与人类相当或超越人类的能力，无人车、无人机和机器人等是其重要载体。接下来，孙教授指出了目前面临的主要挑战包括：（1）从确定条件下智能控制向非确定条件下自主智能的跨越；（2）从“大数据小任务”向“小数据大任务”的跨越；（3）从单个自主智能体向群体协同智能体的跨越这三个方面。最后，孙教授列举了一些智能控制应用的例子。

东南大学 供稿