回顾智能自动化学科前沿讲习班

智能自动化学科前沿讲习班是由中国自动化学会主办的学术交流活动，旨在促进自动化领域的科研人员在短时间内快速了解学科前沿和最新研究，并为专家学者提供探讨热点方向和交流学术进展的平台。讲习班每期围绕一个热点专题，邀请该学科方向从事前沿工作的专家学者做学术报告，并与参会者交流讨论。

第一期：生成式对抗网络GAN技术与应用

2017年5月，AlphaGo对战柯洁，人工智能背后的生成式对抗网络GAN技术大火，该框架中同时训练两个模型：捕获数据分布的生成模型G，和估计样本来自训练数据的概率的判别模型D，可以互相博弈学习产生相当好的输出。生成式对抗网络GAN技术除了可以被应用在游戏对弈中，还有哪些应用？

同年7月，本着打造热点专题的目的，中国自动化学会首次举办了讲习班活动，以“生成式对抗网络GAN技术与应用”为主题，邀请了学术界和工业界从事该领域前沿研究工作的8位学者，全面介绍GAN技术与应用的研究进展，并探讨相关技术的发展趋势。那次讲习班为从事生成式对抗网络技术与应用研究的科研人员提供了在短时间内快速了解前沿和最新研究并与同行探讨交流的平台，来自全国31个科研机构和高校的研究人员参加了该次活动。

会上，中国科学院自动化研究所王飞跃教授带来了“生成式对抗网络GAN的研究进展与展望”的报告，介绍了GAN的基本思想，综述当前GAN的理论和应用发展情况，从构造“数据-知识”闭环的角度，对如何结合GAN与平行学习等新思想、AI技术的发展及其对社会的影响等问题进行了探讨，反响热烈。

第二期：人工智能+无人驾驶

2017年7月5日，百度AI开发者大会上，百度创始人、董事长兼首席执行官李彦宏通过视频直播展示了一段自己乘坐公司研发的无人驾驶汽车的情景，无人驾驶技术再度成为当下最热门的话题之一。

2017年9月12日-14日，中国自动化学会主办了第2期智能自动化学科前沿讲习班，来自全国相关高校和相关单位的百余位学员和老师参加了此次讲习班。第二次讲习班以“人工智能+无人驾驶”为主题，邀请到领域内数位专家学者围绕主题进行报告，并与参会者进行充分交流，探讨无人驾驶的历史和发展前景。

西安交通大学刘跃虎教授

会上，来自西安交通大学人工智能与机器人研究所刘跃虎教授，作了题为“无人驾驶环境认知能力测评的挑战与对策”的报告。他指出了“环境认知—规划决策—车辆控制”计算框架和端到端深度学习所面临的共同困难，并以视觉环境认知能力测评为目标，讨论驾驶场景不确定性条件下无人驾驶环境认知能力测试与评估面临的挑战及其对策。

清华大学李升波副教授

清华大学汽车系长聘副教授李升波老师进行了题为“智能汽车的发展之路与关键技术介绍”的报告，阐述了驾驶辅助与无人汽车在环境感知、决策规划和动力学控制方面的需求差异，介绍世界范围内（尤其是中国）在无人驾驶感知、决策和控制关键技术的研究进展，重点包括交通参与者识别与跟踪、激光点云建模与目标运动重构、高精度地图与SLAM定位、混杂交通环境的参与者行为预测、群体智能决策和局部轨迹规划、面向人车共驾的协同共享控制、分布式多车队列控制、智能汽车的计算、通信和数据存储构架等核心技术。李升波老师还针对中国道路交通工况的特点，探索无人驾驶对下一代深度机器学习、异构信息融合和数据驱动控制的技术需求，为无人驾驶的核心技术开发提供建议和思路。

上海交通大学杨明教授

上海交通大学杨明教授在此期讲习班上，带来了题为“基于感知地图的智能车定位方法”的报告。杨明教授的报告指出车辆定位是智能驾驶的重要支撑技术之一，对智能车的路径规划、决策与控制、环境感知等环境至关重要。报告主要介绍了近年兴起的车辆定位方法——基于感知地图的车辆定位方法，这种定位方法首先离线采集车载摄像头、激光雷达、里程计等传感器数据，通过测绘或SLAM方法离线创建全局传感器地图，然后通过地图匹配的方法在线获取高精度车辆定位信息。

当然，中国自动化学会也举办了几次比较小众的会议，比如：

第三期：智慧医疗第四期：区块链

第五期：深度与宽度强化学习

2018 年 5 月 31 日-6 月 1 日，中国自动化学会在中国科学院自动化研究所成功举办了第 5 期智能自动化学科前沿讲习班，主题为「深度与宽度强化学习」。

本期讲习班邀请有澳门大学讲座教授，中国自动化学会副理事长陈俊龙，清华大学教授宋士吉，北京交通大学教授侯忠生，国防科技大学教授徐昕，中国中车首席专家杨颖，中科院研究员赵冬斌，清华大学教授季向阳，西安交通大学教授陈霸东，浙江大学教授刘勇，清华大学副教授游科友等十位学者就深度与宽度强化学习技术在游戏、机器人控制、参数优化、机器视觉等领域中的成功应用进行报告。

他们就如何赋予机器自主学习的能力，如何在越来越多的复杂现实场景任务中，利用深度学习、宽度学习来自动学习大规模输入数据的抽象表征，并以此表征为依据进行自我激励的强化学习，优化解决问题的策略等问题展开了讨论。专家们也提出深度与宽度强化学习技术在游戏、机器人控制、参数优化、机器视觉等领域中的成功应用，使其被认为是迈向通用人工智能的重要途径。

第六期：人工智能与智能控制

2018年7月28-29日，由中国自动化学会主办的第六期智能自动化学科前沿讲习班在湖北·武汉华中科技大学成功召开，此次讲习班由华中科技大学自动化学院院长曾志刚教授和清华大学胡晓林副教授共同担任学术主任。第六期讲习班以“人工智能与智能控制”为主题，邀请了十余位领域相关的专家学者进行主题报告，来自全国各相关高校、科研院所及相关单位的百余位学员参加了此次讲习班，共话人工智能与智能控制的现状与前景

本次讲习班邀请到了澳门大学讲座教授陈俊龙，陈俊龙教授的报告题目为“智能控制算法”。智能控制是来解决传统控制方法难以解决的非线性、高度不确定性、信息不完全性、或者因人而产生复杂性等的具有复杂控制任务的问题。陈俊龙教授此次报告是讨论基于人工神经网络理论、模糊数学理论、计算智能理论、及模式识别理论等为基础而衍生出来的智能控制方法。课题包括：（1）神经网络控制；（2）模糊控制；（3）强化学习控制；（4）智能自适应控制；（5）基于遗传算法的智能控制；（6）混合智能的控制。

清华大学电子工程系汪玉副教授在本期讲习班中的报告题目为“基于FPGA的深度学习处理器”。深度学习的应用日益广泛。相比于传统的CPU/GPU平台，针对定制计算结构能够提供更高的计算能效。但是，基于FPGA的深度学习加速器面临开发周期长，性能受限等问题。汪玉副教授的报告通过总结已有工作，结合实际设计经验，总结针对深度学习加速器的设计思路，并介绍了基于FPGA的高能效、快速部署的深度学习处理器结构和部署流程[FPGA 2016+2017]。其中压缩和量化技术可以去除算法中的冗余操作，减少系统计算和存储的需求，同时量化还能够提升FPGA系统的峰值计算能力。由于CNN和DNN/RNN在计算和存储模式的本质差异，针对CNN、DNN/RNN分别设计了两种体系结构与相应的指令、编译系统。基于赛林思的平台，CNN和LSTM的平台均取得了比嵌入式和桌面GPU更好的能量效率（>60GOPS/W）。

第七期：智能、控制与数学

2018年9月18日-19日，由中国自动化学会主办的第七期智能自动化学科前沿讲习班在北京成功举办，此次讲习班主题为“智能、控制与数学”，并由中国科学院数学与系统科学研究院系统所所长张纪峰研究员和西北工业大学自动化学院院长潘泉教授共同担任学术主任，邀请十余位报告专家进行报告。六十余位来自全国各相关高校、科研院所、企事业单位的相关科研工作人员参加了此次讲习班。

第八期：人工智能与智能交通

2018年10月13日-14日，由中国自动化学会主办的第八期智能自动化学科前沿讲习班在北京成功举办，此次讲习班主题为“人工智能与智能交通”，并由中国自动化学会副理事长兼秘书长，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃研究员和清华大学自动化系系统工程研究所所长张毅教授共同担任学术主任，邀请十余位报告专家进行报告。五十余位来自全国各相关高校、科研院所、企事业单位的相关科研工作人员参加了此次讲习班。

会上，美国密西根大学土木环境系终身教授，滴滴智慧交通首席科学家刘向宏为大家带来题为“Data-Driven Traffic Signal Control”的报告。在当前的实践中，交通信号系统性能测量和参数优化需要手动数据收集和处理，整个过程耗时长且费用昂贵。因此，美国的交通信号系统通常每3-5年都需要进行重新定时。刘教授的报告首先讨论了“SMART信号系统”的研究和开发历程，并指出“SMART信号系统”可以自动收集和处理现有交通信号系统的高分辨率数据。借助这些高分辨率数据，可以直接测量交通信号性能，并可以自动重新定时信号参数。“SMART信号系统”为交通工程师监控、管理交通信号系统提供了一个新的工具，它的发展代表了交通信号控制实践的一次重大飞跃。刘教授的报告还讨论了来自联网车辆的轨迹数据的智能交通控制。随着越来越多的可用车辆轨迹数据，对基于基础设施的车辆检测器的依赖性将降低，甚至下一代交通控制系统可能无需检测器。为更方便理解，刘教授也通过滴滴车辆轨迹数据研究的案例对此进行了详细的解释。

第九期：人工智能与机器人

2018年10月23日至25日，由中国自动化学会主办的第九期智能自动化学科前沿讲习班在南京成功举办，此次讲习班主题为“人工智能与机器人”，并由IEEETNNLS主编、美国罗德岛大学何海波教授与西安交通大学薛建儒教授共同担任学术主任，邀请8位知名专家进行主题报告，分享交流人工智能与机器人技术的学术前沿、产业发展及应用实现。四十余位来自全国各相关高校、科研院所、企事业单位的相关科研工作人员参加了此次讲习班。

会上，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。

第十期再次回归自动驾驶

第十期：L3自动驾驶（3月2日举行）

自从2014年国际汽车工程师学会（SAE）给出自动驾驶定义和分级之后，L3自动驾驶系统的开发一直备受瞩目，当然也褒贬不一，甚至有学者和专家认为L3自动驾驶系统就是个‘悖论’。尽管如此，欧盟把L3自动驾驶量产计划为2020年前后，国内许多汽车主机厂也把L3自动驾驶乘用车量产定在未来1-3年。

中国自动化学会将于2019年3月2日在北京•中国科学院自动化研究所举办第10期智能自动化学科前沿讲习班，主题为“L3自动驾驶”，此次讲习班由中国自动化学会监事长，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃研究员和滑铁卢大学认知自动驾驶实验室曹东璞教授共同担任学术主任，邀请业界多位知名专家作主题报告，为大家讲述L3自动驾驶的技术细节及挑战，并与学员近距离讨论技术开发和学术研究关键问题。