丁其川  (副教授)

硕士生导师

电子邮箱:

学历:博士研究生毕业

办公地点:东北大学机器人科学与工程学院308办公室

性别:男

学位:博士

在职信息:在职

其他任职:IEEE Member、中国自动化学会会员

毕业院校:中国科学院大学

   

研究领域

当前位置: 中文主页 >> 科学研究 >> 研究领域

认知学习

传统机器学习/深度学习仅是针对单一固定任务训练模型,当任务、数据、外部环境等发生变化时,模型便无法使用,简单地说,这些模型就像锤子、钳子等工具,一旦设计完成,它的功能与使用场景就固定了,若要将它用于新的任务,只能熔掉重铸成新的工具。我们期望的人工智能模型,应该像人的大脑一样,通过不断学习新知识,认知与智力不断成长,能适应新的任务,同时可以对抗任务、数据及环境干扰,这正是认知学习所追求的目标。在构建的认知学习理论框架中,融合了在线学习、增量学习、终身学习、样本增/缩维、环境适应等诸多符合人类认知机理的学习机制,这将是新一代人工智能的前进方向。

认知学习.jpg

人-机器人交互技术

人机交互系统构筑了人与机器人交流的桥梁,理想的人机交互系统不会限制人的行为,能保证“人与机器人交流”像“人与人交流”一样,在人的自然行为/意识下顺畅进行,其中的核心环节是“机器人自主地理解人的行为意图”,开展了“基于机器视觉的人体运动估计”“基于脑/肌电的人体行为意图识别”两方面研究。

视觉也是机器人感知人体运动信息的重要手段。从捕获的(深度)视觉数据中,提取人体关节点、光流、交互物特征等数据,综合利用图像处理、深度学习等算法,构建估计人体运动的网络,针对复杂背景、遮挡、多人、人-物交互等情形,研究提升网络估计精度与稳定性的方法,实现动作分类、运动重建、行为语义理解等,应用于智能监控、人机交互、行为辅助等。

视觉运动识别.jpg

脑电(EEG)和肌电(EMG)两种生理电信号与人体的行为意图密切相关。对采集EEG/EMG预处理后,提取时/频域特征,利用降维、分类等算法,构建识别动作类别的模型,在线识别结果可以用于实现假肢、康复机器人等系统的实时控制。本研究重点关注存在未知动作、数据丢失、脑/肌肉疲劳、电极偏移等干扰下,如何实现动作稳定识别;同时考虑关节角度/角速度、关节刚度/阻抗等柔顺运动参数实时估计。

生物电信号.jpg


智慧家居养老辅助机器人

目前我国65岁以上老年人口已达2.5亿,而随着社会老龄日益加剧,10到20年我国老年人口数量将占总人口的1/3,养老将成为社会最突出的问题,养老产业也将成为社会最大产业之一,预期数万亿的规模。未来数量众多的老年人在家中不依靠年轻人独立生活,有望成为主流的养老形态,智慧家居产品与机器人技术结合,将为老年人的安全、健康、自主生活提供基本保障。将研究用于居家智慧养老的人形机器人技术,集成行为识别技术、基于AI大模型的技能学习技术、仿生交互技术构筑人形机器人系统,可以监测老人安全,辅助老人完成各种日常生活作业。项目组研究的人形机器人成果在《新闻联播》中报道(时长50秒)。

面向家居养老的服务机器人系统.jpg


新闻联播.jpg