陈白帆

副教授 硕士生导师

所在单位:自动化学院

职务:Associate Professor

办公地点:校本部升华后楼211

联系方式:chenbaifan@csu.edu.cn

学位:博士学位

学科:计算机科学与技术

研究

当前位置: 中文主页 >> 研究

研究领域:

  1. 长期SLAM(机器人同时建图与定位)技术

   对于移动机器人来说长期自治的关键问题是长期导航,它必须处理动态环境、变化的光照、环境中结构变化、行人的遮挡、感知的偏差和无先验知识下的人机交互等。同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术无需环境先验知识能同时进行环境地图的构建和机器人自身的定位是移动机器人导航中的关键技术,也可应用于任意智能终端。本方向主要研究如何在时变环境下利用人类记忆机制、图论和机器学习等技术实现长期的SLAM。

  2. 视觉SLAM中的地点识别

   在基于视觉SLAM过程中,根据视觉信息来判定机器人是否来过该地点,从而进行回环检测、优化移动机器人轨迹和地图的估计。地点识别涉及到地点的描述、地图的存储和识别算法。本方向主要研究拓扑和语义的地图构建,以及基于深度学习的识别算法。该方向的研究也可应用到其他场景的识别。

  3. 深度增强学习

   强化学习模拟的是人类的一种学习方式,在执行某个动作或决策后根据执行效果来获得奖励,通过不断与环境做交互来进行学习,最终达到目标。机器人在未知环境下的自主运动,正是一种强化学习的模式。尽管如此,长期以来强化学习却没有较大的应用突破。究其原因,主要在于现实环境中的状态和动作往往是高维的,比如图像和机器人的多自由度等。对于这些高维的状态和动作,传统的人为设计的处理方法往往很难准确表征。幸运的是,深度学习的发展为高维状态和动作的准确表征提供可能。同时,深度网络不需要对环境作假设且有较强的泛化能力,从而有同时适用于多种环境的潜力。

   本方向主要研究将深度学习融入到强化学习中,强化学习定义学习的目标,深度学习提供强化学习过程的问题表征方式,使得真正模拟人类的学习模式成为可能。


主持和参与的项目:

  1. 面向机器人建图自主性的深度强化学习研究(2018JJ3689),湖南省自然科学基金青年基金,2018-2020

  2. 铝电解槽智能感知巡检小车,贵州贵铝技术服务有限责任公司,2021-202

  3. 集群清扫机器人的协同建图与路径规划系统,深兰科技(上海)有限公司,2019-202

  4. 基于虚拟轨道的自动循迹及安全控制技术研究与应用(2018YFB1201602),国家重点研发计划子任务,2018-2020

  5. 智能驾驶决策控制平台开发,湖南中车时代电动汽车股份有限公司,2018-2019

  6. 时变环境下基于人类记忆机制的长期SLAM技术研究(61403423),国家自然科学基金青年科学基金项目,2015.1-2017.12

  7. 基于无线传感器网络的水质智能监控系统关键技术研究(2014FJ3157),湖南省科技计划,2014.1-2015.12

  8. 智能监控中异常行为辨识技术研究(2016WLZC017),网络侦查技术湖南省重点实验室开放研究基金,2016.9-2017.8

  9. 智能滑雪服手机APP, 横向,2016-2017

  10. 具有终身学习机制的自主车长期 SLAM 技术研究(2013A11),华南理工大学自主系统与网络控制教育部重点实验室开放研究基金课题,2014.1-2015.12

  11. 基于多传感器信息融合的智能车SLAM技术研究,中央高校基本科研业务费项目, 中南大学自由探索计划青年助推项目,2010.1-2011.12