基于神经符号AI的机器人拆解智能化技术路线图

发展目标

以制造业高端化、智能化、绿色化发展为导向，攻克和掌握符合市场需求、实现机器人自主拆解的可信人工智能技术，构建自主可控技术体系和标准、专利、人才支撑体系，探索建立软硬件协同创新生态，推动我国机器人拆解智能化共性基础技术和重大前沿技术的自主发展。

绿色制造的人工智能标准化工作

智能拆卸通用技术导则

规范拆卸智能化中的多模态信息感知、自主决策控制、人机协同系统、动态规划、实时调度、检测维护、数据知识管理、安全管理等方面的技术要求。通过人工智能赋能绿色制造，以制造模式的深度变革推动传统产业的绿色转型升级，引导我国产品回收拆解行业的高端化、智能化、绿色化发展。

暑期学校

以前所未有的方式一起来体验学习

面向在校学生，对神经符号人工智能富有热情、有志于进一步在智能机器人领域深造的青年人。

加深对神经符号人工智能、认知机器人、机器学习原理和技术的理解，提高从事科研工作的综合能力，培养批判性思维。

社区共享项目

针对非结构化拆解环境下机器人自主拆解决策与运动规划问题，围绕拆解过程中拆解对象的复杂性、拆解目标的多样性和拆解深度的不确定性，基于神经符号的机器人拆解决策与运动规划方法，通过对退役动力电池的零部件结构、几何约束、连接方式、连接状态的感知、推理、学习，形成决策、规划、控制、监督命令流，实现动态非结构化环境中的自主、可解释、稳健拆解。

针对拆解动作的稳健控制问题，围绕拆解过程中的动态感知和实时运动规划场景，通过建立基于视觉的位姿感知方法和基于力感知的拆解行为柔顺控制模型，结合感知运动控制反馈和先验知识的约束，优化全局性实时感知控制策略，实现拆解动作的稳健控制。

期刊论文

会议论文

专题报告

为了满足深度学习目标检测算法泛化性对数据集的要求，我们编制了数据采集规范，开展图像数据集设计与采集标注研究，建立了动力电池图像数据集，用于螺钉检测和定位任务。