开放环境下的自适应感知是支撑无人驾驶、无人机、机器人、无人舰船等智能无人系统数据获取的重要基础理论和方法，但是现有方法存在场景感知精度低、学习持续性差、计算时延长等瓶颈，会导致在场景突变时感知性能急剧下降。本项目旨在突破开放环境下的“感知瓶颈”，形成“感知-学习-计 算”深度融合的感知智能，聚焦以下瓶颈问题:1多模态、复杂场景、动态场景的精准感知(感知精度>95%);2跨场景、知识引导、效能驱动的连续学习(支持不少于20个连续场景);3端边云结构与感学算需求深度融合、低时延高能效传算(时延毫秒级)。  

    本项目研究目标是推动开放环境、变化场景下的自适应感知理论和方法突破，构建支持“可编程感、持续性学、效能化算”的“感-学-算”深度融合感 知智能，突破无监督学习、经验记忆利用、内隐知识发现与引导、注意力选择等难点。总体技术路线是“元模型驱动的感知-学习-计算深度融合”，通过对场景数据、学习算法、计算方法等实例建模，构建一系列感知智能模型，包括场景模型、感知模型、学习模型、计算模型以及各个模型之间的关联模型。进一步对模型抽象建模，构建感知智能元模型，描述感知、学习、计算三方面扩展、融合的规则及约束，支撑开放环境下的自适应感知。具体来说，元模型驱动的可编程感知强调从多模态感知数据中提炼对复杂场景、动态场景、甚至罕见场景适用的感知方法，包括基于模态演化和多态协同的复杂场景感知、场景与感知解耦的可扩展感知、基于群体协作的合作感知、场景时空关联的主动感知;元模型驱动的持续性学习强调变化场景、跨场景的可连续学习策略，包括场景知识库构建及检索、适应能力强的结构优化、连续学习稳定性和损失度的一般性度量方法、基于内隐知识挖掘和注意力选择的主动学习策略;元模型驱动的效能化传算强调端边云结构与智能感知需求融合的传算架构与算法，包括基于无人驾驶及智能机器人的感知智能模块的应用示范。

    本项目汇聚了我国感知智能领域优势力量，包括国内顶尖学术机构(中国科大、浙大、上交、西交、西工大、北邮、东南、华师大、电子科大)和行业领军企业(地平线)。以上十家机构已有良好的合作基础。在感知智能理论方法 方面，项目组有二十余年积累，提出了多种感知理论和方法，实现了针对多种 应用场景的大规模感知系统，中国科大的“可佳”和“佳佳”机器人服务于十九大、获得世界服务机器人大赛冠军、被《Artificial Intelligence》评为机器人认知方面的十年最佳技术成果;在感知智能平台方面，西安交大参与的“发现号”“先锋号”无人驾驶车在2017、2018年中国智能车未来挑战赛上夺冠;地平线是当前全球估值最高的AI芯片企业、被称为“边缘计算领域的英特尔”。项目团队人才荟萃(1名千人、1名杰青、1名IEEE Fellow、9名教授、 1名青年长江、1名青年拔尖)、理论扎实(发表100余篇高水平论文、40余项发明专利)、技术先进(服务机器人和自动驾驶获得国家、世界大赛冠军;自动驾驶创业经历)、成果丰硕(2项国家级奖励、8项省部级奖励)、项目经验 丰富(承担7项973、863等国家级重大项目或课题)、国际视野宽阔(项目牵头人曾任美国罗格斯大学正教授、团队国际合作经验丰富)等独特优势。  

本项目的实施可望使我国进入自适应感知智能领域国际前列，突破复杂动态场景下(组合场景数目>1000个，传感器类型>20种)的精准(感知度>95%)、快速(计算时延<20毫秒)感知。掌握自适应可扩展的精准场景感 知和预测、强适应性的网络结构优化、可连续学习的策略构建、一般性效能度量、高效能感知智能计算等理论和方法，聚焦场景的无监督学习、经验记忆利用、内隐知识发现与引导及注意力选择。在无人驾驶、看护机器人等感知智能方面进行演示验证和示范应用。