摘要
地面移动机器人作为最常见的机器人形态之一，是集成了环境感知、自主导航、运动控制、人机交互等众多能力于一体的智能体，目前已广泛应用于战场侦察、地图测绘、智慧城市、物流服务等诸多领域，成为推动新兴产业和未来产业发展的“新质生产力”。本团队以地面移动机器人平台为依托，系统性地开展了多模态环境理解、协同SLAM、模型压缩量化等方向的研究，重点突破无人车智能驾驶与自主导航、大语言模型边缘部署、人机交互等关键技术瓶颈。
内容
异构平台运动控制与环境建模
移动平台是机器人的硬件基础，本团队围绕环境感知、路径规划、运动控制等方面开展研究，已具备轮式、履带式、四足式机器人的二次开发能力，支持自主地图测绘、智能导航、通信组网、恶劣环境巡逻能力。本团队所开发的四足机器狗在2024年全国大学生智能系统设计大赛斩获特等奖。
同时，随着ChatGPT、DeepSeek等大语言模型的发展，机器人语音理解从传统的单一指令发展为多任务指令，提高了任务执行的灵活性和人机交互体验。然而，传统的大语言模型由于其占用显存和算力较高，难以在边缘端部署，需要借助云端算力，导致响应延迟和隐私泄露。本团队通过模型压缩量化以及推理框架优化，在Nvidia Orin平台上实现了视觉/语言大模型的边缘端部署，支持环境高层级感知、语音导航与人类意图理解，有效提升了机器智能的程度和人机交互体验。
未知场景下自主探索
在灾后救援、城市巷战、城市测绘等应用场景中，常需要提前构建未知作业环境的三维地图，以确保信息的透明性。基于昆虫协作觅食的生物学原理，本团队开发了一种基于数字信息素的多机器人自主探索方法。通过不断扩展未知区域的边界，并借助数字信息素实现知识库的共享，该多机系统成功在校园、矿洞等多种场景中实现了高效的自主协作探索。
同时，针对不同智能体到达同一地点的时间差异所引发的时空歧义问题，本团队开发了一种基于地标可视性模型的增量式地图更新方法。该方法通过将历史地图离散为子地图，并在当前帧中通过射线搜索实现点云的增删判断，以“认知-重认知”的方式，有效实现了多机多周期探索任务中的实时地图更新。
多场景工业巡检
本团队开发的机器人系统支持多种类型的感知元件，能够在多种工业场景中执行巡检任务。通过搭载可见光高清摄像头、热成像摄像头、光感应探照灯以及烟雾/气体报警器，系统实现了对有害气体、设备异常和人员异常的监测。这些技术使机器人能够在化工园区、供电站、电力线路等场景中执行无人巡视任务。目前，相关技术已成功应用于贵州部分地区的变压器冰雪监测系统，提升了巡检效率和安全性。
