自动化学科面临的挑战

孙长银; 吴国政; 王志衡; 丛杨; 穆朝絮; 贺威

doi:10.16383/j.aas.20xx.cxxxxxx

自动化学科面临的挑战

doi: 10.16383/j.aas.20xx.cxxxxxx

孙长银^1,,
吴国政^2,,
王志衡^2,,
丛杨^{2, 3,},
穆朝絮^4,,
贺威^5,

1.
东南大学自动化学院南京 210096
2.
国家自然科学基金委员会信息科学部北京 100085
3.
机器人学国家重点实验室中国科学院沈阳自动化研究所沈阳 110016
4.
天津大学电气自动化与信息工程学院天津 300072
5.
北京科技大学自动化学院北京 100083

基金项目: 国家自然科学基金(61942301)资助

详细信息

作者简介:
孙长银：东南大学自动化学院教授. 主要研究方向为智能控制与优化、强化学习、神经网络、数据驱动控制等. E-mail: cysun@seu.edu.cn

吴国政：博士, 国家自然科学基金委员会信息科学部三处处长. 主要研究方向为人工智能. 本文通讯作者. E-mail: wugz@nsfc.gov.cn

王志衡：博士, 国家自然科学基金委员会信息科学部三处项目主任, 主要研究方向为自动化. Email: wangzh@nsfc.gov.cn

丛杨：中国科学院沈阳自动化研究所研究员, 目前为国家自然科学基金委员会信息科学部三处流动项目主任. 主要从事计算机视觉、智能视频处理、机器学习、机器人伺服等研究. Email: congyang@nsfc.gov.cn

穆朝絮：天津大学电气自动化与信息工程学院教授. 主要研究方向为强化学习、自适应学习系统、智能控制和优化等. E-mail: cxmu@tju.edu.cn

贺威：北京科技大学自动化学院教授. 主要研究方向为机器人学, 振动控制和智能控制系统. E-mail: weihe@ieee.org

计量
- 文章访问数: 229
- HTML全文浏览量: 142
- 被引次数: 0
出版历程
- 网络出版日期: 2020-12-18

On Challenges in Automation Science and Technology

SUN Chang-Yin^1
,,
WU Guo-Zheng^2
,,
WANG Zhi-Heng^2
,,
CONG Yang^{2, 3
,},
MU Chao-Xu^4
,,
HE Wei^5
,

1.
School of Automation, Southeast University, Nanjing 210096
2.
Department of Information Sciences, National Natural Science Foundation of China, Beijing 100085
3.
State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016
4.
School of Electrical and Information Engineering, Tianjin University, Tianjin 300072
5.
School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing 100083

Funds: Supported by National Natural Science Foundation of China (61942301)

摘要

摘要: 本文分析了控制理论与应用、模式识别与智能系统、导航制导与控制、系统科学与工程、人工智能与自动化交叉等领域的发展现状. 结合科技发展、国内国际研究前沿和新兴领域对自动化科学技术的需求, 提出重点发展智能控制理论和方法、高性能作业机器人、信息物理系统、导航与控制技术、重大装备自动化技术、自主智能系统和人工智能驱动的自动化技术优先领域, 加强数据驱动控制理论、人工智能基础理论研究, 进一步发展人机协同、跨域融合的智能自动化, 为实现国家社会的全面信息化智能化提供理论和技术保障.
- 自动化科学技术 /
- 机器人 /
- 信息物理系统 /
- 导航制导与控制 /
- 装备自动化 /
- 自主智能系统 /
- 人工智能 /
Abstract: This paper analyzes the current development of automation science and technology, including fields of control theory and application, pattern recognition and intelligent system, navigation guidance and control, system science and engineering, as well as the interdisciplinary research of artificial intelligence and automation. Combining with the requirements of science and technology development, domestic and international research frontiers, and emerging technologies, the priority areas and specific research directions are put forward to develop intelligent control theory and methodology, high performance robot, cyber-physical system, navigation and control technology, equipment automation technology, autonomous intelligent system and artificial-intelligence-based automation. It is expected to establish the theory framework of data-driven control and artificial-intelligence-based automation. With the intelligent automation of human-machine cooperation and multi-technology integration, it will provide theoretical and technical support for the realization of comprehensive intelligent society.
- Automation science and technology /
- robot /
- cyber-physical system /
- navigation /
- guidance and control /
- equipment automation technology /
- autonomous intelligent system /
- artificial intelligence

HTML全文

图 1 智能控制理论研究方向

Fig. 1 Research directions of intelligent control theory

下载: 全尺寸图片幻灯片

图 2 高性能作业机器人主要发展方向和关键技术

Fig. 2 Development directions and key technologies of high performance robots

下载: 全尺寸图片幻灯片

图 3 信息物理系统主要研究方向

Fig. 3 Research directions of cyber-physical systems

下载: 全尺寸图片幻灯片

图 4 导航制导与控制领域的重要进展及发展趋势

Fig. 4 Important progress and trend of navigation, guidance and control

下载: 全尺寸图片幻灯片

图 5 重大装备智能控制与维护

Fig. 5 Intelligent control and maintenance of automatic equipments

下载: 全尺寸图片幻灯片

图 6 自主智能系统的总体发展思路

Fig. 6 Development strategy of autonomous intelligent systems

下载: 全尺寸图片幻灯片

图 7 人工智能和自动化交叉领域若干前沿研究方向

Fig. 7 Cutting-edge research directions in Automation with AI

下载: 全尺寸图片幻灯片

[1]	王成红, 宋苏, 刘允刚. 国家自然科学基金与我国控制理论与控制工程学科的发展. 中国基础科学, 2010, 12(6): 38−42 doi: 10.3969/j.issn.1009-2412.2010.06.009 Wang Cheng-Hong, Song Sun, Liu Yun-Gang. The more and more important effort of scientfic foundation on the subject of control theory and applications. China Basic Science, 2010, 12(6): 38−42 doi: 10.3969/j.issn.1009-2412.2010.06.009
[2]	中国自动化学会. 2016-2017控制科学与工程学科发展报告. 北京: 中国科学技术出版社, 2018 China Automation Association. 2016-2017 development report of control science and engineering. Beijing: China Science and Technology Press, 2018
[3]	柴天佑. 自动化科学与技术发展方向. 自动化学报, 2018, 44(11): 1923−1930 Chai Tian-You. Development directions of automation science and technology. Acta Automatica Sinica, 2018, 44(11): 1923−1930
[4]	包为民, 祁振强, 张玉. 智能控制技术发展的思考. 中国科学: 信息科学, 2020, 50(08): 1267−1272 Bao Wei-Min, Qi Zhen-Qiang, Zhang Yu. Thoughts on the development of intelligent control technology (in Chinese). Scientia Sinica Informationis, 2020, 50(08): 1267−1272
[5]	吴国政. 从F03项目资助情况分析我国自动化学科的发展现状与趋势. 自动化学报, 2019, 45(9): 1611−1619 Wu Guo-Zheng. Analysis of the status and trend of the development of China's automation discipline from F03 funding of NSFC. Acta Automatica Sinica, 2019, 45(9): 1611−1619
[6]	邓方, 宋苏, 刘克, 吴国政, 付俊. 国家自然科学基金自动化领域数据分析与研究热点变化. 自动化学报, 2018, 44(2): 377−384 Deng Fang, Song Su, Liu Ke, Wu Guo-Zheng, Fu Jun. Data and research hotspot analyses of national natural science foundation of china in automation field. Acta Automatica Sinica, 2018, 44(2): 377−384
[7]	Arenas A, Diaz-Guilera A, Kurths J, Moreno Y, Zhou C. Synchronization in complex networks. Physics Reports, 2008, 468(3): 93−153
[8]	钱锋, 杜文莉, 钟伟民, 唐漾. 石油和化工行业智能优化制造若干问题及挑战. 自动化学报, 2017, 43(6): 893−901 Qian Feng, Du Wen-Li, Zhong Wei-Min, Tang Yang. Problems and challenges of smart optimization manufacturing in petrochemical industries. Acta Automatica Sinica, 2017, 43(6): 893−901
[9]	He W, Li Z, Chen C L P. A survey of human-centered intelligent robots: issues and challenges. IEEE/CAA Journal of Automatica Sinica, 2017, 4(4): 602−609
[10]	Zheng Nan-ning, Liu Zi-yi, Ren Peng-ju, Ma Yong-qiang, Chen Shi-tao, Yu Si-yu, et al. Hybrid-augmented intelligence: collaboration and cognition. Frontiers of Information Technology & Electronic Engineering, 2017, 18: 153−179
[11]	孙长银, 穆朝絮. 多智能体深度强化学习的若干关键科学问题. 自动化学报, 2020, 46(7): 71−79 Sun Chang-Yin, Mu Chao-Xu. Important scientific problems of multi-agent deep reinforcement learning. Acta Automatica Sinica, 2020, 46(7): 71−79
[12]	李晓华. 面向智慧社会的“新基建”及其政策取向. 改革, 2020, 315(5): 34−48 Li Xiao-Hua. New infrastructure construction and policy orientation for a smart society. Reform, 2020, 315(5): 34−48
[13]	Burdet E, Osu R, Franklin D W, Milner T E, Kawato M. The central nervous system stabilizes unstable dynamics by learning optimal impedance. Nature, 2001, 414(6862): 446−449
[14]	Ding Han, Yang Xue-Jun, Zheng Nan-Ning, Li Ming, Lai Yi-Nan, Wu Hao. Tri-Co Robot: a Chinese robotic research initiative for enhanced robot interaction capabilities. National Science Review, 2017, 5(6): 799−801
[15]	信息物理系统白皮书. 中国电子技术标准化研究院, [Online], available: http://www.cesi.cn/201703/2251.html, 2017 White paper: cyber-physical system. China Electronics Standardization Institute, [Online], available: http://www.cesi.cn/201703/2251.html, 2017
[16]	王飞跃, 张军, 张俊, 王晓. 工业智联网: 基本概念、关键技术与核心应用. 自动化学报, 2018, 44(9): 1606−1617 Wang Fei-Yue, Zhang Jun, Zhang Jun, Wang Xiao. Industrial internet of minds: Concept, technology and application. Acta Automatica Sinica, 2018, 44(9): 1606−1617
[17]	孙长银, 穆朝絮, 张瑞民. 高超声速飞行器终端滑模控制技术. 北京: 科学出版社, 2014 Sun Chang-Yin, Mu Chao-Xu, Zhang Rui-Min. Terminal sliding mode control of hypersonic aircrafts. Beijing: Science Press, 2014
[18]	杨浩, 姜斌, 周东华. 互联系统容错控制的研究回顾与展望. 自动化学报, 2017, 43(1): 9−19 Yang Hao, Jiang Bin, Zhou Dng-Hua. Review and perspectives on fault tolerant control for interconnected systems. Acta Automatica Sinica, 2017, 43(1): 9−19
[19]	陈杰. 面向社会治理的智能群系统基础研究. 国家自然科学基金委员会第252期双清论坛, 2020, 主题报告 Chen Jie. Foundational research on intelligent group system for social governance. The 252nd Shuang-Qing Symposium of National Natural Science Foundation of China, 2020, Keynote Speech
[20]	吴军, 徐昕, 王健, 贺汉根. 面向多机器人系统的增强学习研究进展综述. 控制与决策, 2011, 26(11): 1601−1610 Wu Jun, Xu Xin, Wand Jian, He Han-Gen. Recent advances of reinforcement learning in multi-robot systems: a survey. Control and Decision, 2011, 26(11): 1601−1610
[21]	Sutton R S, Barto A G. Reinforcement learning: An introduction. Cambridge MA: MIT Press, 1998
[22]	Silver D, Huang A, Maddison C, et al. Mastering the game of Go with deep neural networks and tree search. Nature, 2016, 529(7587): 484−489