清华大学“90后”博导陈建宇：攻关“卡脖子”技术，立志做出世界级成果

文章插图
8岁，在妈妈所在大学的物理实验室里，一场光学实验，让陈建宇第一次窥探了科学的美妙。
25岁，陈建宇提出的“非线性系统、非凸约束条件下的实时轨迹优化算法”成功应用在无人车实车上，被WebsEdge专题报道，在SAE世博会进行展示。年青的科研新星崭露头角。
29岁，陈建宇在“带约束的安全强化学习和感知—决策联合学习”两大方面取得重要突破。
2021年，陈建宇成为清华大学交叉信息研究院助理教授、博导。这位不到30岁的年青人，以新的身份，开启他的科研和从教之路。

文章插图

文章插图
做前瞻的科研
底特律一个实验用停车场内，一台无人车成功避过了行走的车辆和模拟的“行人”，倒车入库，停在准确的位置上。人群开始欢呼，陈建宇激动地和队友击掌、拥抱。那是搭载他自己设计的算法的无人车，实验的成功意味着他的“带约束非线性轨迹规划研究”从理论算法到仿真再到实车实验得到完整验证。
那是2017年初，25岁的陈建宇在美国加州大学伯克利分校攻读博士，研究领域包括自动驾驶和机器人技术。当时尚处于商业无人驾驶行业的早期，大多数无人车的决策规划系统使用的是基于人为规则的方法，而陈建宇研究的方法能够自动地对无人车这种非线性系统实时规划出安全的轨迹。

文章插图

自动驾驶在今天已不是新鲜事。谷歌推出自动驾驶商用服务，特斯拉的高级辅助驾驶功能搭载在乘用车上，百度的无人驾驶巴士也已量产下线。作为科研工作者，陈建宇攻关的并不是当下正在落地的技术，而是着眼于更长远的、有前景的未来技术方向，探索其背后的基础科学问题，从而为行业未来的技术发展提供具有前瞻性的思路。
在2017年轨迹优化还未被很好地应用于无人车时，陈建宇所做的相关工作在当时就属于前沿的科研方向，后来这类技术被无人车行业大量采用。从2018年底起，陈建宇的研究重点转向了更为前瞻的方法——基于强化学习的自学习算法，打败世界围棋冠军的机器人AlphaGo运用的正是这种算法。在这一阶段陈建宇做出了领域内较早的几个基于自学习方法的复杂道路环境自动驾驶工作，后来各大无人车企业也陆续部署强化学习的相关研究。
目前，在这种方法的基础上，陈建宇关注另一重要但容易被忽视的前沿领域——强化学习的安全性和可解释性。
强化学习能让机器人通过自我学习的方法极大地提高其智能性，但是基于深度神经网络的自学习方法具有一定的“黑箱特性”，人类尚无法确定其内部的运作机制，也无法确定它会不会做出一些不安全的动作。在下围棋、打游戏的场景下偶尔出现这样的问题是可以被接受的，如果在高速行驶的无人车上或是与人协作的机械臂上发生错误，后果不堪想象。因此，若想将这一技术应用于实际，必须保障其算法安全可靠、可解释。
在清华大学交叉信息研究院和上海期智研究院，陈建宇牵头开展“安全可靠的自进化智能系统关键技术研究”，融合人工智能、机器人学和控制学理论，解决智能机器人从感知到决策的一系列难题，得到安全、可靠、高效的无人车、机械臂等机器人控制策略。
强化学习的安全性和可解释性目前全球都还没有很好的答案。当前有比较好的安全保障机制的机器人系统基本上采用的是传统机器人的工作方法，其智能性受到了一定的限制；而基于自我进化的新型控制方法，其安全性还没有很好的解决方法。陈建宇团队的研究，在“带约束的安全强化学习和感知—决策联合学习”两大方面取得突破，相关成果在人工智能、机器人、控制与智能交通领域顶级期刊和会议发表，得到了同行的认可。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：