【CAC2023专题论坛】人工智能驱动的控制系统：可靠性及其应用

2023中国自动化大会（CAC2023）将于11月17日—19日在重庆悦来国际会议中心召开。本届大会由中国自动化学会主办，重庆邮电大学承办，大会以“自主可控强实体 新质生产创未来”为主题，聚焦自动化发展，拥抱智能新时代，共话产业新未来。大会将继续为全球自动化、信息与智能科学领域的专家学者和产业界的同仁，搭建展示创新成果、展望未来发展的高端学术平台，加强学科交叉融合，共促发展新机遇，引领科技新风向。

本届大会设置共计近40个专题论坛，“人工智能驱动的控制系统：可靠性及其应用”论坛集结完毕，将于2023年11月19日召开！敬请期待！

人工智能驱动的控制系统：可靠性及其应用

在全球科技的浪潮中，人工智能已与控制系统深度融合，成为推动自动化发展的关键因素，并有望催生新型的控制系统模式。本专题围绕“人工智能驱动的控制系统：可靠性及其应用”这一主题，从宏观角度分析人工智能如何引领控制系统进入新的纪元，使得控制系统更具效率，提升其适应性和学习能力。在微观角度深度剖析系统实现自我学习和自适应过程中，如何保持人工智能驱动的控制系统的稳定性，提高系统对环境变化的鲁棒性，并探讨其中的关键技术和挑战。借助具体的应用案例，展示人工智能驱动的控制系统在实际场景中如何增强可靠性。本专题邀请多位具有重要影响力的知名专家进行深入探讨，参与者将更好地理解人工智能如何改变控制系统的面貌，并有望找到未来自动化发展的新方向。

本次专题论坛将邀请几位著名的学者展示他们在人工智能驱动控制系统方面取得的进展。

专题主席

宋永端

欧亚科学院院士

中国自动化学会会士、常务理事

重庆大学教授

专题副主席

文瑶

重庆邮电大学讲师

李华青

西南大学教授

专题报告

华长春

中国自动化学会理事

燕山大学教授

报告题目：

网络化遥操作系统的智能控制及应用

报告摘要：

网络化遥操作系统作为能最大限度发挥人类和机械系统各自优势的远程操作系统，目前已被应用于空间探测、海底作业和远程医疗等领域。稳定性能和透明性能是遥操作系统最重要的两个性能指标。遥操作系统需要经网络进行双向信息传输，复杂的网络环境给遥操作系统的性能分析和高性能控制提出了挑战。针对复杂的网络环境，建立遥操作系统的新的数学模型，针对建立的模型进行遥操作系统的多性能分析，刻画网络环境参数对遥操作系统性能的影响，融合网络环境参数提出系统的智能控制器设计新方法。最后，探讨遥操作系统在远程操控挖掘机和消防机器人等领域的应用问题。

报告人简介：

华长春，燕山大学电气工程学院院长/人工智能与机器人研究院院长，主要从事非线性动力系统的控制及应用、网络化控制系统的分析与设计等课题研究。

游科友

清华大学教授

报告题目：

Minimum Input Design for Direct Data-driven Analysis of Unknown Linear Systems

报告摘要：

Modern control theory has been broadly rooted in an indirect data-driven paradigm--identifying a dynamical model followed by model-based control analysis and design. However, examples have confirmed that directly controlling a system may be potentially “easier” than identifying the model, which motivates our study of direct data-driven approach. In a sharp contrast, we analyze the system property (aka property ID) by directly using the input and state feedback data of the unknown system. Via a novel concept of sufficient richness of input sectional data, we first establish the necessary and sufficient condition for the minimum input design to excite the system for property ID. Specifically, the input sectional data is sufficiently rich for any property ID if and only if it spans a linear subspace that contains a property dependent minimum linear subspace, any vector basis of which can be easily used to form the minimum excitation input. Moreover, we rigorously show that many important structural properties can be identified with the minimum input that is however unable to identify the system model. Thus, our results quantify the advantages of the direct data-driven analysis over the model-based analysis for linear systems in terms of data efficiency.

报告人简介：

游科友，清华大学自动化系长聘教授、博士生导师。长期从事复杂网络化系统的学习、优化与控制及其应用研究。目前担任 Automatica, IEEE Transactions on Control of Network Systems, IEEE Transactions on Cybernetics 等国际期刊副编委(Associate Editor)。

赵世钰

西湖大学特聘研究员

报告题目：

多机器人队形控制——从理论到实践

报告摘要：

多机器人集群系统中一个重要研究问题是通过分布式协调机制形成期望的队形。该队形往往对多机器人系统完成协同搬运、协同感知等任务起到重要的作用。相比许多集群问题，队形控制问题有一个独特而重要的技术挑战：全局队形的要求实际上是一个全局约束条件。该约束条件使得本来是合作的机器人之间产生了竞争关系。从本质上来说，正是这种竞关系给队形控制带来了极大困难。传统方法中往往通过目标分配来解决这些竞争问题。然而，当分配的目标不合理或者某些机器人出现故障时，需要不断重分配目标，因此会导致效率较低，而且容错性适应性较弱。本报告将介绍我们近期发表在Nature Communications的一个工作，该工作提出一种新型基于“无私” 探索机制的机器人协调算法。相比现有算法，该算法的效率在集群规模较大的时候能够有数十倍的提升，并且这种提升会随着集群规模的增加而进一步增强。此外，该算法由于不依赖于目标分配，天然地具有良好的容错性和适应能力，可以轻易的拓展应用于复杂空间探索、协同搬运等任务。本次报告也将概要介绍其它相关工作。

报告人简介：

赵世钰目前为西湖大学工学院特聘研究员，智能无人系统实验室负责人。研究领域为移动机器人系统的导航制导与控制、机器人集群系统的协同控制与感知等研究领域。

吕茂隆

中国人民解放军空军工程大学副教授

报告题目：

无人机集群智能决策与协同控制

报告摘要：

无人机集群作为一种新质空中作战体系，是无人智能作战力量的重点发展方向，将在未来局部战争中扮演重要的作战角色。传统的集群决策控制方法在面对高动态、强博弈的复杂战场时，难以进行快速自适应调整，导致战场适应能力逐渐成为制约集群作战效能发挥的关键瓶颈。如何为集群内的每架无人机赋予一定的智能，进而实现无人机集群自主协同、群智汇聚、能力涌现，是提升无人机集群战场适应能力的关键突破口。本次报告，吕老师首先介绍无人机集群在现代战争中的应用及国内外研究现状，然后介绍基于深度强化学习的无人机集群智能决策最新算法以及无人机集群智能协同控制最新方法，最后介绍未来无人作战发展的主要方向。

报告人简介：

吕茂隆，着眼于我军智能化军事长期发展需求，围绕人工智能在集群无人机协同打击、超音速飞行器协同作战、智能空战等新质战斗力领域开展研究，并取得一系列成果。

井冈山

重庆大学教授

报告题目：

A Graph-Theoretic Approach to Distributed Cooperative Multi-Agent Reinforcement Learning

报告摘要：

The main challenge of achieving distributed reinforcement learning (RL) for large-scale cooperative multi-agent systems (MAS) is two-fold: (i) each agent has access to only limited information; (ii) issues on convergence or computational complexity emerge due to the curse of dimensionality. In this talk, I will propose a general computationally efficient distributed framework for cooperative multi-agent reinforcement learning (MARL) by utilizing the structures of graphs involved in this problem. We introduce three coupling graphs describing three types of inter-agent couplings in MARL, namely, the state graph, the observation graph and the reward graph. By further considering a communication graph, we propose two distributed RL approaches based on local value-functions derived from the coupling graphs. Simulations show that our RL algorithms have a significantly improved scalability to large-scale MASs compared with centralized and consensus-based distributed RL algorithms.

报告人简介：

井冈山，重庆大学教授/博导。任中国自动化学会可信控制专委会委员，预测控制与智能决策专委会委员，国际期刊Journal of Automation and Intelligence副编。当前研究方向为多机器人编队与定位、多智能体强化学习、智能机器人运动规划。

宋永端

欧亚科学院院士

中国自动化学会会士、常务理事

重庆大学教授

报告题目：

无人飞行器快速高精度控制

报告摘要：

收敛速度和收敛精度是动态系统控制的重要指标。本报告将系统介绍高精度超指数收敛和预设时间收敛控制理论及设计方法，讨论预设时间控制和有限时间控制的联系以及在无人系统中的应用前景。

报告人简介：

宋永端，重庆大学人工智能研究院院长，重庆大学自动化学院教授/博导，欧亚科学院院士，IEEE Fellow，中国自动化学会会士，注册职业工程师(美国)，IEEE CIS计算智能重庆分会创始人及首任主席，国际知名期刊IEEE Transactions on Neural Networks and Learning Systems主编，研究领域包括机器人及智能系统，控制理论及应用。