某机构与华盛顿大学科学中心公布首批教师研究资助项目

2022年2月成立的某机构-华盛顿大学联合科学中心宣布了首批教师研究资助获得者，将推动人工智能（AI）和机器人技术的研究发展。该项目通过华盛顿大学咨询小组与某机构的联合评审流程选出，每位获得者将获得最高10万美元的研究资助，所有为期一年的项目都将应对AI或机器人领域的现实前沿挑战。

资助项目及技术详情

徐晨（机械工程教授）：《基于视觉与触觉反馈的自适应抓取与物体操控》 该项目旨在为工业协作机器人赋予人类运用异构反馈抓取和操控物体的智能。研究将整合视觉与触觉反馈来抓取和操控物体，且物体的几何形状、材料和负载均为未知先验信息。实验将采用配备2D立体相机和带压力传感器的平行夹爪的UR5e机器人进行算法验证。

Karen Leung（航空宇航学助理教授）：《从被动安全转向主动安全：可解释的应急规划促进人机协同》 项目目标是为多智能体仓库导航场景中的机器人规划与控制创新主动安全框架，通过开发可解释的机器人运动来诱导亲社会的人机行为，从而实现安全无缝的人机交互，并减少降低性能且可能损坏机器人或货物的被动安全控制器的频繁使用。

Jeffrey Lipton（机械工程助理教授）：《基于机械超材料的动态刚度快速抓取技术》 研究将利用称为手性剪切拉胀材料（H.S.A.）的机械超材料开发新型末端执行器。H.S.A.是中空管上的图案结构，可将旋转直接转换为伸展或弯曲运动，并能动态改变刚度。团队将开发快速 articulated 腕部并通过抓取任务验证其性能，最终为完全由超材料制成的低成本安全机械臂奠定基础。

Adriana Schulz（计算机科学与工程助理教授）：《设计感知的3D场景解析》 研究提出利用可制造性作为底层表示，将搜索空间缩减为可被计算机辅助设计（CAD）系统表示的模型，从而更易管理逆向重建问题。该方法可提高3D重建的局部精度，实现稳健的机器人操控。

Rajesh P. N. Rao（计算机科学教授）：《自监督学习部件-整体层次结构实现语义场景理解》 提出名为主动预测编码网络（APCNs）的新深度学习框架，通过结合强化学习、主动推断和自监督学习，构建可解释的世界模型，适用于密集货箱表示操控和移动机器人动态环境建模等应用。

Chiwei Yan（工业系统工程助理教授）：《现代履约中心自主推车系统的车队规划》 研究针对自主推车系统在实际部署中的车队规划问题，提出一系列新颖、简单且实用的模型，可在进行昂贵现场实验或定制仿真软件前，为从业者提供可靠的车队规模初始估算。

科学中心背景

某机构-华盛顿大学联合科学中心还支持博士奖学金项目，并赞助与某机构利益一致的长期研发项目。更多活动信息可通过官方网站获取。