2026年10月21日上午，中国科学院大学人工智能学院邀请北京大学喻俊志教授，在雁栖湖校区教一楼109教室作题为《水下视觉环境感知与智能控制》的科学前沿讲座，玉泉路校区同步直播。喻俊志教授结合团队在智能机器人领域的长期研究实践，从AI时代的趋势研判与研究生科研规划谈起，系统讲解了机器人技术的核心要素与具身智能前沿进展，并深入分享了团队在水下机器人视觉与控制、水面清洁机器人及仿生机器人等方面的代表性成果。
喻俊志教授阐述了机器人技术的三大核心要素：感知、决策与执行。从控制角度看，这三者对应着“我在哪里、我要去哪里、怎么去”的基本问题，任何机器人系统都由上层交互与底层控制构成闭环，控制的精髓正在于依据反馈不断迭代优化。他特别强调，安全是一切智能应用的前提，既包括物理层面的“硬安全”，也包括网络层面的“软安全”，在网络攻击与AI诈骗频发的背景下尤需高度重视。他还介绍了机器人产业链的三大关键部件——减速器、伺服系统与控制系统，并指出未来机器人将走向人机共融，形态不必拘泥于人形，满足作业需求才是关键。
围绕具身智能前沿，喻俊志教授梳理了当前十大科技进展，涵盖垂直领域大模型、人形机器人全身运动控制、灵巧操作、脑机接口、工业具身智能落地、柔性执行器、小样本学习、人机共融、集群协作与安全治理等方向。他指出，大模型落地需要与边缘智能协同，灵巧操作是机器人执行复杂任务的关键，脑机接口在医疗康复领域契合老龄化社会需求，而完善的安全治理与规则体系是具身智能健康发展的前提。
在水下机器人视觉与控制部分，喻俊志教授分析了水下环境带来的两大核心困难：一是水下没有类似GPS的定位导航服务，二是水体对光线的散射和吸收造成图像模糊、颜色失真，陆地与空中的成熟方案无法直接沿用。针对图像退化问题，团队设计了基于生成式对抗网络（GAN）的双分支网络，同步消除噪声并恢复细节，处理速度可达133帧/秒，满足实时性要求；针对水下目标检测，提出了融合注意力机制的单阶段检测器，并引入可变形检测头（DRM）机制，通过预测特征采样偏移显著提升小目标定位精度。针对机器人运动导致视野晃动的问题，团队研发了基于惯性测量单元（IMU）的视觉增稳系统，通过电机驱动镜头反向运动抵消机身晃动，并进一步构建了基于DDPG强化学习与自抗扰控制（ADRC）的串级控制器，在不同频率的扰动工况下均取得了更小的角度误差和更优的稳定性能。
在水面清洁机器人部分，喻俊志教授介绍，海洋垃圾中约85%为难以降解的塑料垃圾，并通过食物链威胁人类健康，采用机器人开展水面清洁意义重大。团队围绕垃圾实时检测、电控导航与自主抓取三大技术难点展开攻关：针对缺乏现成数据集的问题，花费数月收集并标注了数千张涵盖塑料泡沫、塑料袋、塑料瓶等类型的水面垃圾图像，为检测算法奠定数据基础；结合SLAM技术实现自主导航与稳定控制；针对抓取环节，深入分析了漂浮物在水中趋向稳定的姿态规律，提出预判抓取策略，待物体趋于稳定姿态后再执行抓取，最终完成了从识别、导航到抓取的完整自主清洁作业演示。
最后，喻俊志教授以仿生海豚机器人为例，阐述了“道法自然”的仿生设计理念。自然界经过长期进化提供了优秀的解决方案，海豚定期跃出水面的生物特性，为机器人在能源补充与信息交互方面提供了设计启发。团队以海豚为仿生对象，采用模块化结构实现了腰关节与尾鳍协同的一体化设计；在控制上借鉴生物的中枢模式发生器（CPG）机制构建节律控制网络，并采用改进的视线制导（LOS）方法实现直线与曲线路径跟踪，使机器人在水流扰动下仍能回归预定轨迹。这类仿生机器人兼具隐蔽性与机动性，在海洋探测、海洋权益维护等方面具有重要的应用前景。
讲座最后，喻俊志教授总结指出，本次讲座从宏观趋势出发，落脚于水下仿生机器人的深度解析，呈现了从产业趋势到核心算法、从硬件设计到控制方法的完整研究链条。他鼓励同学们夯实感知、决策与执行的基本功，培养既懂硬件又精通算法的前瞻式工程能力，积极交流与探索前沿进展。讲座在热烈的交流氛围中圆满结束。
更多专家信息：
喻俊志，北京大学博雅特聘教授、海洋研究院副院长，博士生导师。IEEE Fellow，国家杰出青年科学基金获得者，国家“万人计划”领军人才，入选国家百千万人才工程，享受国务院政府特殊津贴，德国洪堡学者。长期从事智能机器人、水下仿生机器人、机电一体化与智能控制等方向的研究工作，发表学术论文300余篇，其中IEEE汇刊论文180余篇，获授权发明专利75件、美国专利6件；获国家自然科学二等奖、北京市科学技术一等奖、中国自动化学会自然科学一等奖、技术发明一等奖等奖励。
