浙江大学工程师学院机器人与智能制造工程项目介绍
浙江大学工程师学院机器人与智能制造工程项目介绍来源： 发布时间：2019-09-17 作者： 阅读次数：3573一. 浙江大学工程师学院简介
浙江大学工程师学院是浙江大学发挥高水平大学优势，服务国家创新驱动发展战略和《中国制造2025》,推进国家、区域经济社会发展和产业转型升级，培养造就更多高层次工程科技人才的重大举措。学院定位为高水平专业型学院，紧密依托浙江大学高水平的综合办学优势，坚持“政府主导、校企协同、复合交叉、国际合作”，努力打造成为支撑我国和我省产业转型升级的高级工程科技人才培养基地和工程领域的产学研创新平台；学院积极推进工程领域专业学位研究生教育改革，按照“高层次、高素质、国际化”的人才培养理念，探索应用型、复合型、创新性的工程科技人才培养体系。
二. 项目背景
随着数字经济的高质量发展，以机器人科技为代表的智能产业蓬勃兴起，成为现代科技创新的一个重要标志。我国已将机器人和智能制造纳入了国家科技创新的优先重点领域，智能制造是《中国制造2025》的主攻方向。机器人已开始与互联网技术以及智能感知、模式识别、智能分析、智能控制等人工智能技术深度融合。智能制造将以实现制造装备的智能化、设计过程的智能化、加工工艺的优化、管理的信息化和服务的敏捷化/远程化等作为主要内容，以“互联网+”为依托，实现传统产业在信息网络中与工业生产系统充分融合基础上的智能升级，打造智能工厂和智能生产。
机器人与智能制造工程是人工智能2.0与机器、制造技术的深度融合，高层次人才培养需要机械工程、控制工程、数据科学等多学科交叉培养才能成才。因此，浙江大学工程师学院设立跨学科的机器人与智能制造工程项目制人才培养机制，探索专业知识复合型高层次工程人才培养的新方法、新模式，并付诸实践检验，是培养机器人与智能制造工程领域高层次人才的重要实践。
三. 项目特点
本项目面向机器人及智能制造行业（企业）实际需求，聚焦机器人、智能制造装备行业，以制造业数字化、网络化、智能化发展为主线，重点培养掌握人工智能2.0与设计、加工、装配、运维等深度融合的关键技术人才。以项目制的新模式开展多学科复合交叉专业学位研究生培养，面向智能制造互联产品、智能制造使能工具、智能制造单元/车间/工厂/行业及制造云等的智能制造产业，培养智能设计、智能传感与检测、智能工业机器人、智能装备、智能运维等方面的应用型、复合型的高层次的机械工程、控制工程领域的工程技术与工程管理人才。
建构起与行业、企业深度合作的“企业战略合作网络”，以共同制定机器人与智能制造专业人才培养标准为纽带，通过共建研发实验室、共建实训基地、共建专业课程、共建师资队伍、共同推进技术创新等方式进一步加强与行业、企业的紧密合作，形成人才共育、过程共管、成果共享、责任共担的校企合作办学体制。
四. 项目培养特色
1. 课程培养：专业课程体现人工智能、先进制造、机器人、工业互联网等交叉，每门专业课程邀请至少一位行(企)业专家参与共建；重视创新设计方法及工程应用（研究方法类）、智能制造前沿技术（技术前沿类）、智能制造实训（实践实验类）等三类课程。
2. 项目实践：课程学习完成后，每位研究生将进入合作企业进行为期六个月以上的专业实践训练，开展高水平的机器人与智能制造关键技术和工程化技术研究，联合攻关重大、重点机器人与智能制造相关的项目。由企业导师和校内导师共同指导完成专业实践训练，并得到企业认可方可完成专业实践训练环节。
3. 企业实习：半年。可以由导师指派到合作企业，也可以由学生自主落实实习单位。
五. 项目合作企业简介
1. 杭州新松机器人自动化有限公司。成立于2010年12月，是一家以机器人独有技术为核心，致力于数字化智能高端装备研发制造的国家高新技术企业，系中科院控股的沈阳新松机器人自动化股份有限公司下属全资子公司。公司为各行各业客户量身定制个性化智能制造整体解决方案，帮助企业实现生产与管理的智能化、数字化、无人化。
2. 宁波海天股份集团公司。以其产品的优质、高效、节能、档次高、经济效益好而闻名于全国塑料机械行业，海天塑机如今遍及全国各省、市，国内市场占有率中大型注塑机在60%以上、小型注塑机在15%以上，企业整体实力及各项经济指标连续六年在全国同行业中名列首位，是国内同行业公认的排头兵。
六. 项目研究方向及导师团队简介
研究方向一：智能制造工程
研究方向二：智能机器人
研究方向三：机器人创新设计与控制
导师团队：浙江大学机械工程学院、控制科学与工程学院导师和产业界高级专家组成。
七. 项目招生人数及说明
新工科、新实践！本项目2020年拟招收全日制专业学位研究生35名，欢迎机械工程、控制工程等专业同学报考。
咨询方式：gcsxyzs@zju.edu.cn 0571-88281621
浙江大学工程师学院
2019.07
人工智能和智能控制有什么关系
人工智能等于智能控制吗？现在不少人常常把人工智能和智能控制两者的概念混淆，可能两者听上去差不多，然而这完全是两个概念。为什么这么说呢?因为智能控制虽然与人工智能联系紧密，但是智能控制只是人工智能的应用技术，人工智能的概念更加宽广。下面小编详细介绍一下人工智能和智能控制的联系区别。
人工智能和智能控制有什么关系？
人工智能(AI)
人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以预见未来几年将会进入“人工智能时代”。
今天许多流行的AI系统使用人工神经网络来模拟由非常简单的互相连接单元组成的网络，有点像大脑中的神经元。这些网络可以通过调整单元之间的连接来学习经验，这个过程类似人类和动物的大脑通过修改神经元之间的连接来进行学习。神经网络可以学习模式识别、翻译语言、学习简单的逻辑推理，甚至创建图像或者形成新设计。其中，模式识别是一项特别重要的功能，因为AI十分擅于识别海量数据中的隐藏的模式，而这对于依赖经验和知识的人类来说就没有那么容易。这些程序运行的神经网络具有数百万单位和数十亿的连接。我们现在所能创造出来的“智能”就是由这些电子神经元网络组成的。
智能控制(intelligentcontrols)
在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。
简而言之，人工智能不等于智能控制，它们两者既有联系有相互区别，大家千万别再弄混淆了呀!
免费分享一些我整理的人工智能学习资料给大家，包括一些AI常用框架实战视频、图像识别、OpenCV、NLQ、机器学习、pytorch、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文、行业报告等。
为了更好的系统学习AI，推荐大家收藏一份。
下面是部分截图，文末附免费下载方式。一、人工智能课程及项目
二、国内外知名精华资源
三、人工智能论文合集
四、人工智能行业报告
学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。
点击下方名片，扫码免费下载文中资料。科学新闻
新一代人工智能新趋势
社会发展史上，人类经历了农业革命、工业革命，当前正在经历信息革命。智能化是信息革命的一个新阶段，信息革命从数字化开始发动，网络化将其提升到了非常重要的阶段，现在人类社会进入了智能化阶段。
人工智能是依托人工设计的装置，为了完成人工规定的任务，通过人工设计的算法和由人工（直接或间接）提供的数据，经学习形成自主的感知、认知和决策能力。人工智能是渗透力很强的通用技术，是引领新一轮科技产业变革的战略性技术，具有溢出带动性很强的“头雁效应”。
近年来，有关人工智能的研究不断增长。WoS统计数据表明，2018~2020年，人工智能算法研究论文数量持续增长，从13万增长到17万多篇，应用领域也逐年扩大。
新一代人工智能技术是在克服现存瓶颈中开辟新道路的。当前人工智能发展的瓶颈，包括数据可获得性和质量问题、模型可移植性问题、能效和能耗问题、语义鸿沟问题、算法可解释性问题、可靠性问题等等。
数据的可获得性和质量是新一代人工智能面临的第一个大问题。大量数据的获得并不那么容易，一般的企业没有能力获得这么大量的数据，也花不起如此之高的成本去做大量标注，而且还需要投入大量的算力。
其次是能耗瓶颈。2020年5月，人工智能非营利组织OpenAI发布了预训练语言模型GPT-3，其具有1750亿参数，在许多自然语言处理数据集上均具有出色的表现，包括翻译、问答和文本填空任务，还包括一些需要即时推理或领域适应的任务等，可以说其在很多实际任务上已大幅接近人类水平。开源预训练模型大大降低了企业开发的门槛，但这种神经网络模型所需的数据、算力和能耗非常大，GPT-3训练所用的数据量达到45TB，训练费用更是超过1200万美元。
值得关注的是，近年来AI加速器的需求快速增长，发展异常活跃，一批新生力量强势崛起。一方面是通过将现有算法嵌入芯片，提高速度、降低能耗；另一面，也出现了一些高效的新算法。
比如，来自麻省理工学院、维也纳工业大学等机构的团队，仅用19个类脑神经元就实现了控制自动驾驶汽车，使其能够模仿学习，具有扩展到仓库用自动化机器人等应用场景的潜力，而常规的深度神经网络则需要数百万神经元。这种类脑小参数模型的能耗也大为降低。这一研究成果发表在2020年10月《自然•机器智能》上。
2020年8月，《自然》封面报道了清华大学的研究成果——“类脑计算与机器学习结合的芯片问世”，成为全球关注的重大新进展。
2020年10月，《自然》发表清华大学张悠慧等提出的“类脑计算完备性”概念以及软硬件去耦合的类脑计算系统层次结构。《自然》评论认为：“‘完备性’新概念推动了类脑计算”，对于类脑系统存在的软硬件紧耦合问题而言，这是“一个突破性方案”。
2020年12月，北京大学杨玉超团队提出并实现了一种基于相变存储器（PCM）电导随机性的神经网络高速训练系统，可有效缓解人工神经网络训练过程中时间、能量开销巨大并难以在片上实现的问题，为人工神经网络在终端平台上的应用以及片上训练的实现提供了新的方向。
无论是从算法、理论、硬件还是基础器件，都可以看到新一代人工智能技术的新趋势：强功能、高效率、新体系。
人工智能产业发展
中国新一代人工智能发展战略研究院选择以人工智能解决方案为主业的企业进行研究，经过持续三年的观察发现，智能科技产业是企业、大学、科研院所、投资者、链接者（会议、联盟）和政府六类主体通过资金、技术和人才关系相互作用的复杂适应系统。
我们从2205家企业入手，发现他们联系到200多家大学、100多个研究所，参加了1000多个会议，涉及到400多个联盟、3741家投资者以及500多条地级以上政府的政策、1000多个地级以上政府产业园，连成一个密密麻麻的图，我们称之为“价值网络图”。这个图虽然看上去一团乱麻，实质上反映出人工智能产业紧密连接的形态特征。
我们进一步观察到，2018年连接度最高的是BAT三个平台，2020年华为的连接度上升到第一位。我们还发现，一批汽车制造企业由于融入了智能技术，已经成为智能产业的重要力量。总体上来看，人工智能和实体经济的结合越来越紧密，融合产业部门正在成为智能产业发展的主导力量，智能机器人成为人工智能与实体经济的重要结合点。
在中国这样的人口大国，为什么要发展机器人？我认为，机器人不是要一般性地代替人的工作，而是要去做不适宜人做或人们不愿意做的工作。在工业化早期，正如卓别林在电影《摩登时代》中表现的那样，工人每天做着紧张乏味的机械式劳动，这种机械式劳动把人变成机器。于是，人们强烈希望用某种机器来代替这种机械劳动，代替人完成那些枯燥、单调、危险的工作，于是机器人应运而生。没有机器人，工业化把人变为机器；有了机器人，人仍然是工业化的主人。
我国科学家对机器人的定义是：“机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。”
机器人存在安全之忧、能力之忧、成本之忧、失业之忧、灭种之忧这五个“发展之忧”。要想解决这些问题，机器人需要上网，通过大数据和人工智能结合，为机器人增能提智；同时，还要为机器人立心立德，把伦理植入系统，做到可检测、可检验。
新一代人工智能与新一代机器人融合趋势下，信息技术与制造技术深度融合的数字化、网络化、智能化制造是主线，这体现在以机器人为载体、以工业互联网为基础，推动新一代人工智能和实体经济深度融合。
新一代人工智能和机器人共融发展
“与人共融”是新一代机器人面临的共性挑战。目前机器人在智力和行为能力上与人是不可比拟的。要做到与人共融，机器本体的行为能力仍需加强，要更加敏捷，同时智能技术和智能水平也应增强，使其在智力和行为能力上与人的水平相匹配，这样才能实现与人协同。
工业机器人要融入“有人的生产线”，与工人互助合作完成任务；服务机器人要融入普通人（老人、残疾人、家庭主妇等等）的家庭生活；特种机器人则要更多提高自主智能，降低对人的遥操作的依赖。
传统人工智能技术主要在非行为空间、确定性约束或规则下进行推理决策，如问题求解、定理证明、模式识别、专家系统、人机博弈等等；而机器人所需的智能是在行为空间。因此，具有约束条件的非预知性、动态性、操作/合作对象的随机性以及行为决策所必须的实时、鲁棒性，都对人工智能提出了技术挑战。
机器人的智能是在与工作环境、合作对象、作业目标的不断交互过程中，通过自主学习而形成的“发育智能”，而非基于完备规则下的“计算智能”。因此，要把握机器人智能发育理论、方法与发展趋势；利用机器学习、人工智能与脑科学的研究成果，研究基于模仿学习、自主学习的机器人知识、技能获取与增长机制及实现方法；面向自主作业和自主移动，研究机器人智能发育的软硬件实现方法。
机器人的智能发育，是指机器人利用其自身所具备的感知能力，在其与环境以及操作者的实时动态交互过程中，增量式、渐进地提升自身自主行为能力的过程。与传统的机器学习方法相比，智能发育需要具有以下特点使之更适合于机器人的智能获取与提升：一是具有类人的、无需大样本的学习模式；二是能够适应动态、不确定环境和非特定使命；三是具备长期、增量式的经验积累能力；四是可以融合人的智能，实现二者的高效协同，让人工智能和机器人相向而行，共同支撑智能制造，实现人工智能和实体经济的深度融合。■
（作者系世界工程组织联合会主席、中国电子学会副理事长，记者高雅丽整理）