人工智能就是让机器能够像人一样学习、思考并理解，即用计算机模拟人的智能，它涵盖认知与推理（包含各种物理常识和社会常识）、计算机视觉、自然语言理解与交互（包含听觉）、机器学习等广泛的学科领域。人机协同的混合增强智能是新一代人工智能的典型特征，视听觉信息的认知计算是新一代人工智能的重要研究内容。理解人类视听觉认知并建立可计算视听觉认知模型对人工智能的核心算法具有重大的启示意义。

简要探讨了人工智能的学科概念、进展，及其未来走向。

能源的内在本质—— 物质性、社会性以及信息性解释了能源系统和社会系统之间不可避免的强烈的相互作用。讨论了能源的本质，并提出了社会能源系统在电力方面的概念和内涵。提出了一种基于 ACP 方法的用于构建和研究社会能源系统的一般方法，以美国某大学的校园电网作为算例进行了研究。最后，分别从社会科学和自然科学两方面讨论了社会能源的技术路线，并提出了对未来的展望。

概述了平行交通系统的概念、框架、方法与应用。平行交通系统能够针对具体任务和特定场景构建对应的软件定义的人工交通系统，在此基础上，利用计算实验方法进行实验、分析、评估、预测、学习与优化，并借助平行执行实现对实际交通系统的管理与控制，实现虚实互动的平行智能。平行交通管理与控制是ACP理论的拓展应用，主要强调虚实互动的平行智能产生方式在城市交通管理与控制中的应用，以提高城市交通管理与控制的智能化水平。

基于 ACP 的平行理论在复杂、不确定系统建模与控制方面发挥了重要作用，平行装卸是平行理论在物流装卸领域的具体应用。提出平行装卸系统的基本框架，通过构建不断更新的人工装卸系统模型来描述实际装卸过程，在此基础上，人工装卸系统通过计算实验对实际装卸过程进行预测并给出最佳解决方案，实际装卸系统根据最佳方案的诱导结果再输入人工装卸系统，两者虚实互动，平行执行，实现平行系统的不断升级和优化。

平行驾驶是一种兼具运营管理、在线状态监测、应急驾驶安全接管等功能的先进云端化网联自动驾驶集成解决方案。着重介绍平行驾驶的数字四胞胎系统，即物理车、描述车、预测车和引导车的集成系统。首先，给出平行驾驶与数字四胞胎的具体定义与框架；随后，介绍描述车、预测车和引导车的具体含义和内涵；最后，讨论数字四胞胎系统在矿山、物流等场景中的应用实例。

空间智能软体机械臂因其结构轻巧、灵活可变、可折叠收缩等特性，在航天器在轨服务任务中，将具有广阔的应用前景。首先提出了一种全向驱动的模块化软体机械臂设计方案，利用刚柔耦合动力学理论建立了气控驱动的软体机械臂动力学模型，基于深度回归卷积神经网络理论建立了空间非合作目标检测与识别算法，为空间软体机械臂智能控制奠定了技术基础。进一步地，设计并研制了软体机械臂地面原理样机及其试验系统，通过地面试验，对软体机械臂的自主运动控制和识别算法进行了初步验证。

视觉伺服技术在诸多工业场景中都有相当大的应用前景。传统的视觉伺服方法，通常要求使用高帧率的相机来实现高精度的视觉伺服。高帧率相机的成本之高，使得一般工业用户望而却步。提出了一种新的视觉伺服控制方法，该方法将机器人的运动反馈与视觉传感信号进行了融合，用来产生机器人的运动控制信号。与传统的仅基于视觉反馈伺服的控制方法相比，新方法的运动控制频率与视觉反馈频率（即相机帧率）无关，因此能在低相机帧率条件下，实现高精度的动态视觉伺服。概述了新视觉伺服方法的控制架构，通过动态物体跟踪实验证明了新方法的可行性，并通过性能测试实验说明了新方法在低帧率条件下仍能实现较高精度的视觉伺服。

由于固有的问题复杂性和计算复杂度，三维重建是计算机视觉研究和应用领域非常重要且富有挑战性的课题。目前已有的三维重建算法往往会导致重建的三维模型上存在着明显的空洞、扭曲失真或者模糊不清的部分，而基于机器学习的三维重建算法往往又只能重建简单的分离物体，并表示成三维体元形式。所以这些算法框架对于实际应用来说都还远远不够。从 2014 年起，生成对抗网络被广泛应用于半监督学习，以及产生非真实数据集的应用中。所以本文的重点是采用生产对抗网络原理，来获得高质量的三维重建效果。提出了一种新颖的半监督三维重建算法架构，命名为 SS-GAN-3D。该算法通过训练生成对抗网络模型，使其达到收敛状态，以此来迭代式地提高原始三维重建模型的质量。SS-GAN-3D 只需要将事先观测的二维图像作为弱监督样本，对于三维结构外形的先验知识或者参考观测都没有任何依赖。最终通过定性和定量实验，以及对实验结果的分析，该算法框架在 Tanks ＆amp; Temples 和 ETH3D 标准三维重建测试集上，比目前最先进的三维重建方法有明显优势。基于SS-GAN-3D算法，又提出了三维重建云工作室解决方案。

提出了一种基于超宽带（UWB）定位系统的多移动机器人编队控制算法及系统。UWB定位技术是一种较为成熟的技术，但目前较少应用于编队控制问题中。首先给出了系统框架设计以及机器人的硬件设计，然后对该系统建立数学模型，根据建立的系统模型，设计出分布式控制算法，并且给出系统稳定性的证明，最后仿真实验验证了算法的有效性。

机器人对食品的抓取、拣选是工业自动化中的一个常见问题，但是食品通常形状不规则、特征多变，导致快速、稳定的视觉分析与定位较为困难。提出了一种结合深度学习与生物特征识别的目标点定位方法，首先使用深度学习模型对目标点进行粗定位，之后在粗定位点的邻域中，利用生物特征进行微调，得到精准的目标点坐标。所设计的方法在常见食品——虾的数据上进行了模型训练与性能验证。首先将虾的图像进行预处理后输入深度学习模型得到粗定位点，之后对虾的位姿进行归一化并提取轮廓线，基于对搜索域内的轮廓拟合与特征点检测以精确定位目标点。实验结果证明了该方法的有效性：在包含 1000 张实测样本的测试集上，整体方案的识别率达到97%，可初步满足实际工业应用的要求。

全球能源互联网旨在构建以电力消费为核心的能源模式，跨国跨洲电力交易是推动其发展的必要条件和有效途径。首先分析跨国跨洲电力交易面临的问题，提出了基于区块链和通证经济的跨国跨洲电力市场设计思路。然后，将跨国跨洲电力市场的组成分为5个部分，并分别对这5个部分进行了描述与建模。最后，利用等比例放大的IEEE 39节点系统，对本文所提市场进行了仿真与分析。仿真结果表明，基于区块链和通证经济的跨国跨洲电力市场可以保证跨区域、多主体电力交易的有效实施，同时有利于激励发电商使用清洁能源参与电力市场。