「AI新青年講座」將邀請世界頂尖AI研究機構和大學的科研新青年，主講他們在計算機視覺、機器學習等人工智能領域的最新重要研究成果。

AI新青年是加速人工智能前沿研究的新生力量。AI新青年的視頻講解和直播答疑，將可以幫助大家增進對人工智能前沿研究的理解，相應領域的專業知識也能夠得以積累加深。同時，通過與AI新青年的直接交流，大家在AI學習和應用AI的過程中遇到的問題，也能夠盡快解決。

有興趣分享學術成果的朋友，可以與智東西公開課教研團隊進行郵件（class@jmfly.net）聯系。

多模態傳感器融合對于自主機器人完成復雜和危險的任務至關重要，例如在地下環境中感知、工業檢查和搜救。在這些無GPS 的場景中，黑暗、空氣中的模糊條件（灰塵、霧和煙霧）和缺乏感知特征是目前阻礙我們采用機器人系統實現長期自主的主要挑戰。

然而在例如長隧道或存在遮擋物（例如霧、灰塵、煙霧）等這種無結構的環境中，由于退化和異常值，激光雷達的方法雖然可以提供高保真 3D 測量，但難以提供可靠的運動估計，而視覺相機的方法又很大程度上受限于光線條件。因此，基于激光雷達、基于視覺或基于激光雷達和視覺的 SLAM 方法都不是在具有挑戰性的環境中的最佳選擇。

基于此，來自卡內基梅隆大學的趙世博博士等人，針對挑戰性環境提出了一種魯棒的視覺里程計框架 TP-TIO。該方法是基于深度特征的熱感-慣性里程計（TIO，Thermal-Inertial Odometry）框架，在各種視覺退化環境（主要是煙霧環境）中進行了全面的評估。實驗表明，在煙霧環境中，TP-TIO 優于最先進的視覺里程計和激光里程計方法，在正常的環境中也達到了具有競爭力的精度。

同時，趙世博等人還提出了一種高精度多模態傳感器融合框架 Super Odometry，該方法提供了一種簡單而有效的方法來融合多個傳感器，例如 LiDAR、Camera 和 IMU 傳感器。與傳統的傳感器融合方法不同，Super Odometry 采用以 IMU 為中心的數據處理方案，它結合了松耦合和緊耦合的優點，并以粗到細的方式恢復運動。為了確保實時的高性能，趙博等人還應用了一個動態八叉樹，與靜態 KD-tree 相比，它只消耗 10% 的運行時間。

Super Odometry 目前已作為算法核心廣泛應用到機器人所多個項目， 包括 DARPA 地下機器人挑戰項目、DSTA無人機極端環境定位項目、Offroad 野外無人車導航項目、Multi-robot 多機器人協同定位項目，在不同的機器人平臺累計測試長達2年，并一直沿用至今。

1月10日早10點，AI新青年講座第189講邀請到卡內基梅隆大學Robotics Institute在讀博士趙世博參與，主講《初探多機器人、多模態的通用SLAM框架設計》。

講者
 趙世博，卡內基梅隆大學Robotics Institute在讀博士；長期從事在復雜場景下的多機器人，多模態的魯棒位姿估計和三維重建；所開發的Super Odometry 已作為算法核心廣泛應用到機器人所多個項目， 包括 1）DARPA 地下機器人挑戰項目 2）DSTA無人機極端環境定位項目 3） Offroad 野外無人車導航項目4）Multi-robot 多機器人協同定位項目，在不同的機器人平臺累計測試長達2年，并一直沿用至今；曾獲得DARPA挑戰賽城市賽道第二名，總決賽第四名.先后在IROS、ICRA、JFR、TRO 等國際會議或期刊發表多篇論文并擔任審稿人。

第189講

主 題
《初探多機器人、多模態的通用SLAM框架設計》

提 綱
1、SLAM研究進展概述
2、SLAM框架目前存在的挑戰
3、面向挑戰性環境的魯棒視覺里程計框架TP-TIO
4、以IMU為核心的激光雷達視覺慣性融合框架Super Odometry
5、工作不足之處以及SLAM未來展望

直 播 信 息
直播時間：1月10日10:00
直播地點：智東西公開課知識店鋪

成果

TP-TIO/Super Odometry
《TP-TIO: A Robust Thermal-Inertial Odometry with Deep ThermalPoint》
 《Super Odometry: IMU-centric LiDAR-Visual-Inertial Estimator for Challenging Environments》

論文鏈接
//arxiv.org/pdf/2012.03455.pdf
//arxiv.org/pdf/2104.14938.pdf

項目地址
www.superodometry.com