日前圓滿落幕的第十七屆全國大學機器人大賽2018 RoboMaster機甲大賽可以很好解答你的疑問。
影象識別、AI、無人駕駛、機器人等未來趨勢技術，已經被一班年輕大學生“玩”出新高度。作為國際性的大學生機器人賽事，第十七屆全國大學機器人大賽2018 RoboMaster機甲大賽日前圓滿落幕，本屆大賽共吸引了全世界近200支戰隊和近萬名學生參加，經過近5個月激烈比賽，廣州本地高校華南理工大學“華南虎”戰隊，憑藉過硬的實力成為衛冕冠軍。
每屆機甲大賽的最大亮點就是體現高階製造業發展趨勢，今年影象識別的應用成為決勝的重要因素之一。目前，影象識別是除語音識別外，人機互動的重要手段之一。蘋果、微軟、谷歌、英特爾、華為等企業都紛紛致力於讓機器具備深度學習能力，讓圖形識別更智慧，讓計算機、機器人“看”世界。
《王者》的機器人現實版
參賽機器人均由團隊親手研發
今年的RoboMaster（以下簡稱RM）機甲大賽類似於手機遊戲《王者榮耀》的模式，被稱為《王者》的機器人版。一支團隊分為英雄機器人、步兵機器人、工程機器人、空中機器人、哨兵機器人共5個角色，其中，步兵機器人有三個，其他角色機器人均有一個。對戰雙方透過機器人之間的協同工作、射擊等進行對抗，最後“擊毀”對方基地或基地血量高者勝利，而且每侷限制在7分鐘之內。
機甲大賽的科技含量在於參賽戰隊需要操作團隊親自研發的機器人，從一個細小的零件開始，焊接、裝拼、核心主機板裝嵌、無人機改裝、寫程式、除錯……到最後完成和操控一支機器人隊伍。近日，全媒體記者來到位於華南理工大學五山校區的機器人實驗室，裡面放置著零件焊接的機器、無數的裝配工具、排線、電路板等，還有用於寫程式的電腦。
要製作如此高比賽級別的機器人，過程是漫長的，經歷無數次反複製作與測試。例如步兵機器人頂端是一個雲臺，包含了子彈發射器，底部是四個輪子組成、能靈活轉向的“車輛”。隊員李佩佩表示，目前這款參加比賽的步兵機器人，不是團隊做出來的“唯一”步兵機器人，“之前有機器人已經做出來了，因為只有做出實物，並且達到較為完整的程度，才能進行測試。雖然比如今這輛更加小巧和靈活，但由於車速以及穩定性沒有後者快與良好，所以被放棄了”。一臺步兵機器人從機械加工到電控“上電”，完成出來大概半個月時間。據介紹，製造出一臺英雄機器人大概需要6位成員共同完成。整個戰隊中，工程與英雄機器人複雜性相對較高，其中，英雄機器人的難點在需要快速“取彈”，這是比賽決勝因素之一，“我們的優勢就在於英雄機器人取彈快，一次效能取兩個彈藥箱，時間在2~3秒之間。”隊員李佩佩說。
衛冕“秘籍”：
視覺研發 幫助機器人自動瞄準更精確
儘管RM大賽每年的規則都有所更新，今年採用的技術和零件明年不能用，但是由於大賽有一項固定規則就是射擊，因此打擊、識別、發射等專案都是一眾強隊鑽研的方向。
根據賽制，發射出的子彈必須打在對方機器人身上規定的裁判系統位置才算有效——讓對方扣掉血量。射擊技術的一個核心是機器人射擊子彈的彈道要穩定與精準，RM官方對子彈的射速有上限規定，每個具備射擊能力的機器人的子彈發射口都有一個測速的裝置，假如檢測到子彈超速就會扣掉血量。所以，參賽隊伍都會盡量在限速的情況下做到高速。
視覺組成員楊澤霖對此解釋道，比如RM官方的限速是25米/秒，團隊就要做到每顆子彈的速度均是24~25米/秒，並且一顆子彈都不超過上限。另外，子彈不能卡住“槍管”，若是卡住了就全場都不能發彈了——這亦是眾多隊伍遇到的難題之一。楊澤霖介紹，今年的機器人採用了較多的氣動結構，相比用電機而言，前者取彈速度更快，而且也加入了眾多的自動輔助技術，例如使用相機自動對位，相比人工對位，前者更加穩定、準確和快速。據瞭解，上屆賽事中僅有極個別隊伍採用了自動瞄準技術，到了本屆比賽，這一技術已成機器人的“標配”。據視覺組隊員楊澤霖表示，團隊機器人身上裝載的攝像頭能自動識別對方，自動跟隨過去，這也是圖形識別技術的應用。
機器人擁有“眼睛”
視覺測試需要反覆多次除錯
據瞭解，華工戰隊今年主要將影象識別運用到了各機器人的自動瞄準、步兵機器人啟用大小能量機關、工程和英雄機器人自動取箱、補給機器人自動給子彈這4個方面，“今年所有機器人都載入視覺識別程式，例如補給站機器人就是自動識別並跟機器人對接進行補彈的”，視覺組隊員解釋，影象識別技術使機器人的速度和穩定性有很大提升。
然而，為機器人裝上攝像頭，寫入自動影象識別程式後，讓它能準確地識別影象並不簡單。“因為實際環境與工業試驗環境是兩回事”，視覺組成員成斌告訴全媒體記者，團隊有一個獨立的視覺實驗室進行機器人視覺測試，測試並非一兩次就能完成，需要多次反覆除錯。因為實際場景的光照強度、光照方向、曝光時間和增益等，都會影響機器人的視覺“能力”。例如在賽場上覆雜的光線或者突如其來的光照，都會給機器人戰隊的視覺系統帶來困難。視覺組隊員表示，他們需要做足夠多的實驗測試，模擬實際環境較為充分，“我們會模擬不同的光線情況，將眾多的實際情況考慮進去”。
據瞭解，目前團隊所研究的識別技術，優勢在於延時低、轉換回來的座標較為精準，這讓機器人打擊的準確率很高。
日前圓滿落幕的第十七屆全國大學機器人大賽2018 RoboMaster機甲大賽可以很好解答你的疑問。
影象識別、AI、無人駕駛、機器人等未來趨勢技術，已經被一班年輕大學生“玩”出新高度。作為國際性的大學生機器人賽事，第十七屆全國大學機器人大賽2018 RoboMaster機甲大賽日前圓滿落幕，本屆大賽共吸引了全世界近200支戰隊和近萬名學生參加，經過近5個月激烈比賽，廣州本地高校華南理工大學“華南虎”戰隊，憑藉過硬的實力成為衛冕冠軍。
每屆機甲大賽的最大亮點就是體現高階製造業發展趨勢，今年影象識別的應用成為決勝的重要因素之一。目前，影象識別是除語音識別外，人機互動的重要手段之一。蘋果、微軟、谷歌、英特爾、華為等企業都紛紛致力於讓機器具備深度學習能力，讓圖形識別更智慧，讓計算機、機器人“看”世界。
《王者》的機器人現實版
參賽機器人均由團隊親手研發
今年的RoboMaster（以下簡稱RM）機甲大賽類似於手機遊戲《王者榮耀》的模式，被稱為《王者》的機器人版。一支團隊分為英雄機器人、步兵機器人、工程機器人、空中機器人、哨兵機器人共5個角色，其中，步兵機器人有三個，其他角色機器人均有一個。對戰雙方透過機器人之間的協同工作、射擊等進行對抗，最後“擊毀”對方基地或基地血量高者勝利，而且每侷限制在7分鐘之內。
機甲大賽的科技含量在於參賽戰隊需要操作團隊親自研發的機器人，從一個細小的零件開始，焊接、裝拼、核心主機板裝嵌、無人機改裝、寫程式、除錯……到最後完成和操控一支機器人隊伍。近日，全媒體記者來到位於華南理工大學五山校區的機器人實驗室，裡面放置著零件焊接的機器、無數的裝配工具、排線、電路板等，還有用於寫程式的電腦。
要製作如此高比賽級別的機器人，過程是漫長的，經歷無數次反複製作與測試。例如步兵機器人頂端是一個雲臺，包含了子彈發射器，底部是四個輪子組成、能靈活轉向的“車輛”。隊員李佩佩表示，目前這款參加比賽的步兵機器人，不是團隊做出來的“唯一”步兵機器人，“之前有機器人已經做出來了，因為只有做出實物，並且達到較為完整的程度，才能進行測試。雖然比如今這輛更加小巧和靈活，但由於車速以及穩定性沒有後者快與良好，所以被放棄了”。一臺步兵機器人從機械加工到電控“上電”，完成出來大概半個月時間。據介紹，製造出一臺英雄機器人大概需要6位成員共同完成。整個戰隊中，工程與英雄機器人複雜性相對較高，其中，英雄機器人的難點在需要快速“取彈”，這是比賽決勝因素之一，“我們的優勢就在於英雄機器人取彈快，一次效能取兩個彈藥箱，時間在2~3秒之間。”隊員李佩佩說。
衛冕“秘籍”：
視覺研發 幫助機器人自動瞄準更精確
儘管RM大賽每年的規則都有所更新，今年採用的技術和零件明年不能用，但是由於大賽有一項固定規則就是射擊，因此打擊、識別、發射等專案都是一眾強隊鑽研的方向。
根據賽制，發射出的子彈必須打在對方機器人身上規定的裁判系統位置才算有效——讓對方扣掉血量。射擊技術的一個核心是機器人射擊子彈的彈道要穩定與精準，RM官方對子彈的射速有上限規定，每個具備射擊能力的機器人的子彈發射口都有一個測速的裝置，假如檢測到子彈超速就會扣掉血量。所以，參賽隊伍都會盡量在限速的情況下做到高速。
視覺組成員楊澤霖對此解釋道，比如RM官方的限速是25米/秒，團隊就要做到每顆子彈的速度均是24~25米/秒，並且一顆子彈都不超過上限。另外，子彈不能卡住“槍管”，若是卡住了就全場都不能發彈了——這亦是眾多隊伍遇到的難題之一。楊澤霖介紹，今年的機器人採用了較多的氣動結構，相比用電機而言，前者取彈速度更快，而且也加入了眾多的自動輔助技術，例如使用相機自動對位，相比人工對位，前者更加穩定、準確和快速。據瞭解，上屆賽事中僅有極個別隊伍採用了自動瞄準技術，到了本屆比賽，這一技術已成機器人的“標配”。據視覺組隊員楊澤霖表示，團隊機器人身上裝載的攝像頭能自動識別對方，自動跟隨過去，這也是圖形識別技術的應用。
機器人擁有“眼睛”
視覺測試需要反覆多次除錯
據瞭解，華工戰隊今年主要將影象識別運用到了各機器人的自動瞄準、步兵機器人啟用大小能量機關、工程和英雄機器人自動取箱、補給機器人自動給子彈這4個方面，“今年所有機器人都載入視覺識別程式，例如補給站機器人就是自動識別並跟機器人對接進行補彈的”，視覺組隊員解釋，影象識別技術使機器人的速度和穩定性有很大提升。
然而，為機器人裝上攝像頭，寫入自動影象識別程式後，讓它能準確地識別影象並不簡單。“因為實際環境與工業試驗環境是兩回事”，視覺組成員成斌告訴全媒體記者，團隊有一個獨立的視覺實驗室進行機器人視覺測試，測試並非一兩次就能完成，需要多次反覆除錯。因為實際場景的光照強度、光照方向、曝光時間和增益等，都會影響機器人的視覺“能力”。例如在賽場上覆雜的光線或者突如其來的光照，都會給機器人戰隊的視覺系統帶來困難。視覺組隊員表示，他們需要做足夠多的實驗測試，模擬實際環境較為充分，“我們會模擬不同的光線情況，將眾多的實際情況考慮進去”。
據瞭解，目前團隊所研究的識別技術，優勢在於延時低、轉換回來的座標較為精準，這讓機器人打擊的準確率很高。