In this paper, a novel deep learning dataset, called Air2Land, is presented for advancing the state-of-the-art object detection and pose estimation in the context of one fixed-wing unmanned aerial vehicle autolanding scenarios. It bridges vision and control for ground-based vision guidance systems having the multi-modal data obtained by diverse sensors and pushes forward the development of computer vision and autopilot algorithms targeted at visually assisted landing of one fixed-wing vehicle. The dataset is composed of sequential stereo images and synchronised sensor data, in terms of the flying vehicle pose and Pan-Tilt Unit angles, simulated in various climate conditions and landing scenarios. Since real-world automated landing data is very limited, the proposed dataset provides the necessary foundation for vision-based tasks such as flying vehicle detection, key point localisation, pose estimation etc. Hereafter, in addition to providing plentiful and scene-rich data, the developed dataset covers high-risk scenarios that are hardly accessible in reality. The dataset is also open and available at https://github.com/micros-uav/micros_air2land as well. The cover image is based on the Research Article Air2Land: A deep learning dataset for unmanned aerial vehicle autolanding from air to land by Tianjiang Hu et al., https://doi.org/10.1049/csy2.12045.

本文提出了一种具有六自由度运动能力的最小推力矢量旋翼飞行器(mTVR)。该mTVR仅配备了三个可摆动的推力单元，并采用同轴反桨设计来产生纯推力。因此，该mTVR能够基于满秩雅可比矩阵实现包含解耦平移和旋转的六自由度飞行。我们首先通过探究包含五个几何参数的雅可比矩阵的条件数，对mTVR的几何结构进行了优化。随后，根据mTVR原型的实际硬件配置，对整个系统进行了细致的建模，包括同轴反桨推进器、用于摆动的高压伺服系统和详细的飞行器多刚体运动动力学。接下来，我们对六自由度执行器的输出包络和动态响应性能进行了评估。最后，我们设计了一个具有抗干扰能力的六自由度运动控制器，并在一个为该mTVR开发的专用多功能软件平台上进行了测试。结果表明，该控制器在飞行器常规以及激烈的操作中都具有良好的稳定性。

运动规划是无人飞行器(UAVs)的一个重要模块，特别是在自主导航和操作场景中。本综述阐述了一些最近的无人飞行器运动规划算法和相关应用进展。本综述的逻辑流程分为路径查找和轨迹优化两部分，前者是大多数运动规划系统的前端，而后者通常是后端。本文详细介绍了各项研究的动机、方法、问题的提出和推导。最后一节阐述了相关算法的现实应用，介绍了最流行的运动规划方法的作用和有效性。

针对不同负荷类型和电力需求的多微电网系统，本文提出了一种基于自适应变异遗传算法的多微电网经济调度策略。在分析工业、住宅和商业负荷的基础上，同时考虑到多微电网之间的协同和互补，从环境保护和经济性的角度出发，我们建立了基于最低运行成本和环境保护成本的多微电网最优调度模型。同时，提出了一种自适应变异遗传算法对该系统模型进行优化，找出最优的经济调度策略。

斑马线检测是电子出行助手的一项基本功能。它可以定位斑马线并估算其方向，从而帮助视障人士安全过马路。与传统的斑马线检测方法不同，本文采用了基于卷积神经网络的回归方法来检测斑马线。具体来说，一个固定大小的窗口在路口采集的图像上滑动，将得到的图像块依次输入到逻辑回归模型中，以识别斑马线。然后，将斑马线图像块输入到回归模型进行方向预测。在预测前，利用反向传播算法对模型参数进行优化。与现有的方法相比，该方法可以提高斑马线识别的精度-召回性能，降低预测方向的均方根误差。

近年来，层析粒子图像测速(Tomo-PIV)已成功地应用于三维流场的测量。该技术高度依赖于基于多台摄像机在不同视角的图像重建空间粒子分布的重建技术。作为最受欢迎的重建方法，乘代数重建法（MART）在稀疏粒子分布重建方面具有较高的计算速度和较高的精度。然而，在稠密粒子分布的情况下，其重建精度并不令人满意。针对这一问题，本文提出了一种对称编码-解码全卷积网络来提高MART的重构质量。该神经网络的输入是MART方法重建的粒子场，输出是相同分辨率的重建图像。数值计算结果表明，经过训练的神经网络可以有效地细化模糊或不规则的粒子。大部分的虚粒子也可以用这种过滤方法去除。同时，在不增加计算量的前提下，重建精度可提高10%以上。实验结果表明，训练后的神经网络能提供令人满意的重建效果以及改进的速度场。

Artificial intelligence is penetrating various fields. The demand for interdisciplinary talent is increasingly important, while interdisciplinary educational activities for high school students are lagging behind. Project-based learning (PBL) in artificial intelligence (AI) and robotic education activities supported by a robotic sailboat platform, the sailboat test arena (STAr), has been shown to popularise AI and robotic knowledge in young students. In the implementation of the programme, PBL was provided for students, and gamification pedagogy was applied to increase participants' learning motivation and engagement. The results show that the proposed STAr-based programme is capable of delivering the desired knowledge and skills to students at high school levels. The assessment results suggest that most students achieve learning outcomes on average. Students showed more interest in AI and marine disciplines and were willing to participate in more such educational programs. The findings fill the research gap that few existing education platforms have facilitated the teaching and learning of AI and marine disciplines for high school students.

近年来，由于脑电图(EEG)脑机接口(BCI)能够通过非侵入性电极直接记录大脑皮层激活模式的神经信号，因此在上肢假肢控制领域得到了广泛的研究。目前常见的使用肌电图（EMG）直接从具有一些残余解剖结构的残肢获取神经肌肉信号的方法存在一定限制，而脑电图脑机接口被认为是一种可以绕过这些限制的方法。在本研究中，采用顺序前向选择算法形成10个最佳通道表示，同时采用扩展的信号特征向量，对四名不同残肢长度的经肱骨截肢者进行了研究，对比了仅肌电图、仅脑电图和肌电-脑电图融合感知三种配置下的运动意图解码性能。结果表明，仅肌电图感知时使用扩展特征向量能够极大地改善性能，但是仅脑电图感知时使用扩展特征向量仅能够轻微地改善性能。因此，当两个信号的信息融合在一起时，只有轻微的性能改善。这可能是由于脑电图在头骨上散布了更多的通道来提供可靠的意图解码。现在，进一步的工作将涉及优化研究，以找到一个更好的电极简约性表示，以尽量减少通道的数量，同时提高运动意图解码精度。

计算机视觉是许多现代技术的重要基石，比如现代计算机辅助外科手术，特别是在微创外科手术导航方面。手术导航为计算机辅助手术提供了必要的空间信息。在各种感知形式中，基于视觉的传感被认为在跟踪和定位应用中很有前途，这主要是因为它能够提供及时的术中反馈，并且是无接触传感。在手术导航中，基于视觉的传感研究挑战来源于许多因素，其中一些与其他形式的导航系统所面临的挑战一样。常见的手术导航系统使用外部跟踪系统跟踪手术工具，这可能会受到技术和可用性问题的影响。与使用外部跟踪系统实现的方法相比，基于视觉的跟踪提供了一个相对精简的框架。本综述旨在讨论当前基于视觉传感的手术导航研究和发展。所选的综述材料将提供对最新技术和技术问题的全面评价，以便全面地讨论当前技术发展中的挑战和知识缺口。最后，本文对基于视觉传感的手术导航研究意义和发展前景提出了自己的看法。

针对上肢康复机器人动态建模中存在的参数不确定问题，本文提出了一种基于变参数粒子群优化（PSO）的动态参数识别方法。基于系统的动态模型，该算法将基础粒子群算法的惯性参数和学习规律由固定参数变为随迭代次数变化的函数。它解决了基础粒子群算法早期搜索空间小，后期收敛速度慢的问题，大大提高了其识别精度。最后，通过对仿真结果的对比分析，与最小二乘算法（LS）和未改进的粒子群算法相比，该算法的识别精度有了很大的提高。该算法在实际控制系统中的控制效果也明显优于最小二乘算法和未改进的粒子群优化算法。

作者提出了一种新的强化学习（RL）框架，其中智能体行为受传统控制理论的控制。这种集成方法称为时效性决策RL，它使RL能够应用于许多实际系统，这些系统的基本动力学在它们的控制理论公式中是已知的。促进这种集成的关键是对显示时间函数建模，将状态-动作对映射到底层控制器完成动作的时间。在他们的框架中，他们通过动作的价值(动作价值)和执行动作所需的时间(动作时间)来描述动作。动作价值来自于RL对于状态的策略。动作时间通过一个从底层控制器测量活动中学习的显式时间模型来估计。然后使用嵌入时间模型训练RL价值网络以预测动作时间。此方法通过一个Atari Pong的变体进行了测试，并被证明是收敛的。

与肌电假肢相关的一个关键挑战是从截肢者的残余解剖结构中获取高质量的手势意图信号。在这项研究中，作者旨在融合穿戴式肌电图（EMG）和近红外（NIR）信号对12名健全人的8个手势动作进行分类，并通过观察该方法的分类精度来克服这一挑战。作为研究的一部分，研究人员研究了不同感知配置情况下多种分类方法的分类精度，这些感知配置包括仅肌电图信号、仅近红外信号和肌电图-近红外融合信号，分类方法包括多层感知器神经网络，线性判别分析和二次判别分析。作为研究的一部分，他们进行了单独的离线超声波扫描，作为真实数据与可穿戴传感器采集结果进行对比，同时这些数据能够使研究人员在手势运动期间更仔细地研究沿肱骨的解剖结构。这项工作的结果和发现表明，在不需要使用侵入性神经肌肉传感器或更复杂硬件的条件下，使用价格合理、符合人体工程学、可穿戴的肌电图和近红外传感技术，进一步发展上臂假肢是可行的。

现实世界是由多平面和曲面构成的。如果一个场景包含比相机视场更大的视场，那么使用手持相机通过正投影视图对这些表面进行成像是很麻烦的。如果场景在地理上超出了人类能够到达的范围或者无法进入这个场景，那么就无法使用手持设备上对场景进行这样的正面拍摄。廉价飞行器的出现，如四轴飞行器，使大型表面的正交成像成为可能，这可以用于之后的进一步分析之中，无论是出于休闲目的还是严肃的科学目的。然而，在此类表面上，四轴飞行器的手动导航往往是十分繁琐的，并且结果并不令人满意。在本文中，作者提出了一种用于多平面表面成像的四轴飞行器自主导航方法。该方法以现有的并行跟踪和基于映射的方法为基础，创建了输入场景的近似稀疏三维地图。接下来，作者确定了每个有界平面上用来获取视频的精确位置，然后四轴飞行器自主导航操作通过这些路径点。这就产生了一个用于使用现成的四轴飞行器来可视化场景的端到端应用。

本文研究了一个使用帆船编队的多智能体系统旅行推销员问题（最短路径问题）。本文提出了一种遗传算法(GA)，该算法将赋予每个智能体数量不同的收集目标。该遗传算法能够在最短的时间内获得次优解决方案。此外，本研究将其应用于特定的帆船编队问题中，与自主水下航行器或机动车辆相比，帆船编队在推进方面具有十足的挑战性。这是因为其他机器的运动可以被灵活地控制，然而帆船的运动受到了可用风向和速度的限制。因此，该方法考虑了帆船不同位置的风力条件。仿真结果表明了该方法的有效性。

本文针对多旋翼飞行器在飞行前和飞行中出现的不良故障，为飞行器半自主控制模式提出了一种基于监督控制理论（SCT）的故障安全机制设计方法。故障安全机制是一种通过综合来自制导、姿态控制、诊断和其他底层子系统的实时信息，提供多旋翼飞行器后续动作的控制逻辑。为了设计多旋翼飞行器故障安全机制，本文介绍了多旋翼飞行器存在的安全问题。随后，本文详细描述了包括功能需求和安全需求两方面的用户需求，其中功能需求指建立被控对象多旋翼飞行器的通用模型，而安全需求涵盖了处理上述安全问题的故障安全措施。根据这些要求，本文定义了几种多旋翼飞行器模式和事件。在此基础上，通过自动机对被控对象多旋翼飞行器和控制指标进行建模。然后，利用监督控制理论构建一个监督器。此外，作者展示了三个例子来说明由于控制指标设计不当而可能出现的冲突现象。最后，基于所得到的监督器，本文提出了一种适用于多旋翼飞行器的实现方法。在该方法中，监督器被转化为了决策代码。

The cover image is based on the Research Article A global path planning algorithm based on the feature map by Peng Liu et al., https://doi.org/10.1049/csy2.12040.

如今，最优运动规划正变得越来越重要，并且对于学术界开发的运动规划算法能否应用于实际应用至关重要。本文主要从决策变量和问题描述、约束条件和优化目标三个方面综述了最优运动规划算法的研究现状。本文挑选并回顾了一些相关的技术，并讨论了它们的有效性和局限性。本综述中提供的并排比较有助于深入了解所回顾的方法的优点和局限性，并有助于进行系统级设计选择。

Model-based gait recognition with skeleton data input has attracted more attention in recent years. The model-based gait recognition methods take skeletons constructed by body joints as input, which are invariant to changing carrying and clothing conditions. However, previous methods limitedly model the skeleton information in either spatial or temporal domains and ignore the pose variety under different view angles, which results in poor performance for gait recognition. To solve the above problems, we propose the Multi-Branch Angle Aware Spatial Temporal Graph Convolutional Neural Network to better depict the spatial-temporal relationship while minimising the interference from the view angles. The model adopts the legacy Spatial Temporal Graph Neural Network (ST-GCN) as its backbone and relocates it to create independent ST-GCN branches. The novel Angle Estimator module is designed to predict the skeletons' view angles, which enables the network robust to the changing views. To balance the weights of different body parts and sequence frames, we build a Part-Frame-Importance module to redistribute them. Our experiments on the challenging CASIA-B dataset have proved the efficacy of the proposed method, which achieves state-of-the-art performance under different carrying and clothing conditions.

在本研究中，作者研究了机器人网络的最优路径选择和相对运动控制问题。路径规划方案基于最优路径参数的模糊势函数设计。最优路径参数，如路径概率和传输速率，由一个离散优化问题得到。为了处理物理系统中的干扰和不确定性，本文提出了一种自适应的二阶滑动模式控制（SMC）方案，用于机器人网络的相对运动控制，其中干扰信号采用一种新型干扰观测器进行估计，控制器参数采用基于Lyapunov理论的自适应调整算法进行在线更新。仿真实验以及基于Pioneer P3-DX机器人的实时实验验证了所提出的路径规划器和控制方案的鲁棒性，同时得出了基于传统SMC和自适应SMC的对比结果。

In this work, a new active fault tolerant control (FTC) is developed for an unmanned bicycle robot based on an integration between a sliding mode control (SMC), fault detection (FD), and fault estimation (FE) via a residual signal. A sliding surface in accordance with the fault tolerant sliding mode control (FTSMC) is designed for the bicycle robot to get multiple exciting features such as fast transient response with finite time convergence, small overshoot and quick stabilisation in the presence of an actuator fault. To obtain an effective performance for the FTSMC, a fault estimation system is employed and in order to attain estimation, an extended Kalman filter (EKF) as an estimator and a change detection algorithm called cumulative sum (CUSUM) as a residual evaluation function are developed. The innovative features of the proposed approach, that is FTSMC, are verified when compared with the other up-to-date control techniques like fault tolerant model-based predictive control with feedback linearisation (FTMPC + FBL) and fault tolerant linear quadratic regulator with feedback linearisation (FTLQR + FBL) on an unmanned bicycle robot.

本研究提出了一种鲁棒控制器，通过控制安装在车辆上的线控转向系统来降低横向加速度，从而抑制自动驾驶车辆的侧翻风险。首先，由于侧滑角难以被直接测量，因此本文提出了一种结合附加开关项与线性观测器的滑模观测器，以在系统存在不确定性时提供更稳健的侧滑角估计。其次，本文提出了一种自适应滑模控制方法，该方法可以自适应地调节控制增益来补偿系统的不确定性。最后，本文通过仿真验证了所提出的估计器和控制器能够有效地、鲁棒地降低车辆侧翻风险。

无人驾驶视觉感知是机器人感知的重要应用之一。随着无人驾驶汽车的发展，汽车对周围环境的感知和理解能力变得越来越重要。当周围物体的类型过于复杂时，计算机识别周围环境的能力会变得很差。为了提高计算机的识别精度和分割能力，本研究使用估计的深度信息来辅助语义分割，然后引入物体的边缘特征来增强物体的轮廓。基于以上改进，本文提出了一种基于神经网络的语义分割模型，并在最后使用内在的注意力机制来增加通道间的相关性。在CamVid数据集上的实验结果表明，与其他模型相比，该模型能够获得更好的评价指标，更高的图像分割精度。

现代微型飞行器（MAVs）的设计大多受到大自然中飞行生物的启发，例如蜂鸟和飞虫，这带来了仿生微型飞行器的诞生。本综述介绍了仿生微型飞行器气动机理研究的历史和最新进展,并特别关注于那些使用仿生非定常气动机理的复合布局。简要回顾了几种成功的仿生微型飞行器和昆虫飞行中的非定常高升力机理。根据复合布局气动机理的最新发现，介绍了四种类型的复合布局，即固定/扑翼微型飞行器，拍动旋翼微型飞行器，多对扑翼微型飞行器和摆线旋翼微型飞行器。最后，提出了微型飞行器领域未来的发展方向。作者的回顾可以为未来仿生微型飞行器的气动机理研究和仿生微型飞行器的实际设计提供扎实的背景知识。

The feature map is a characteristic of high computational efficiency, but it is seldom used in path planning due to its lack of expression of environmental details. To solve this problem, a global path planning algorithm based on the feature map is proposed based on the directionality of line segment features. First, the robot searches the path along the direction of the target position but turns to search in the direction parallel to the obstacle, which it approaches until the line between the robot and the target position does not intersect with obstacles. Then it turns to the target position, keep searching the path. Meanwhile, the problems of the direction selection of turning point, corner point and obstacle circumvention in the searching process are analysed and corresponding solutions are put forth. Finally, a path optimisation algorithm with variable parameters is proposed, making the optimised path shorter and smoother. Simulation experiments demonstrate that the proposed algorithm is superior to A* algorithm in terms of computation time and path length, especially of the computation efficiency.

Simultaneous localization and mapping methods are fundamental to many robotic applications. In dynamic environments, SLAM methods focus on eliminating the influence of moving objects to construct a static map since they assume a static world. To improve localization robustness in dynamic environments, an RGB-D SLAM method is proposed to build a complete 3D map containing both static and dynamic maps, the latter of which consists of the trajectories and points of the moving objects. Without any prior knowledge of the moving targets, the proposed method uses only the correlation between map points to discriminate between the static scene and the moving objects. After the static points are determined, camera motion estimation is performed only on reliable static map points to eliminate the influence of moving objects. The motion of the moving objects will then be estimated with the obtained camera motion by tracking their dynamic points in subsequent frames. Moreover, multiple groups of dynamic points that belong to the same moving object are fused by a volume overlap checking step. Experimental results are presented to demonstrate the feasibility and performance of the proposed method.

With a wide range of applications in autonomous driving and robotics, semantic segmentation for large-scale outdoor point clouds is a critical and challenging issue. Due to the large number and irregular arrangement of point clouds, it is difficult to balance the efficiency and effectiveness. In this paper, we propose LessNet, a lightweight and efficient voxel-based method for LiDAR-only semantic segmentation, taking advantage of cylindrical partition and intra-voxel feature fusion. Specifically, we use a cylindrical partition method to distribute the outdoor point clouds more evenly in voxels. To better encode the voxel features, we adopt an intra-voxel aggregation method without querying neighbours. The voxel features are further input into a lightweight and effective 3D U-net to aggregate local features and dilate the receptive field. Extensive experiments prove the satisfied semantic segmentation performance and the improvement of each component in our proposed framework. Our method is capable of processing more than one million point clouds at a time while retaining low latency and few parameters. Moreover, our method achieves comparable performance with state-of-the-art approaches and outperforms all projection-based methods on the SemanticKITTI benchmark.

本研究提出了一种基于极限学习的非线性模型预测控制器(NMPC)，用于自主式水下航行器(AUV)的水平航路点路径跟踪规划。该控制器由运动控制器和动态控制器组成。运动控制器使用逆推法设计，而动态控制器使用NMPC法设计。使用极限学习机(ELM)结构对水下机器人的动力学特性进行实时辨识。为了提高ELM结构的性能，采用Jaya优化算法确定了其隐含层的最优参数。然后，将得到的ELM模型用于考虑舵面约束的NMPC设计。本文提出的控制器的跟踪性能与最近提出的两种控制算法，H∞状态反馈控制器和逆最优自整定比例积分微分(PID)控制器进行了比较。所提出的控制器由MATLAB实现，并在作者实验室研制的自主式水下航行器样机上进行了实时控制。仿真和实验结果都表明，与H∞状态反馈控制器和逆最优自整定PID控制器相比，所提出的控制器具有更优异的跟踪性能。

Mixed targets are composed of point targets, extended targets, and group targets. The point target can produce one measurement at most, the extended target and the group target can produce multiple measurements, but the sub-goals of the group target have a certain dependency relationship. At this time, the estimated fusion of the group target is converted to the estimated fusion of sub-targets with formation motion structure, and the distance among the sub-targets is very close, which brings difficulties to the estimated fusion of mixed targets. This paper combines the adjacency matrix in graph theory to dynamically model the discernible group target and introduces the concept of deformation. Also, it uses the finite mixture model method to dynamically model the extended target. Then the Gibbs-GLMB algorithm is used to estimate the state and number of the mixed targets. A dynamic detection federated filter fusion algorithm is proposed to fuse the mixed targets state estimates. The effectiveness of the algorithm is verified in the final simulation.

路径规划不仅广泛应用于机器人领域，也广泛应用于游戏、制造、汽车等领域。机器人路径规划是自主移动机器人领域的主要研究课题之一。路径规划问题的关键步骤是通过已知、未知或部分已知的环境，找到从起始位置到目标位置的最短路径。危险事件可能会破坏计划区域的某些部分，将这些区域转变为不可穿越的区域。由于损坏前后的环境信息差异，这些事件在机器人的运动中引入了拓扑约束。在这项研究中，作者提出了一种新的方法，FreeD*，利用D*、Dijkstra和人工势场（APF）算法的优点来寻找最短路径。使用Dijkstra算法，通过将没有已知障碍的D*子路径合并成一个单对角路径，对D*生成的路径进行优化。然后，APF被用于未知障碍物的避障。Webots仿真器的仿真结果证明了FreeD*在最短路径下避开未知障碍物的有效性。

这项研究提出了一种结合鲁棒无源控制器(RPBC)和扩张状态观测器(ESO)的方法，实现了三自由度PUMA 500机械臂在参数变化和外界干扰下的跟踪控制。本研究分析了PUMA机械臂的动力学模型及其结构特性。使用ESO中的附加状态估计控制系统中的参数变化和外部干扰。然后，使用RPBC在控制律中消除它们。本文分析了所提的控制系统的稳定性和观测误差的收敛性。仿真结果表明，所提的控制器具有良好的鲁棒性，在参数变化和外界干扰下均能很好地跟踪，从而验证了该控制方案的有效性。