研究队伍
当前位置:首页 > 研究队伍 > 乔 红
乔 红    博士,研究员
乔红,1964年 8月生,博士,“百人计划”研究员。中科院自动化所“机器人理论与应用”团队创建者与负责人,现任中国科学院自动化研究所“类脑智能研究中心”副主任(负责神经机器人方向,是中心三个方向之一)、机器人中心副主任、精密感知与控制中心首席科学家、中国科学院自动化研究所-中国科学技术大学联合实验室副主任、中国科学院大学计算机与控制学院“控制理论与控制工程”教研室主任。1986年、1989年在西安交通大学获得工学学士学位和工学硕士学位;1992年在英国Strathclyde大学获得工学硕士学位;1995年在英国De Montfort大学获工学博士学位;1997年至2002年受聘为香港城市大学的研究助教授和助教授;2002年至2004年在英国曼彻斯特大学任永久教职;2004年底放弃国外永久教职,通过中国科学院“百人计划”引进回国并组建“机器人理论与应用”团队。获得奖项与荣誉称号包括:2014年获国家自然科学奖二等奖(第一完成人)、2012年获北京市科学技术一等奖(基础研究类,排名第一)、2015年北京市科学技术奖(技术发明类,已通过初评)、2012年获国务院政府特殊津贴、2011年获得《科学中国人》年度人物、2009年入选“新世纪百千万人才工程”国家级人才、2007年获国家杰出青年基金、2004年入选中国科学院“百人计划”研究员、2013年当选全球IEEE机器人与自动化学会管理委员会委员(中国大陆学者首次当选,委员会共18人,全球会员1万2千人)。带领团队承担了一系列国家重要课题,包括国家杰出青年基金、国家基金委重点项目、国家基金委合作重点项目、科技部863项目、国家04专项、发改委智能装备项目等;同时与汽车、数控机床、国防等领域开展了合作应用,包括与安徽埃夫特智能装备有限公司、徐州工程机械集团有限公司、西安飞机工业(集团)有限责任公司、秦川机床集团有限公司等著名企业的合作,并在广东建立了机器人产业化基地。
主要研究方向及内容

1、类脑智能机器人的研发及其应用
我们基于前期对类脑机器人神经启发式和将要开展的神经机理式的研究,进一步增强类脑智能机器人系统的精确性、灵活性和智能性。这一方向符合国家脑科学研究中“将脑科学研究实现类脑应用”的精神,同时试图解决机器人研究中“高精度”、“高速度”、“高稳定”和“高智能”等关键瓶颈问题。
基于前期研究成果,我们将构建多种机器人应用平台,部分平台已完成初步设计如下:
(1) 具有自学习能力、快速反应、高精度的类人机器人 
构建机器人本体平台,带有视觉、听觉、触力觉等传感信息采集装置以及手臂、手爪等执行机构,实现安全、稳定的多物体抓取;通过机械结构的本质安全,实现“人-机”安全合作。
(2) 基于中枢神经系统和外周神经系统协同的类脑智能机器人
研究人的手臂的运动驱动结构,从硬件设计角度,通过电机或其他装置提供动力,模拟人体的筋腱结构,构建模拟人的手臂的执行机构,建立机器人仿人运动平台。 研究人的运动神经机研究人的运动神经机理,从模型和仿真角度,通过模拟手臂肌肉和筋腱的耦合控制,加入中枢、外周运动神经系统的编解码机制,实现对上述平台的灵巧、智能控制。 我们拟通过对类脑智能机器人的研发及其应用,对于脑认知功能研究和脑疾病机理研究工作提供辅助,包括思路启发、模型验证、设备支持及其他服务。

2、为脑认知机理研究提供辅助
从模型和设备两个角度在类脑机器人的方向为脑认知机理的研究工作提供辅助。 我们将深化前期提出的仿人运动模型,基于生物体运动的中枢神经系统与外周神经系统的协调与信息反馈与整合,对机器人的运动模式、控制方案及硬件设计做出相应调整。通过适当增加机器人系统的冗余度及运动的耦合性,增强机器人对本体运动状态的感知能力,使得整体运动具备更加灵活的特点,而且具备协调能力。 我们将基于前期对大脑中学习记忆机制的应用成果,引入更加细致的神经模型和机理,例如神经突触可塑性和环路编码机理,应用于机器人的设计及搭建,使得机器人可以灵活自主的观察、模仿并学习人的行为模式,增加其学习能力,同时扩展机器人的应用范畴。
(1) 神经理论模型的仿真验证平台
类脑智能机器人可以为脑科学中的基础理论模型和机制提供验证平台。例如可以将大脑中的运动编解码方式,如群体编码等,应用于类脑智能机器人平台中,以验证模型的有效性。另一方面,类脑智能机器人的相关技术将为脑科学实验的开展提供实验设备的支持。
(2) 生物启发机器鼠实验平台
基于类脑智能机器人的研究成果,搭建包括生物启发机器鼠在内的生物鼠实验综合平台。生物启发机器鼠拟通过引入类脑机器人的特性,实现灵活的操作和对实验对象的安全、灵巧的互动。

3、为脑疾病康复提供辅助
(1) 为“脑疾病康复研究”设计新型“人-机”交互方式并研发相应机器人系统
通过与神经所合作,在神经所进行的幼年期发育性脑疾病(如自闭症和智障)、中青年期精神类疾病(如抑郁症)、老年期神经退行性疾病(如AD和PD)的发病机理研究的基础上,利用视觉、听觉、触-力觉等交互手段,设计相应的“人-机”交互方式并研发机器人系统,从而辅助脑疾病的成因分析与康复治疗。
(2) 为“自闭症康复研究”设计研发相应类脑机器人应用平台
通过类脑智能机器人技术的研究,实现机器人与自闭症儿童的互动,从而辅助自闭症儿童的康复治疗(进一步可以和阿兹海默症、抑郁症患者互动)。

 

代表性论文

Qiao, H.*, Li, Y. L., Tang, T., Wang, P. (2014) Introducing Memory and Association Mechanism Into a Biologically Inspired Visual Model. IEEE Transactions on Cybernetics, 44(9):1485-1496.

Qiao, H.*, Xi, X. Y., Li, Y. L., Wu, W., Li, F. F. (2015) Biologically Inspired Visual Model with Preliminary Cognition and Active Attention Adjustment, IEEE Transactions on Cybernetics, 45(11): 2612-2624.

Qiao, H.*, Li, Y. L., Li, F. F., Xi, X. Y., Wu, W. (2015) Biologically Inspired Model for Visual Cognition - Achieving Unsupervised Episodic and Semantic Feature Learning, IEEE Transactions on Cybernetics, in press, DOI:10.1109/TCYB.2015.2476706

Qiao, H.*, Wang, M., Su, J. H., Jia, S. X., & Li, R. (2015). The Concept of "Attractive Region in Environment" and its Application in High-Precision Tasks With Low-Precision Systems. IEEE/ASME Transactions on Mechatronics, 20(5): 2311-2327.

Qiao, H.*, Zhang, P., Di, W., & Zhang, B. (2013). An Explicit Nonlinear Mapping for Manifold Learning. IEEE Transactions on Cybernetics, 43(1): 51-63.

Qiao, H.*, Zhang, P., Zhang, B., & Zheng, S. W. (2011). Tracking feature extraction based on manifold learning framework. Journal of Experimental & Theoretical Artificial Intelligence, 23(1): 23-38.

Qiao, H.*, Zhang, P., Zhang, B., & Zheng, S. W. (2010). Learning an Intrinsic-Variable Preserving Manifold for Dynamic Visual Tracking. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 40(3): 868-880.

Qiao, H.*, Peng, J. G., Xu Z. B., Zhang, B. (2003) A reference model approach to stability analysis of neural networks. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 33(6): 925-936.

Wang, Z. D., Qiao, H. (2002) Robust filtering for bilinear uncertain stochastic discrete-time systems. IEEE Transactions on Signal Processing, 50(3): 560-567.

Xi, X. Y., Qin, Z. K., Ding, Qiao, H.* (2015) An Improved eLBPH Method for Facial Identity Recognition: Expression-Specific Weighted Local Binary Pattern Histogram, 2015 IEEE International Conference on Robotics an Biomimetics (best student paper), in press

Liu, C. K., Qiao, H.*, Su, J. H., & Zhang, P. (2014). Vision-Based 3-D Grasping of 3-D Objects With a Simple 2-D Gripper. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 44(5): 605-620.

Liu, Z. Y., &Qiao, H. (2014). GNCCP - Graduated NonConvexity and Concavity Procedure. IEEE Transactions on Pattern Analysis and Machine Intelligence, 36(6): 1258-1267.

Tang, T., Qiao, H.* (2014) Improving invariance in visual classification with biologically inspired mechanism. Neurocomputing, 133: 328-341.

Liu, C. K., Qiao, H.*, & Zhang, B. (2011). Stable Sensorless Localization of 3-D Objects. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, 41(6): 923-941.

Qiao, H.* (2003). Two- and three-dimensional part orientation by sensor-less grasping and pushing actions: Use of the concept of 'attractive region in environment'. International Journal of Production Research, 41(14): 3159-3184.

 

实验室网址:http://sourcedb.cas.cn/sourcedb_ia_cas/cn/iaexpert/200908/t20090804_2310456.html
E-mail: hong.qiao@ia.ac.cn
电话:010-62573736