值得一提的是，被大会接收的三篇论文的第一作者均为理工学院博士研究生，林天麟教授为三篇论文的通讯作者。

       此外，IEEE的旗舰杂志IEEE Spectrum也专题报导了林天麟教授团队的模块化自重构机器人。

       会议简介

       IEEE智能机器人与系统国际会议(IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS) 是机器人与智能系统领域最著名、影响力最大的顶级学术会议。

       作为国际机器人与自动化领域的两大影响最大的学术会议之一，自机器人技术发展初期的 1988 年开始，IROS 每年举办一届。每年，来自世界各个顶尖机器人研究机构的专家和业界人士汇聚在这个盛会，探讨和展示机器人行业最前沿的技术。受疫情影响，本该在拉斯维加斯举行的 IROS 2020 改在线上举办，并且史无前例的通过线上免费向公众开放。

        项目介绍

       模块化自重构机器人系统是一种由大量同构机器人模块组成，能够根据任务需求自主改变整体构型的多机器人系统。与传统固定构型机器人不同，模块化自重构机器人不针对特定应用而设计，可以根据不同任务和环境转变为合适的构型，具备极强的自适应性和自愈能力，因此可以应对更加复杂多变的环境中的各种任务。

       然而，当前国内外最前沿的模块化自重构机器人在结构上存在连接器约束，各模块的相互定位与运动规划功能基本限制在结构化场景当中；一旦投入非结构化环境中，野外凹凸的地形、复杂的障碍物以及定位信息的缺失，都对现有模块化自重构机器人系统的正常功能产生了巨大的挑战。

       据此，本项目研究将模块化自重构机器人系统应用于非结构化场景的关键技术，开发一个摆脱实验室场景、对多变不确定性环境有强适应性的模块化自重构机器人系统，旨在从1）无约束连接的机械结构，2）自载的相互定位技术，和3）适应障碍物的协同路径规划三个方面做出突破。本次接收的三篇论文，分别从这三个方面开展研究。

       论文简介

       1.FreeBOT: A Freeform Modular Self-reconfigurable Robot with Arbitrary Connection Point - Design and Implementation

       （FreeBOT：能任意连接、自由组合的模块化自重构机器人——设计与实现）

       第一作者：理工学院二年级博士研究生梁冠琪

       通讯作者：林天麟教授

       这篇论文获得了IROS机器人机构设计最佳论文奖。

       本文提出了一个新型的模块化自重构机器人 FreeBOT，它可以在其他机器人表面上任意点自由连接。FreeBOT 主要由两部分组成：球形铁磁性外壳和内部磁铁。模块之间的连接是无性的和即时的，因为内部磁铁可以自由地吸引其他 FreeBOT 的铁磁性球壳，而不需要与特定的连接器精准对齐。这种连接方式具有更少的物理约束，因此可以将 FreeBOT 系统扩展到更多的构型以满足更多的功能需求。

       FreeBOT 虽然只有两个电机，但可以完成多项任务：模块独立运动、连接器管理和系统重构。FreeBOT 可以在平面上独立移动，甚至可以爬上铁磁性的墙壁；一群 FreeBOT 可以穿越复杂的地形。大量的实验测试表明，FreeBOT 系统具有实现自由组合机器人的巨大潜力。

       作者简介

梁冠琪

理工学院二年级博士研究生

       本文第一作者为香港中文大学（深圳）理工学院二年级博士研究生梁冠琪，其导师为林天麟教授。目前他的研究方向包括模块化自重构机器人和现场机器人。

       作者的话：这项工作是我科研道路上的处女作，我们设计了一款全新的模块化自重构机器人，该设计能有效解决现有MSRR连接效率低下以及构型有限等问题。感谢林天麟教授带我入门科研，手把手带着我探索机器人领域。这次论文能够被接收离不开他的悉心指导。

       2. Robot-to-Robot Relative Pose Estimation based on Semidefinite Relaxation Optimization 

       （基于半正定松弛优化的机器人相对位姿估计）

       第一作者：理工学院一年级博士生黎明

       通讯作者：林天麟教授

       本文提出了一种基于半正定规划的多机器人初始位姿相对定位算法。首先设定采样周期采集并存储机器人航位推测系统以及测距传感器获得的量测数据，并计算出相对定位所需的关键参数；随后根据最小平方距离误差准则建立基于半正定松弛的带约束优化问题，利用半正定松弛理论对问题进行松弛；之后再通过CVX、SeDuMi或SDPT3等优化工具对优化方程进行求解，并利用奇异值分解和特征值分解恢复出目标变量；最后将恢复出的目标变量作为优化初始值，在加权最小二乘框架下求取最大似然估计结果。本发明能有效解决在噪声干扰环境下，现有初始位姿相对定位算法抗干扰能力弱、可移植性差和鲁棒性低的问题。

图1 机器人和在二维平面上随机移动示意图

图2 实验环境下：基于几何关系、基于最大似然和半正定松弛算法在弱噪声干扰下，偏向角和方位角估计精度对比图

       作者简介

黎明

理工学院一年级博士研究生

       本文第一作者黎明为香港中文大学（深圳）一年级博士生，主要研究方向包括机器人定位、多机器人信息融合以及目标优化等，其导师为林天麟教授。

       作者的话：本次工作帮助我进一步梳理了机器人定位的知识架构，完善了定位技术的知识需求，提高了个人的理论分析与科学论文撰写的能力。此外，特别感谢林天麟教授在论文的完成过程中给出的宝贵意见，他的专业指导对论文的完整性和严谨性有很大帮助。

       3. An Obstacle-crossing Strategy Based on the Fast Self-reconfiguration for Modular Sphere Robots

       （基于快速自重构的模块化球形机器人越障策略）

       第一作者：理工学院一年级博士研究生罗浩波

       通讯作者：林天麟教授

       本文所述快速越障策略由若干个自重构过程组成。每个自重构过程的路径规划都通过最大梯度的三步最小化计算提高了模块化机器人的并行自重构速度。其次，每个自重构过程中的最终构型都基于球形模块的链状连接做出了调整，以适应环境中障碍物的形状，从而使得模块化机器人能够快速翻越崎岖地面的复杂障碍物。

       自重构过程的“快速”得益于三步的最小化计算：首先将自重构的问题建模为最终构型中的每个空位和当前构型中的每个模块之间的曼哈顿距离的乘积的最小化问题；第二步，将最终构型中的每个空位分配给剩下的可移动模块中曼哈顿距离最小的一个模块作为目标；第三步，经过两次候选动作的计算并删除会造成碰撞的候选动作后，选择一个能够最小化模块与目标空位之间的曼哈顿距离的动作。

       每个自重构中的最终构型都需要根据障碍物的形状从离散空间调整到连续空间。基于球形模块的旋转轴和旋转角度计算每一步的姿态增量，可以把自重构算法的离散3D路径平滑化。在仿真实验中，借助于球形模块的链状连接对复杂表面的适应能力，每个自重构过程中的最终构型都能够适应多种障碍物。

       作者简介

罗浩波

理工学院一年级博士研究生

       本文第一作者罗浩波是香港中文大学（深圳）理工学院一年级博士研究生，专业为计算机信息工程，研究方向涉及智能优化算法、图论、强化学习算法等，目前负责的研究内容为模块化自重构机器人的自重构算法和构型优化，其导师为林天麟教授。

       作者的话：这个研究领域非常繁杂，百家争鸣，各有千秋。我刚开始接触的时候是四处碰壁，尝试过强化学习、启发式搜索等各种思路来解决问题，但是效果都不好。这篇文章是我对此课题的初步探索，有助于突破下一步的科研难题。在此特别感谢林教授的耐心指导，以及诸位小伙伴们的精诚合作。

       导师简介

林天麟

理工学院助理教授