智能医护机器人、机械臂画人像……来自北大本科生的奇思妙想
编者按
北京大学为学生提供了良好的科研环境，本科生就可以在老师的指导下对自己感兴趣的项目展开为期一年的研究。
每年的本科生科研都有很多让人眼前一亮的成果，展现了同学们的奇思妙想和出色的科研能力。
知识最终的归宿是服务于现实生活，我们在课本上学习的东西，是不是也可以应用于日常衣食住行、医疗甚至娱乐、艺术等领域呢？
下面这些本科生的科研成果，正是知识应用于生活的范例，它们也许还不够成熟，但也许会给未来带来更多可能。
智能医护，机器人也贴心
智能医护助手机器人
信息科学技术学院2015级本科生
杨天猛 朱泽宇 喻锐
当我们在医院输液的时候，输液袋需要挂在固定的杆上，这时移动成为了一个难题，不得不小心翼翼，万一护士无暇顾及，有时也会有危险的情况发生。
那么能不能让机器人来帮忙呢？
智能医护助手机器人，可以帮助护士很好地照顾输液中的病人。
它采取自动跟随的设计，根据病人要去的地点在医院内导航，并且随时调节输液袋和患者输液处的相对位置，保证压强稳定。
除了这一基础功能之外，还能实时监测使用者的生理指标和输液状况甚至情绪状态，基于物联网和其他设备进行信息交互，也便于医生和护士实时了解病人的情况。
既提升了患者输液时的行动自由程度，也能减少护士的工作量进而提高医院的运行效率，带来信息化、智能化的医疗环境。
机器人基于Up2 Board物联网开发套件和ROS操作系统进行设计开发，将摄像头、麦克风、扬声器以及众多传感器集成于一体，并引入了定位、人脸识别、情绪识别、语音对话、无接触式心率监测等模块，极大地丰富了机器人的功能。
万物皆互联，汽车也“上网”
基于车联网的自动驾驶技术研究
信息科学技术学院2015级本科生
邓若琪
自动驾驶技术，可以说是汽车未来发展方向的热点，自从提出以来就受到广泛的关注。
如今正是快步发展的时期，如何减少车辆发生碰撞以保证交通安全是最关键的一环。
当前技术发展主要通过传感器和行驶轨迹追踪，但是受限于精确性和计算成本，两种方式都难以满足解决问题的需求。
这时可以考虑汽车联网来解决这一问题——基于车联网的V2X（Vehicle-to-Everything）通信技术自动驾驶车辆的碰撞避免机制。
V2X技术是指车辆可以实时与周边环境进行信息交互，在此机制中车辆与车辆之间可以进行信息合作感知与分享，形成互联互通的“车联网”。通过汇总网络中的海量信息，单辆车的信息感知范围与信息精确度可以大大提升。
自动驾驶车辆可以根据V2X交互信息估测出自己与其他车的相对距离，以及相应车辆的速度等信息，从而做出正确的驾驶决定，使自动驾驶技术的安全性和可靠性得到很大程度的提升。
随着防撞机制不断完善，也许未来的某天，汽车驾驶可以真正地解放双手，开启全新的时代。
找回失物，隐私也要保护好
隐私安全的失物招领柜
信息科学技术学院2015级本科生
杨庆龙 杨凯欣 冯存光
校园卡又丢了？去失物招领看看吧。只不过现在的失物招领，都会公布失物的信息或者是失主的联系方式，担心信息泄露怎么办？
怎么证明失主的身份？效率有点低，还涉及信息的公开，这个问题，应该有更好的解决方式。
这套系统，以身份证和校园卡为例，成功解决了失物招领中的隐私泄露信息。
拾取者可以直接将物品放进储物柜，通过算法提取证件上的证件号码和照片等信息并且将这些信息打码之后发布到失物招领平台上。
失主可以通过面部信息识别和相关信息匹配进行身份认证，通过后可以到储物柜领取物品，同时提供匿名沟通通道，可以对个人信息进行保护。
智能储物柜，在硬件上由用户终端——系统服务器——储物柜三部分组成。
软件上能通过神经网络技术和OCR文字识别技术从遗失物照片中提取关键信息，并从原图中抹去。
这套系统提高了沟通效率，同时很好地保护了个人隐私。
解放双手，释放灵感
机械臂绘画系统
信息科学技术学院2015级本科生
高翘楚 陈荟萃
机械臂常应用于工业领域代替人类进行劳动。那么，机械臂能不能做一些有趣的事情呢？比如，也许机械臂可以画人像？
随着技术的发展，人们已经开始寻求机械臂的应用在艺术享受等精神方面的发展。研究绘画就是一个新的探索。
绘画系统通过摄像头采集正面人像，经过一定的处理将原图转化成为机械臂可以“理解”的笔画，并通过电脑控制机械臂“拿”着铅笔在纸面上进行绘画。
在完成轮廓绘画后，再将头发、眉毛等位置填上颜色，使得画作更加传神。
这项成果综合运用了图像处理和机械臂控制等方面的知识，包括人脸关键点提取，特征区域划分和轮廓提取等。
配合纹理、轮廓上的优化，最终形成机械臂能理解的信息。
在硬件方面，用Python脚本结合之前生成的纹理信息控制机械手在普通的A4纸上作画，在5分钟之内就能形成一幅人像素描作品。
游戏学习两不误
基于比赛时间对MOBA类游戏
进行比赛局势评估的框架
信息科学技术学院2015级本科生
于力军
这项研究以多人在线战术竞技类游戏（MOBA游戏，如王者荣耀、LOL、DotA2等）为主要研究对象，使用机器学习技术对比赛中的局势进行大数据分析和评估。
这项技术可以帮助AI实现与人对战，也可以与电竞选手合作，达到增进游戏体验、辅助职业选手训练的效果。
与围棋等传统竞技项目相比，计算机进行MOBA游戏决策的难点主要在于其信息的不完全性，而且需要进行团队合作。
此课题围绕最新的机器学习算法，针对当下最为流行的几款MOBA游戏，结合大量的游戏实战数据，提出了一个实时局势评估框架“MOBA-Slice”。
该框架在分析游戏中决定胜负的重要因素的基础上，结合考虑了比赛剩余时间对比赛胜负几率的关系，以达到对于比赛中任意时刻的状态都能给出一个胜率预测值的动态评估、实时预测目的。
在学术上可以用来预测比赛胜率、作为增强学习AI的一个模块；实际中则可以作为比赛解说、电竞博彩的辅助信息。
“MOBA-Slice”在使用了7万余场DotA2专业比赛数据进行训练后，在2018年DotA2亚洲邀请赛正赛上对于比赛胜负的预测准确率显著超过了官方的DotA Plus小助手。
文字：马逸、北希
图片：来自受访者
视频：来自受访者
排版：张唯佳
责编：园中葵
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20190129A0E3BB00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
