目标既定 笃定前行——记西安交通大学人工智能与机器人研究所教授陈霸东

本刊记者 刘婉茹

专家简介：

陈霸东，清华大学博士，西安交通大学人工智能与机器人研究所教授、博导。研究领域涵盖信号处理、机器学习、人工智能及脑机交互；作为项目负责人承担国家自然科学基金重点项目、面上项目、青年项目，以及“973”课题各1项。在国际著名学术期刊及会议上发表论文200余篇，其中SCI论文110余篇（含IEEE Trans.论文30余篇）；撰写学术章节4章、学术专著2部，其中以第一作者撰写的英文学术专著被Computing Reviews评选为2013年Notable Book；发表的学术论文在Google Scholar Citations中被引用2200多次（单篇最高被引200多次），在Web of Science中被引1300多次，5篇论文获ESI高被引论文（前1%）；承担众多学术职务，如担任IEEE SPS Machine Learning for Signal Processing、IEEE CIS Cognitive and Developmental Systems技术委员会委员，担任IEEE Transactions on Neural Networks and Learning Systems等著名国际期刊编委，以及多个国际学术会议的程序委员；获第八批陕西省“百人计划”特聘教授、陕西省沣西新城杰出人才等荣誉；享受“三秦人才津贴”。

不久的将来，你或许会看见这样的场景：中风病人靠意念重新站起来；行动不便的截肢伤患可以如常人一般行动自如；机器人分身能传达千里之外的主人的想法。

这些只能在科幻小说中看见的情节将会出现在我们的日常生活中。西安交通大学人工智能与机器人研究所教授陈霸东说，这就是机器人的“新”时代：一个人机共融、脑机交互的时代，这个时代正慢慢到来。“机器人在工业4.0时代、智能时代是必需品，但是机器人需要由‘机器’向‘人’转变，具备 ‘人’的智慧，‘人’的灵巧性、灵活性，甚至成为智商情商兼备的机器人。机器人的‘成人’之路还要走很长一段时间。”

在高中时代，对机器人充满兴趣的陈霸东就选择了自动化专业。在现在的工作中他一如既往对机器人抱有极大热情，他说，国家将机器人和智能制造纳入科技创新优先重点领域，他要用科技帮助人类实现“心想事成”，同时，也要两个“拳头”出击，在信号处理领域，构建新型的信号处理理论与方法，并运用到人机共融的研究中。

人机共融是未来人工智能的新走向

五月的乌镇，柯洁vs AlphaGo的“人机大战”牵动着世人之心。“人机大战”落下帷幕，棋手柯洁三战三败。这一结局令大家纷纷感叹：未来的世界是不是要交给机器人了？

而在陈霸东看来，这似乎是人们把人工智能“炒”得过高了。他说，人工智能有弱人工智能与强人工智能之分。现在的人工智能基本都是弱人工智能，AlphaGo能够战胜人类顶尖棋手确实是人工智能发展的一个里程碑，但不能说明以后的世界是由机器主导，这就像汽车比人跑得快一样，AlphaGo这样的机器在解决形式化和结构化问题方面肯定会超过人类，但它们并不具备人的能动性。而强人工智能则是使机器达到甚至超过人脑思维水平，像人一样有自我意识、自我判断，也像人一样有情感和灵感。为了在人工智能领域取得革命性突破，近年来研究者们将目光聚焦到人的大脑，希望从认知与神经科学中获得灵感。但目前人们对大脑的工作机理还没搞清楚，因此实现强人工智能还有一段崎岖并长远的路。陈霸东强调，不过在发展人工智能技术，改善人类生活的同时，也要警惕其对人类生存可能造成的威胁。

“在走向强人工智能之前，我们可以结合人工智能与人脑智能进行混合智能研究。”陈霸东说，混合智能就是把人脑与现有的机器智能结合起来，发挥各自的长处，逐步实现人机共融，这是现阶段人工智能发展的一个重要途径。国家自然科学基金重大研究计划重点支持项目“人机共融的灵巧柔顺下肢康复机器人交互方法与应用”就是陈霸东在人机共融研究中的一大探索。

机器人在解决国家和社会发展面临的众多挑战中发挥着至关重要的作用，其发展的重要目标之一就是提高全体国民的生活质量和健康水平。随着我国经济实力和科技水平的快速发展，依靠科技创新来保障和改善我国人民的健康水平已经上升为新时期国家战略需求。而人类寿命和生活品质的不断提升使助老助残和康复医疗问题日益突出。在这样的情况下，机器人就可以发挥它的优势，为有需要的患者，如下肢瘫痪患者，提供个性化康复及行为辅助服务。

康复机器人要如何完成这些工作？它与其它机器人相比，需要具有哪些“特异功能”？“作为康复机器人，它需要具备灵巧性、柔顺性，并且与患者紧密协同，完美配合才能很好完成各种康复训练任务，因此人机共融的自然交互是康复机器人的核心问题。”陈霸东解释道。

在“人机共融的灵巧柔顺下肢康复机器人交互方法与应用”项目中，陈霸东主要针对自然人机交互这一康复机器人中的核心问题研究人机共融的灵巧柔顺下肢康复机器人。准确识别患者行为意图、实现患者与机器人之间自然柔顺的交互是康复机器人系统需要解决的关键技术。“从人体获得的生物信号能直接反映患者生理、心理状态和神经参与水平，因而具有重要的神经康复科学的研究意义。随着生物神经信号获取与脑机接口技术的高速发展、基于生物神经信号的交互控制策略愈加受到重视。我便以生物神经信号为出发点进行研究。”

在康复机器人交互控制中，表面肌电和头皮脑电这两种生物电信号是最为常用的。“这两种信号均通过非侵入式方式得到，获取方式的可操作性强，同时其安全性也能得到保证。但是，目前技术还不够先进，无法满足灵巧柔顺人机交互的需要，而且临床实验不够充分、性能未得到有效验证，远远没有达到可靠、高效和实用化。”

为丝绸之路机器人大赛选手讲解脑机接口

因此，在项目中，陈霸东以表面肌电、脑电等非侵入式神经信号作为主要交互控制信号，来提高康复机器人系统灵巧性、柔顺性和可靠性。他侧重研究多模态神经信号的获取、特征提取方法与融合模型、运动意图实时准确判读以及人机协同控制，来提高患者—康复机器人之间耦合性能，形成人在回路、人机协同交互的共融康复系统。“这将为我国康复机器人的产业化奠定技术基础，对推动残障人士的康复工程建设发挥重要的作用。”

此外，陈霸东还对视觉认知编解码进行了深入探索。在国家重点基础研究发展计划（“973”计划）项目课题“高级脑机交互中视觉认知编解码”中，陈霸东联合华南理工大学李远清教授团队，提出了新的视觉认知编解码模型，并在视听觉整合机制方面提出一系列创新理论。在视觉认知编解码的研究中，团队采集被试看到视觉图像刺激时的大脑功能磁共振信号，利用数学模型建立脑信号与外界刺激之间的映射关系，在此基础上重建出被试所看到的图像特征，实现了“读脑术”。陈霸东说，基于功能磁共振信号对自然图像刺激的辨识是一个极具挑战性的问题。针对该问题，研究团队提出了包含隐状态的体素编码模型，并在自然图像识别实验数据上进行了验证，取得了显著优于传统方法的识别准确率。

陈霸东说，该项目的研究成果积极推动了视觉认知编解码向前发展，也有助于建立人与机器间以视觉为主的高效交互通道，实现脑机协同计算和交互的新型智能系统。

随着人口老龄化加剧，失能、半失能人群数量巨大，照料和护理问题变得日益突出。同时，我国存在大量有运动障碍的特殊人群，陈霸东说，研究安全型、舒适型、轻便型、智能型助老助残、医疗康复设备，提高老年人、残疾人运动能力及生活质量，减轻家庭和社会的负担，促进社会和谐，具有极其重要的社会意义和经济价值。他要在人机共融上倾注更多心血，让人与机器人成为朋友，可以相互理解、相互感知认知，相互帮助。

在信号处理上竭尽探索

信号处理是对各种类型的信号，按各种预期目的及要求进行加工过程的统称。其以强大的渗透力在许多领域得到重用：工程建筑部门用来仿真大型建筑结构的抗震防震性能，机械制造业用以分析机械结构振动模型来改进振动性能及结构，通信领域用以提高通信系统的有效性和可靠性，医学领域用于B超、X光片及生理电信号分析诊断等。

陈霸东埋身信号处理研究已有多年的时间，他告诉记者，他是从自适应信号处理与机器学习转到做人机共融的。在求学阶段，他主要的研究对象是信号处理，但现在他并没有放弃自己的“老本行”。他说，信号处理在人工智能与共融机器人中具有极其重要的应用意义。如，脑机交互中脑信号的去噪、特征提取、信号源定位、多模态信息融合、意图判读、协同控制等都离不开信号处理技术。

与Jose Principe教授合照

在信号处理领域的倾心付出，陈霸东为自己摘下了众多“硕果”：在清华大学进行博士后研究期间，参加了朱煜教授“六自由度纳米精度微动台等半导体制造装备核心部件”项目的研究，负责其中系统建模与参数估计工作。针对传统参数估计方法在非高斯噪声干扰下性能退化的难题，陈霸东提出了基于熵准则的自适应参数估计理论与方法，突破了传统均方误差准则难以有效解决非高斯噪声干扰问题的局限性，使参数估计器在非高斯噪声干扰下具有很好的收敛性能和对冲击噪声很强的鲁棒性。为期两年的清华大学博士后生涯，陈霸东还出版了《系统参数辨识的信息准则及算法》专著。

在美国佛罗里达大学进行博士后研究期间，陈霸东与Jose Principe教授合作研究信息论学习，同时深入研究核自适应滤波方法。针对核自适应滤波方法中模型结构随数据增加而持续增长的计算和存储瓶颈问题，提出了量化的核自适应滤波方法，构建了一种在线向量量化算子，提高滤波器性能的同时极大限制了模型的增长，实现了高效的非线性自适应滤波。陈霸东说，量化的核最小均方算法是他最自豪的一个工作，该方法被西班牙学者Steven Van Vaerenbergh作为代表性滤波算法写入Matlab Toolbox，并在众多领域得到应用，相应的研究论文也成为ESI高被引论文。

在这项研究成果基础上，陈霸东与Principe教授等人合作，还提出了一种基于量化核最小均方算法的自适应逆控制方法，用于植入式神经信号的解码，利用获取的峰电位序列自适应训练逆控制器（解码器），成功实现了控制老鼠触觉皮层神经元的放电活动，攻克了现有神经解码方法缺乏自适应跟踪能力的难关。在国外期间，陈霸东还撰写了一本英文专著，由Elsevier出版社出版。该书被Computing Reviews评选为2013年Notable Book。

在这些成果之上，陈霸东再一次出发，国家自然科学基金面上项目“再生核希尔伯特空间中自适应滤波新方法及应用”便是他回国后在信号处理方面开展的项目研究。在该项目中，陈霸东主要集中在时域信号自适应滤波的基础理论与算法研究，并把这些理论与算法用在脑信号（EEG、fMRI）的处理与分析上。他说，信号处理应用领域广泛，但是，时域信号中普遍存在的非线性、非平稳、非高斯等特性依然是目前所面临的巨大挑战。

如何有效解决这些难题，提高信号处理的鲁棒性和适应性，是陈霸东要攻克的。项目研究中，陈霸东充分借鉴传统自适应滤波和机器学习相关理论和方法，提出了利用核方法建立新型滤波器的理论框架。一方面，研究核自适应滤波器的自组织、核函数选取与优化以及动态拓扑结构，以期解决时域信号滤波中存在的非线性和非平稳性难题；另一方面，在核空间中定义各种相似性度量，构建新的滤波目标函数，实现非高斯信号的鲁棒滤波。同时，陈霸东坚持理论、算法研究与应用研究相结合的原则，在实际应用中检验新方法的有效性和实用性，他将核空间中滤波目标函数应用到运动想象的脑电信号特征提取中，极大提高了运动意图解码的准确度。

陈霸东说，这是他2013年申请的项目，将在今年年底结题。通过4年的研究，他提出了一系列高效、鲁棒的自适应滤波算法，在IEEE TSP、IEEE TNNLS、IEEE TCYB等本领域国际权威期刊以及CVPR，ICASSP，IJCNN等著名国际会议上发表了一批高质量的学术论文，并获IJCNN2015最佳Poster论文提名奖和ELM2017最佳论文奖。这些研究成果为非线性、非平稳、非高斯信号处理提供了新的理论框架和模型。

凡事预则立，不预则废。对于未来工作，陈霸东早已做好了规划：立足西部，围绕国家发展的战略需求，针对人机共融、脑机交互和自适应信号处理的基础理论和关键技术问题继续展开深入研究；做好科研工作的同时，加快科研实验平台的建设。目前，他正在搭建共融康复机器人的验证及应用平台。无论在学习还是工作生涯中，陈霸东说，他都遇到了为自己指点迷津的老师、领导，他们兢兢业业的工作态度，他们对后辈的倾心培育与指导都对自己产生了重大影响。在以后的工作上，他要以目标为动力，以前辈的精神为指引，笃定前行。