跟着机器人和云核算等范畴的加快速度进行开展，怎么更好地获取和运用机器人机载传感器以外的感知信息，使机器人能更广泛、有效地感知环境，然后为用户更好的供给愈加优质、高效的服务，并下降感知本钱，成为机器人和普适核算等范畴的一个新课题。

  我校可佳机器人团队硬件组提出，将云机器人技能与智能织物技能相结合，运用廉价的智能织物作为非机载传感器，大范围的运用在室内环境中与人活动相关的信息感知手法，然后显著地进步机器人的环境感知才能，并具有比传统传感器更低价的价格和更好的隐私维护潜能。针对海量感知信息对机器人实时规划发生的核算妨碍，提出了一种新的室内定位规划算法，显著地进步了规划功能，已可满意普普通通的家庭或作业环境中机器人运动规划的呼应时刻和规划精度要求。在11月8日完毕的第三届世界机器人智能技能及使用（TheThirdInternationalConferenceonRobotIntelligenceTechnologyandApplications）学术大会上，陈述该研讨成果的论文ExponentialBackoff-SamplingRRTForSmartCarpet取得仅有的“最佳大会论文奖”（TheBestConferencePaperAward），并获颁代表大会最高荣誉的、仅有的金钥匙奖章。论文榜首作者为核算机学院博士生孙昊。

  世界机器人智能技能及使用学术大会是一个以机器人智能为主题的专题学术会议，会议议题包含机器人认知智能、行为智能、社会智能、环境智能等范畴。来自我国、美国、德国、日本、韩国、加拿大、新加坡、新西兰、丹麦等17个国家和地区的100余名正式代表参加了本届大会。我校陈小平教授应邀作了大会的榜首个全会陈述（plenarytalk），题为ExpandingRobotIntelligencewithOpenKnowledgeundertheContextofHuman-RobotSociety。陈述较体系地介绍了可佳机器人的研讨进展，提出了云机器人技能三条根底原理，并陈述了相关的试验成果，引起与会者的火热反应，并为我校和卡内基-梅隆大学一起牵头的云机器人渠道招引了新的加盟单位。

  上述作业得到了国家自然科学基金、教育部博士点基金和我校重要方向培养基金的支撑。