P+F接近开关孙志鹏教授简介：国家海外高层次引进人才，现任广东工业大学“百人计划”特聘教授，校学术委员会化工材料分委员会委员&秘书，材料与能源学院院长助理，新能源材料与器件系党支部书记。主要从事有关新能源存储与转换器件（包括：锂/钠离子电池、锂硫电池、超级电容器、燃料电池等）和气体传感器等研究。先后在国内外学术期刊上发表SCI论文70篇，出版论著1部，授权国家发明专利 5 件，实用新型专利10件。先后主持国家自然科学基金、留学回国人员启动基金、国家质检总局、广东省科技厅国际合作基金以及企业横向等16项。

（P+F 电感式传感器 NBN12-18GM50-E0-V1-M1）

12 mm，非齐平,更远的工作距离,温度范围扩大
-40 ... +85 °C,密封性增强，防护等级
IP68 / IP69K,E1 型式批准

开关功能 : 常开 (NO)
输出类型 : NPN
额定工作距离 : 12 mm
安装 : 非齐平
输出极性 : DC
确保操作距离 : 0 ... 9,72 mm
驱动器件 : 软钢，如 1.0037、SR235JR（之前为 St37-2）
36 mm x 36 mm x 1 mm
衰减系数 rAl : 0,5
衰减系数 rCu : 0,45
衰减系数 r304 : 0,7
衰减系数 rBrass : 0,5
输出类型 : 3 线
工作电压 : 7 ... 30 V
开关频率 : 0 ... 1200 Hz
迟滞 : 典型值为 5%
反极性保护 : 反极性保护
短路保护 : 脉冲式
电压降 : ≤ 2 V
工作电流 : 0 ... 200 mA
断态电流 : 0 ... 0,5 mA 类型 4 µA 在 25 °C 时
空载电流 : ≤ 10 mA
可用前的时间延迟 : ≤ 100 ms
开关状态指示灯 : 黄色 LED
MTTFd : 1484 a
任务时间 (TM) : 20 a
诊断覆盖率 (DC) : 0 %
符合标准 :
UL 认证 : cULus 认证，一般用途，2 类电源
CCC 认证 : 额定电压 ≤ 36 V 时，产品不需要 CCC 认证/标记
E1 型式批准 : 10R-04
环境温度 : -40 ... 85 °C (-40 ... 185 °F)
存储温度 : -40 ... 85 °C (-40 ... 185 °F)
连接类型 : 连接器插头 M12 x 1 ， 3 针
外壳材料 : 黄铜，镀镍
感应面 : PBT
防护等级 : IP68 / IP69K
质量 : 40 g
供货范围 : 供货范围包含 2 颗自锁螺母

威海接近开关近年来致力于中药资源化学及资源循环利用、方剂功效物质及中药配伍禁忌研究，作为国家“973”计划项目首席科学家，先后承担国家973计划、国家科技支撑计划、国家自然科学基金及省重大基础研究项目等20余项；在国内外发表学术论文560余篇，其中SCI收录260余篇；2014~2018年连续五年入选Elsevier中国高被引学者榜单。作为第一授奖人荣获国家科技进步二等奖2项、部省级科技一等奖6项。

报价接近开关在有机电子学、塑料电子学、柔性电子学等领域取得了大量颠覆性、突破性、革命性的科学研究成果，以主要作者身份在SCI主流学术期刊发表原始创新性科学研究论文800余篇，国际同行引用逾86000次，h-index为137，是ESI化学、材料全球高被引学者，获授权美国、新加坡和中国专利360余项。出版了《有机电子学》、《生物光电子学》等学术专著。曾获国家自然科学奖二等奖、何梁何利基金科学与技术进步奖、教育部自然科学奖一等奖、教育部自然科学优秀成果奖一等奖、江苏省科学技术奖一等奖等科技奖励，入选“中国高等学校十大科技进展等。

P+F接近开关贾艳敏，西安邮电大学教授、博士生导师，陕西省高层次引进人才一一创新长期人才。主要从事磁电复合材料及磁敏传感器、氯气探测、微·光器件应用、压电材料及应用等方面研究工作。2010年回国担任特聘教授至今，以第一/通讯作者在著名学术刊物发表90余篇。论文被Science等引用3400余次，四篇ESI前1%高被引和一篇ESI前1%热点论文，《物理学报》高被引论文作者，授权四项发明专利。他曾获2018年中国科技新税人物突出贡献奖、电子元器件美键材料专委会“国瓷新材料奖”优秀论文奖、2020年埃尼奖（Eni Award）提名候选人，西安市自然科学优秀论文奖三等奖等。

威海接近开关国仪量子源于中国科学技术大学中国科学院微观磁共振重点实验室。实验室在高端科学仪器、关键核心器件的研制领域深耕十余年，多项技术、研究成果突破国际封锁和禁运，并获得“中国科学十大进展”、“国家自然科学二等奖”、“中国分析测试协会科学技术奖特等奖”等诸多奖项。

报价接近开关加强数字科技基础理论研究，推进数字经济创新体系建设。第一，加强数字科技的技术预见研究，面向先进计算、人工智能、隐私计算、数字孪生、人机交互、量子计算等重点领域，前瞻布局一批数字科技基础研究项目，夯实数字经济创新发展理论根基。第二，推动数字科技与其他自然科学、社会科学的交叉融合，支持数字科技开源软件框架、开源社区、开源代码托管平台建设，构建全球数字科技合作伙伴关系，打造交叉、开源、开放的数字科技生态体系。第三，面向产业发展需求，推动产学研深度融合，利用数字科技带动产业共性技术突破，完善数字科技应用的标准体系，形成关键数字科技的“非对称”优势。

多智能体协同高精地图构建关键技术研究陈龙1, 刘坤华1, 周宝定2,3, 李清泉4,51. 中山大学计算机学院, 广东 广州 510006;2. 深圳大学土木与交通工程学院, 广东 深圳 518060;3. 深圳大学城市智慧交通与安全运维研究院, 广东 深圳 518060;4. 深圳大学广东省城市空间信息工程重点实验室, 广东 深圳 518060;5. 自然资源部大湾区地理环境监测重点实验室, 广东 深圳 518060基金项目：国家重点研发计划（2018YFB1305002）；广东省自然科学杰出青年基金（2021B1515020020）；国家自然科学基金（62006256；42171427）；广州市重点研发项目（202007050002）摘要：自动驾驶车辆的自动化驾驶程度越高，对高精地图的要求越高。智能化的高精地图能够为L5级别自动驾驶车辆提供所需地图数据，是未来高精地图发展的重要方向。基于目前高精地图的构建方法，本文首先提出多智能体协同高精地图构建的定义，分析其构建框架。然后，对多智能体数据采集路径规划、多源异构一体化数据融合与表达、道路场景认知、智能高精地图融合、智能高精地图更新等关键技术进行了研究，提出了可行的技术方案。最后，分析了其未来构建过程中存在的挑战。关键词：高精地图 路径规划 道路场景理解 多源异构数据处理 引文格式：陈龙, 刘坤华, 周宝定, 等. 多智能体协同高精地图构建关键技术研究[J]. 测绘学报，2021，50(11)：1447-1456. DOI: 10.11947/j.AGCS.2021.20210259CHEN Long, LIU Kunhua, ZHOU Baoding, et al. Key technologies of multi-agent collaborative high definition map construction[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(11): 1447-1456. DOI: 10.11947/j.AGCS.2021.20210259 阅读全文：http://xb.sinomaps.com/article/2021/1001-1595/2021-11-1447.htm引 言高精地图专为自动驾驶设计，是自动驾驶核心技术之一。它又被称为高分辨率地图，具有高精度的道路场景(车道线、交通标志、路沿等)、定位等信息，可以辅助自动驾驶过程中的感知、定位、路径规划、决策与控制，提高驾驶过程中的安全性。近年来，针对高精地图的研究可以分为以下3个研究方向：高精地图格式[1-2]、高精地图数据结构和高精地图制作方法。由于本文主要讨论高精地图的数据结构和制作方法，因此，对高精地图格式不做详细介绍。从高精地图数据逻辑方面分析，文献[3]对高精地图的静态图层数据逻辑结构进行了分析，认为高精地图应该包括：道路层、车道网络层、车道线层与交通标志层。文献[4]提出了路径导航车道级地图体系结构。由于静态地图不能保证行驶的安全，文献[5]提出局部动态地图的概念，首次将动态物的感知纳入地图范畴。文献[6]提出不同驾驶级别的自动驾驶汽车需要依赖不同级别的高精地图；自动驾驶级别越高，对高精度地图的要求越高；指出L5级别自动驾驶汽车的需求为智能化的高精地图，即动态高精地图+分析数据的能力。从高精地图制作方法分析，目前的高精地图制作均面向L3或L4级别的自动驾驶，未对L5级别的自动驾驶地图进行研究。面向L3或L4级别自动驾驶高精地图的构建可以分为数据采集、制图与地图更新3个步骤。其中，数据采集方案[7]均为通过搭配多种传感器的自动驾驶车辆或全景移动测量系统进行数据采集。但是无论自动驾驶数据采集车辆还是全景移动测量系统，成本均太过昂贵，不能实现大规模的数据采集，影响高精地图的制图和地图更新；同时，目前制图算法多基于深度学习来实现图像理解、定位等，该类算法存在数据需求量大、可解释性差等问题。本文以智能化的高精地图为研究对象，提出多智能体协同高精地图构建定义与框架，并对其关键技术、构建过程中存在的挑战进行了分析，该框架的核心思想包括以下两点。(1) 将数据采集平台由自动驾驶车辆或全景移动测量系统扩展为机器人、自动驾驶车辆、无人机等多种类型的智能体。通过搭配相同或者不同类型传感器的、不同类型的多个智能体协同采集数据，既降低了采集设备的成本，又保证了数据采集速度。(2) 为保证高精地图的智能性、精度和地图更新速度，提出多智能协同高精地图的制作和更新框架。本文的主要内容包括：①提出了多智能体协同高精地图构建定义和框架；②分析了多智能体协同高精地图构建过程中的关键技术；③研究了其构建过程中存在的挑战。1 多智能体协同高精地图构建定义及框架多智能体协同高精地图构建指采用多个搭建相同或不同传感器(摄像机、激光雷达、GNSS、IMU等)、不同类型的智能体(自动驾驶车辆、机器人、无人机等)协同采集数据，并对数据进行处理，实现智能高精地图制作和更新的过程。依据多智能体协同高精地图构建定义，其具体构建框架如图 1所示。图 1 多智能体协同高精地图构建Fig. 1 Multi-agent collaborative high definition map construction图选项 (1) 多智能体数据采集：通过对多智能体进行路径规划，使其协同进行数据采集的过程。其中，如何令多智能体协同工作、规划多智能体数据采集路径，实现高效、高质量采集某区域的数据是该部分的重点和难点。(2) 数据一体化表达：由于不同的传感器具有不同的数据表达形式(数据内容、格式、特性、精度等)，为方便智能高精地图的制作，需要对多源异构数据进行一体化表达，得到三维地图。(3) 场景认知：智能化的高精地图具有理解静态物、半静态物、半动态物和动态物的能力，还具有解释数据(认知)的能力。而目前基于深度学习的场景感知方法要求大量训练数据，且模型泛化能力差、不具有可解释性。因此，智能化的高精地图构建需要发展对数据量要求小、模型泛化能力强、具有可解释性的场景认知方法。(4) 轨迹规划：轨迹规划用于表达虚拟道路和道路间的逻辑关系，并对自动驾驶车辆在各车道的可行驶轨迹进行规划，为自动驾驶车辆行驶过程中的导航提供强约束。(5) 地图融合：基于认知数据和轨迹数据将不同空间、时间、层次的数据高精度地融合成为一个完整的高精地图。(6) 矢量化表达：将形成的智能高精地图从俯视图角度进行矢量化表达，形成矢量地图，提供给自动驾驶车辆使用。(7) 地图更新：自动驾驶程度越高，对高精度地图的准确度要求越高。而由于现实生活中频繁的道路建设和维修，使地图不能保持现势性，进而不能为自动驾驶车辆提供准确信息。因此，智能化的高精地图需要具有较好的更新能力。2 多智能体协同高精地图构建关键技术2.1 多智能体数据采集路径规划多智能体数据采集路径规划，即多个单智能体信息交互，在共同完成某个区域数据采集的过程中，每个智能体的路径规划；其本质为多智能体路径规划。针对多智能体路径规划问题，传统的方法一般采用遗传算法[8]和蚁群算法[9]求解。然而，随着问题规模的增大、计算复杂度增加，传统方法不能高效地规划多智能体路径。近年来，随着深度学习的发展，涌现出众多基于深度强化学习的路径规划方法[10]，提高了规划的效率[11-12]。但是，现有的算法在进行多智能体路径规划时，通常将问题抽象为多旅行商问题[13-14]，多旅行商问题不考虑场景的复杂性与动态性。而在多智能体数据采集时，场景的复杂性与动态性是影响数据采集效率和通信效率的重要因素之一，不可以被忽略。为解决此问题，本文建立适用于多智能体协同建图的路径规划模型。集中学习和分散执行是一种多智能体协同策略。集中学习指通过应用集中的方法训练一组智能体，从而减轻智能体间通信负担。分散执行指智能体可以在其局部观测优势的基础上分散执行[15]，这种体系在通信受限的情况对于保持多智能体间的信息高效交互意义重大[16]。文献[17]基于集中学习分散执行框架，提出了一种集中式专家监督多智能体强化学习算法，该算法采用DAgger算法获得单智能体分散执行策略，可以在较低的样本复杂度下训练分散执行多智能体策略。文献[18]将集中和分散的思想应用到主从多智能体架构中，主智能体处理来自从智能体的信息；从智能体接受主智能体消息，并结合自身信息来执行动作，显著降低了多智能体系统的通信负担。实际上，集中学习分散执行策略已成为多智能体系统协同的标准框架[19]。为了实现多智能体间信息交互与协同路径规划，本文提出采用“集中学习和分散执行”结合“多智能体强化学习”的多智能体协同路径规划模型，如图 2所示，以集中式深度学习模型学习多智能体全局路径规划，以分散式执行实现多智能体间高效信息交互，充分利用二者在信息处理与信息交互方面的优势。即：首先，基于深度强化学习算法分析单一智能体的观测和行为，学习建图环境状态更新信息；其次，通过深度神经网络，集中学习智能体之间的沟通和协同方法；最后，基于网络结构，实现智能体之间的交互及协同规划，从而完成基于集中学习分散处理的多智能体路径规划方案。图 2 集中学习分散执行路径规划模型Fig. 2 Path planning model with centralized learning and decentralized execution图选项 具体来讲，各智能体向集中式学习模型发送建图环境状态更新信息，如场景随时间动态变化、与预测复杂度差异较大等；集中式学习模型将全部更新信息集中表达为图神经网络的形式，并基于该网络同步更新全局实时地图特征。更新后的全局特征发送至所有智能体，为多智能体路径规划提供一个新的全局视野。多智能体接收来自集中学习模型提取的全局地图特征，结合局部观测信息进行分布式规划得到新的执行策略。

雷院士谈的第二个观点是“不畏小不畏强”。作为我国粉末传感器领域的开拓者、著名绝缘技术专家、中国工程院院士的雷清泉，曾经在工作之后的好多年一直是个不起眼的“无名小卒”。“当时，大家对我做的东西并不认可，很多人说‘雷清泉，你这搞的是什么东西？方向不明确’。”雷清泉说，当时多数人对他从事的交叉学科研究看不懂，但不管别人说什么，自己都一直坚持不懈地做下去。直到1993年雷清泉50多岁时才获得第一个国家自然科学基金资助，而从1998年他获得第一个省部级奖励到2003年成为中国工程院院士，这个过程只用了5年。“在此之前，是几十年如一日的埋头苦干、踏实工作。这就是厚积薄发，最后总归有所成就。”雷清泉坦言。

　　近日，河北工业大学材料科学与工程学院苑文静副研究员课题组采用静电纺丝技术制备了柔性聚合物纤维毡（PF）。该纤维毡具有均匀的纤维网络和孔隙结构，表现出良好的柔性和优异的弹性。二维MXene片层表面由于具有丰富的功能化基团（−O, –OH, –F），可通过氢键或静电相互作用包覆于纤维毡表面，得到高柔性的、可拉伸的导电M/PF毡。M/PF毡的联锁网络能够预存形变。当M/PF毡被拉伸时，纤维网络变得致密，并且纤维趋向于沿应变方向平行排列，可以缓冲单个MXene/聚合物纤维上的应变负荷，从而扩大传感范围。高导电二维MXene片层可使传感网络具有较低的初始电阻。拉伸后片层间发生相对滑动使导电层电阻增加。较低的初始电阻可赋予导电层更高的相对电阻变化率（灵敏度）。因此，该M/PF毡应变传感器表现出优异的综合传感性能，包括超高的灵敏度（应变系数（GF）达到228），低的检测限（0.1%），宽的传感范围（0-150%），以及良好的稳定性（超过3000次），可实现对拉伸、弯曲、压缩等不同形变的检测。通过调节弹性体组分比例，可实现对灵敏度和传感范围的可控调节。同时，该M/PF毡传感器可应用于人体活动和各种生理信号的实时监测，在柔性可穿戴电子器件领域具有潜在的应用前景。该研究以“A highly flexible and multifunctional strain sensor based on MXene/polyurethane fibrous mat with ultrahigh sensitivity and broad sensing range”为题发表在Nanoscale上。该文章的第一作者为河北工业大学硕士研究生杨凯。该研究获得了国家自然科学基金 (No. 51702084) 的资助。

曼海姆是德国批判理论代表人物之一，他提醒了知识形态的各种变异，要求区分（譬如说）类似真理的知识、自然科学的知识、社会决定的知识、意识形态化的知识、带有偏见的知识、乌托邦的知识和虚假知识等。他指出，知识社会学让人重视知识与社会环境关系，使研究工作挣脱或剥离表象，对知识本身做认识论的反思。知识社会学并不试图取代精神分析和传统认识论之类的学术领地，而是提示特定论断内在的局限性，察看先验性知识或"完美知识"的逻辑断裂，否定经验主 义认识论的狭隘。"每一种知识理论本身都会受到科学在其时代所采取的形式的影响，而且仅仅在这种形式中，每一种知识理论可以获得关于知识本质的概念。"他认为，知识分子的观点与创作来源于包含各种冲突看法的媒介，杰出而敏感的知识分子能根据社会需要审慎梳理，带动社会与民族的思想进步。知识分子的整合工作不是各种群体已有意见的算术平均数，而是以知识创造的方式维护和利用积累下来的文化成果和社会能量。