成果简介： 1、卓越的机器人运动性能（可靠） 2、导航辅助设施简单、定位精度高（精确） 3、仪表识别准确可靠（精确、智能） 4、巡检模式灵活方便（智能） 5、模块化、标准化设计，便于维修与互换（标准） 6、自动充电系统简单可靠（可靠） 7、独特的多元混合电池系统性能卓著（可靠） 8、缺陷自动识别与报警（智能） 9、丰富的内外部接口，便于数据融合与交互（开放）

本系统由“巡林助手”、传感器组、监控管理服务器数据分析终端和相应的系统软件组成，通过北斗卫星导航系统（BDS）技术实现对林区管护人员进行严格规范化管理的同时，为防火、防盗、防虫灾工作提供报告。及时向管理中心反馈巡检过程中发现的各种事件，并标明准确的经度、纬度、时间等位置信息，同时能够考核巡检人员是否按照林业局规定的线路、时间进行巡林。并且可实现考勤记录的网络查询、远程管理等强大的功能。 (1)林区巡检与生态智能决策系统采用北斗卫星导航系统，结合实际需求，为林区巡检与生态决策提供智能解

2020年10月12日，《自然：生态与进化》（Nature Ecology & Evolution）在线发表了北京师范大学地理科学学部傅伯杰院士团队的最新研究成果“完善森林恢复，以实现可持续发展目标15”（Improve forest restoration initiatives to meet Sustainable Development Goal 15）。 作为17项全球可持续发展目标（SDGs）之一，目标15（“陆地生物”）强调保护和恢复森林生态系统是世界各国的重要任务。 根据2015年全球森林资源评估报告，从1990到2000年，全球天然林面积的年净损失率为0.18%，且在热带和亚热带地区更为严重。进入21世纪后，各项国际大规模森林保护和恢复项目在减缓森林净损失率方面发挥了关键作用。通过对过去二十年的遥感卫星观测结果表明，全球陆地生态系统呈现出“变绿”现象。然而，该研究指出真正的危机是全球森林和天然林面积仍在下降，唯一增加的则是人工林覆盖率，但这无法减缓或逆转生物多样性的丧失。 研究指出：由于当前国际上的森林恢复项目对快速恢复森林面积的需求，导致了人们对种植人工纯林的偏好，例如，在“波恩挑战”项目中，45%的国家承诺通过人工纯林的方式提高森林覆盖率。研究强调，尽管人工纯林在短期内对区域的生态环境有迅速地改善作用，但从长期来看会引发其他方面的生态危机，包括碳储量下降、土地生产力下降、病虫害增加等。为此，作者呼吁为了保护森林生态系统的健康，管理部门应该实施更具创新性的激励政策，以将森林恢复行为从增加森林面积转变为改善其生物多样性。同时强调，应及时改善当前已成熟人工纯林的结构，避免出现各种潜在的生态危机。 该研究分析了可能限制人们对人工纯林结构改善的社会经济因素，并提出了4条针对性的建议，包括：（1）完善人工林生态系统生物多样性监测评估机制；（2）制定创新性森林恢复政策，以激发人们改善人工纯林生物多样性的意愿与行为。（3）面对部分情况下人工纯林建设的必要性，也应在政策上鼓励农林复合经营或林下经济；（4）积极开展科学研究来指导人工纯林生物多样性的改善。 研究同时表明，以上建议对各个国家并不具备同等的重要性，尤其是对于人工纯林面积较少的国家而言，例如新热带区（the Neotropical Regions），但该建议不仅可以为过度依赖人工纯林开展森林恢复的国家提供补救措施，也可以为其他国家起到警示作用。 论文第一作者为北京师范大学地理学部博士生张军泽，通讯作者为傅伯杰院士，合作作者包括澳大利亚联邦科学与工业研究组织Mark Stafford-Smith教授，及北京师范大学地理科学学部王帅教授和赵文武教授。该研究受到国家自然科学基金项目、第二次青藏高原综合科学考察研究项目以及国家重点研发计划项目资助。

2020年10月12日，《自然：生态与进化》（Nature Ecology & Evolution）在线发表了北京师范大学地理科学学部傅伯杰院士团队的最新研究成果“完善森林恢复，以实现可持续发展目标15”（Improve forest restoration initiatives to meet Sustainable Development Goal 15）。 作为17项全球可持续发展目标（SDGs）之一，目标15（“陆地生物”）强调保护和恢复森林生态系统是世界各国的重要任务。 根据2015年全球森林资源评估报告，从1990到2000年，全球天然林面积的年净损失率为0.18%，且在热带和亚热带地区更为严重。进入21世纪后，各项国际大规模森林保护和恢复项目在减缓森林净损失率方面发挥了关键作用。通过对过去二十年的遥感卫星观测结果表明，全球陆地生态系统呈现出“变绿”现象。然而，该研究指出真正的危机是全球森林和天然林面积仍在下降，唯一增加的则是人工林覆盖率，但这无法减缓或逆转生物多样性的丧失。 研究指出：由于当前国际上的森林恢复项目对快速恢复森林面积的需求，导致了人们对种植人工纯林的偏好，例如，在“波恩挑战”项目中，45%的国家承诺通过人工纯林的方式提高森林覆盖率。研究强调，尽管人工纯林在短期内对区域的生态环境有迅速地改善作用，但从长期来看会引发其他方面的生态危机，包括碳储量下降、土地生产力下降、病虫害增加等。为此，作者呼吁为了保护森林生态系统的健康，管理部门应该实施更具创新性的激励政策，以将森林恢复行为从增加森林面积转变为改善其生物多样性。同时强调，应及时改善当前已成熟人工纯林的结构，避免出现各种潜在的生态危机。 该研究分析了可能限制人们对人工纯林结构改善的社会经济因素，并提出了4条针对性的建议，包括：（1）完善人工林生态系统生物多样性监测评估机制；（2）制定创新性森林恢复政策，以激发人们改善人工纯林生物多样性的意愿与行为。（3）面对部分情况下人工纯林建设的必要性，也应在政策上鼓励农林复合经营或林下经济；（4）积极开展科学研究来指导人工纯林生物多样性的改善。 研究同时表明，以上建议对各个国家并不具备同等的重要性，尤其是对于人工纯林面积较少的国家而言，例如新热带区（the Neotropical Regions），但该建议不仅可以为过度依赖人工纯林开展森林恢复的国家提供补救措施，也可以为其他国家起到警示作用。 论文第一作者为北京师范大学地理学部博士生张军泽，通讯作者为傅伯杰院士，合作作者包括澳大利亚联邦科学与工业研究组织Mark Stafford-Smith教授，及北京师范大学地理科学学部王帅教授和赵文武教授。该研究受到国家自然科学基金项目、第二次青藏高原综合科学考察研究项目以及国家重点研发计划项目资助。

2020年3月5日、6日，由山东大学-南洋理工大学人工智能国际联合研究院(C-FAIR)牵头研发的适用于抗疫需求的两款机器人分别入驻湖北省黄冈市浠水县人民医院和华中科技大学同济医学院附属协和医院，支援抗疫一线。 此次捐赠给抗疫一线的两款机器人分别是“智能会诊及配送机器人”和“防疫巡检机器人”。“智能会诊及配送机器人”可替代医护人员到污染区病床前对病人开展问诊、随访、物资配送等工作，从而减少病毒传播机会，减轻医务人员工作压力。“防疫巡检机器人”具有智能监测体温，在规定路线进行喷洒消毒、人脸识别、口罩佩戴语音提示、自主导航避障、防疫宣讲等功能，首批5台于6日到达武汉。   在新冠肺炎疫情爆发之初，C-FAIR便与山东省肿瘤医院有关专家共同探讨以人工智能助力科学防疫的可行性方案及具体操作方法，并会同山东第一医科大学、济南大学、华中科技大学等单位，以C-FAIR医工交叉研发平台为支撑开展技术攻关，在10余位技术人员的共同努力下，前后用时近1个月完成样机。   为适应疫情防控发展，C-FAIR医工交叉团队将继续深挖抗疫需求，以高科技手段完善“防疫机器人”体系。团队正积极研发以力反馈柔性机械臂为特色的智能抗疫机器人，替代医护人员近距离临床病毒采样及辅助检查操作，以科技报国的家国情怀为打赢抗疫阻击战贡献一份山大力量。

机器人研究中心自主研制的变电站智能巡检机器人，用于巡检变电站，实现变电站的自动无人值守巡检。该机器人解决传统巡检方式的安全差、效率低等问题，提高巡检的安全性和效率，在专业机器人具有宽阔的市场发展前景。 变电站巡检机器人系统主要分为室外移动机器人、红外白光双视监测系统、变电站远程监控与管理系统。室外移动机器人是载体，红外白光双视监测系统是监测手段，基于图像视觉的变电站故障诊断与分析系统是目的。室外移动机器人搭载红外白光双视监测系统按照变电站巡检规程与要求进行自动无人值守巡检，通过无线网络将监测图像、视频及其它数据传送到变电站监控中心，布置于变电站监控中心的远程监控与管理系统对这些数据进行分析与处理，根据处理结果对变电站监测点给出故障预测、寿命评估、潜在风险和故障报警，确保变电站安全运行。

变电站巡检机器人系统主要分为室外移动机器人、红外白光双视监测系统、变电站远程监控与管理系统。室外移动机器人是载体，红外白光双视监测系统是监测手段，基于图像视觉的变电站故障诊断与分析系统是目的。室外移动机器人搭载红外白光双视监测系统按照变电站巡检规程与要求进行自动无人值守巡检，通过无线网络将监测图像、视频及其它数据传送到变电站监控中心，布置于变电站监控中心的远程监控与管理系统对这些数据进行分析与处理，根据处理结果对变电站监测点给出故障预测、寿命评估、潜在风险和故障报警，确保变电站安全运行。

电子束团在时间－能量的相空间内形成角状分布，具有强而窄的电流尖峰和较长的低电流拖尾，只有尖峰部分有足够的强度产生自由电子激光，从而可获得几百阿秒的X射线脉冲。通过优化加速器参数及电子束团电荷量，产生了200阿秒、光子能量为5.6 千电子伏和9千电子伏的X射线激光脉冲。这一方案不需对现有XFEL装置进行任何复杂的升级改造，因此也可在国际上其它类似的XFEL装置上实现阿秒X射线脉冲。

(1) 长时间鲁棒定位与建图：未知室内外环境下激光雷达/视觉建图，基于深度学习的跨时段场景识别克服天气/季节/场景变化并修复运动对象干扰，分层路径规划实现高效率自主导航。 (2) 电力设备表计识别：基于图像识别算法研发形成移动终端侧的典型指针式表计自动读数技术。 (3) 电网设备图像部件级实例分割： ①　RGB-T自动标注技术突破了制约设备样本获取难的共性瓶颈； ②　基于深度学习的实例分割技术攻克了背景复杂、目标占比小和多目标共现的电网设备部件级分割难题； ③　弱/半监督学习技术提高了样本利用率，大大降低标注成本； ④　模型压缩与加速技术使得基于深度学习的电力设备识别方法在低功耗移动终端侧应用成为可能。 (4) 设备图像故障监测：基于红外/紫外/可见光的电力设备过热、渗水、漏油、明火等典型故障检测与故障报警，具备自定义通信报文与远程推送功能。

智能巡检与捡垃圾机器人系统基于搭载的视觉、激光、IMU、编码器等传感器进行融合，实现机器人在居民小区、公园广场、街道、工业园区等典型环境下的高精度自主定位、建图与导航，同时基于建立的场景地图，采用深度学习对场景中的物体进行图像分割，识别出垃圾及其种类，获得垃圾的空间位姿信息，控制机器人完成捡垃圾任务，并进行垃圾的智能分类。智能巡检与捡垃圾机器人系统不仅具备常规巡视功能，执行巡检任务，还具有捡垃圾和智能分类功能。创新性强，技术水平先进，具有很高的经济和社会效益。