深度学习的兴起推动了机器人感知能力的革命性发展，应用于机器人的视觉、听觉、触觉等多个维度。而单个机器人感知能力有限，在一些场景中往往无法很好的完成其工作任务。为获得更好的感知能力，使机器人之间能够共享信息，感知视野以外的环境，多机器人协同感知技术应运而生。

现阶段多机器人协同感知技术还存在诸多局限性，机器人之间的协作策略、通信条件受限的协作感知，多模态协作感知，鲁棒的协作感知（抵御对抗攻击，消除定位误差）都是诸多学者的攻克方向。

纽约大学在读博士李一鸣等人提出基于DiscoGraph任务相关的多机器人协同感知系统，并在多车联合感知数据集V2XSim1.0上得到验证，证明了该系统使用的DiscoNet是一种较好的性能带宽权衡感知方法，相关论文收录在NeurIPS 2021和IEEE RA-L 2022上；之后又提出基于自监督任务无关的多机器人协同感知系统，使任务无关的机器人使用同一个编码器，根据共享信息重建出完整场景，解决了多机器人之间难以大规模部署的问题，相关论文收录在CoRL 2022上。

4月11日晚7点，AI新青年讲座第203讲邀请到纽约大学李一鸣在读博士参与，主讲《从任务相关到任务无关的多机器人协同感知》