中山大学教授，博士生导师
德国洪堡基金获得者
机器智能与先进计算教育部重点实验室主任
《机电工程技术》第十二届编委
王国利教授致力于机器智能与物联系统的研究，重点关注压缩计算成像实现的周边感知技术，以及场景化学习实现的周边智能方法，解决人机交互和智能融合涉及的复杂对象感知、深度数据分析和系统综合集成所面临的科学和技术难题。研究成果发表在IEEE汇刊（包括神经网络、机器人与自动化、机电学、仪器与测量、工业电子、传感器、移动计算、普适计算）等核心学术期刊。
人的周边与人结伴而存，无论是工作还是生活，人与周边的互动是人类最基本的活动形式。人通过所处的周边获取服务或行使职能，也因所处周边而受到约束或被动依从。无疑，人与周边的相互作用即重要又复杂。
计算、通信和控制技术的快速发展和高度聚合，推动着周边数字化、网络化和智能化的水平不断提升，加速了人、机、物的深度融合，正在改变着人与周边的相互作用关系和模式。工具或设备的使用正在从人“找”服务的模式到服务“找”人的模式转变，人机交互的界面正在从人适应机器的方式到机器适应人的方式转变。这些变化的发生正是人与周边智能融合的体现，是通过赋予周边的机器、设备、环境特定的感知和认知能力得以实现的，这也是周边智能化的核心任务。实现周边智能化的关键在于，其一，需要发展适合周边场景感知的信息获取模式和信息处理技术；其二、需要建立应对周边场景高度非结构化和动态不确定性难题所需的数据分析、理解和综合的机器智能手段。
中山大学王国利教授及其团队，长期从事周边智能方面的科研工作，重点研究以压缩感知为依托的新型信息获取方法，及支持复杂感知数据分析与理解的智能信息处理技术，将嵌入式系统与移动计算有机结合，形成系统化、网络化和智能化的智能感知模式，解决大范围、多粒度、动态时变、复杂交织、突发异常等对象感知、分析和综合所面临的难题，最终为周边感知与监测、目标定位与跟踪、事件检测与分析等信息服务提供新的有效的解决框架。近日，《机电工程技术》编辑部采访了王国利教授及其团队，并约稿“周边智能化辅助实现的协作机器人速度与分离监控”，现一并整理发表。王国利教授对周边智能感知的研发成果，相信对业内同行会大有帮助。
周边感知是以周边视角获取观测场景的切片信息，并综合形成观测场景整体信息的过程。王教授及其团队将周边感知任务抽象为压缩计算成像问题，系统地发展了一系列适用于周边感知的智能信息处理计算架构和实现方法。具体而言，在该计算架构下，将周边传感信息模型化为场景状态影像的压缩测量结果，将周边感知任务归结为场景状态影像的重构问题。另外，还重点研究了两类周边传感测量模型对应的压缩计算成像问题，即阴影衰落层析成像和几何参考结构层析成像。其中前者可以视为从周边透视内部的感知模式，是一种借助探测信号衰落信息反演衰落分布状态影像的信息处理方法；后者可理解为通过周边几何参考结构推断内部未知结构空间分布的感知模式，是一种用几何参考结构对未知结构空间分布进行编解码的信息处理方法。
王教授指出，阴影衰落层析成像的技术难点是如何对抗成像过程出现的伪影。伪影产生的原因复杂而多样，抑制伪影的关键在于从测量数据中学习到伪影产生的来源。王教授及其团队将甄别异常测量数据的学习机制嵌入到影像重构的过程，在线自主调节测量数据对影像重构的影响，形成有效对抗伪影的壁垒。几何参考结构层析成像的技术挑战在于如何优化设计几何参考结构以获得高效鲁棒的感知性能。将几何参考结构的层析成像任务抽象成布尔压缩传感问题，将几何参考结构的优化设计问题转化为重叠码的设计任务，形成了图约束下组测试的解决方案。
基于压缩计算成像理论，王教授及其团队发展了多种周边感知技术，主要包括：窄带射频视觉、光纤传感阵列、热释电红外运动视觉等。
据王教授介绍，窄带射频视觉是基于阴影衰落层析成像的原理，利用了窄带射频探测信号实现的周边感知技术。该技术的特点和优势可以归纳为：其一，窄带射频探测信号可以复用现有窄带射频无线网络的节点设施，射频信号接收强度作为测量数据对象有很强的普适性；其二，较超宽带信号对比，窄带射频信号穿透障碍物能力更强，覆盖尺度更大，测量设备成本更低。射频探测信号中含有的多径衰落成分具有动态不确定性，利用阴影衰落层析成像对抗伪影的方法，有效解决了窄带射频视觉中多径干扰的难题。窄带射频视觉可灵活部署，支持多尺度、多粒度、多维度的感知能力，用于目标定位跟踪、行为理解分析等场景。
王教授介绍，光纤传感阵列和热释电红外运动视觉都是基于几何参考结构层析成像的原理实现的周边感知技术。光纤传感阵列利用了压敏光纤作为几何参考结构设计的手段，实现压力场分布状态感知，可用于目标定位与跟踪、摔倒检测等场景。热释电红外视觉利用调制视场可见性的掩膜作为几何参考结构，实现对人体红外辐射空间分布状态的感知。其中参考结构设计是技术难点，无论是光纤部署方案，还是热释电视场调制策略，都需要综合考虑传感效率和物理约束。对此，提出的时空联合重叠码优化设计范式提供了有效的解决方案。
王教授及其团队利用发展的周边感知技术构建了实现活动量化分析的周边智能系统，可用于独居长者失能风险监测，以及人机系统安全风险监控等场景。
王教授介绍了从周边感知到周边智能体现在数据形态的演化过程：从碎片化或切片化周边传感数据，包括位置数据、状态数据、语义数据等，通过学习和建模完成数据汇聚，形成诸如行为数据、活动数据、习惯数据等周边感知数据，在此基础上，经过综合与集成输出服务数据，包括活动量化分析数据、风险事件预测与预警数据、应急响应与决策分析数据等。在上述周边智能数据演化过程中，周边应用场景具有的高度非结构化和动态不确定性是需要面对的技术难题。为此，发展了独立于领域知识的涌现汇聚数据机制，以及虚实混合仿真支持的服务数据综合集成模式。