1.技术成果名称：基于车路协同下的高精度语义地图构建研究与应用
由于目前在车路协同领域缺乏类似动态语义加载下的高精度地图方面研究，因此如何融合V2X的路上信息是一个技术难点，在中考虑到人工标注或者机械化程序设定的方式融入存在信息缺失或者判断错误等情况，设计使用深度学习模型引入长短期模型等模型对V2X的信息进行融入。其次由于标准化的语义高精度地图结构目前业界内还在进行研究，目前自动驾驶中使用车道级的高精度点云地图，该技术在此基础上利用3D建模和语义化，划分语义结构从而构建实时语义的高精度地图具备一定的技术可行性。最后依托于语义化的高精度地图构建上层应用，目前大部分车上以供人员使用的方式是可视化，目前较少研究涉及到将语义信息语音化，而运用深度学习构建语音播报是一个技术难点，这其中涉及到数据量少，且要求一定的高精度问题。这个问题可利用迁移学习的方式解决。同时运用语义的路边设备信息辅助高精度定位，进行图优化方面的定位优化具备较高的技术可行性。
技术转化过程
2.技术成果名称：基于RISC-V指令集的全异步低功耗SoC
近年来，芯片已成为制约我国发展和富强的主要因素之一。CPU是应用最广的芯片，在军民领域都有及其重要的应用，受制于后发劣势，为了规避专利陷阱，同时得到开源软件生态的支持，采用开源指令集RISC-V是最优的选择之一。
另一方面，各个行业均需要复杂芯片的支撑，需要基于CPU集成多种其他功能，形成一种CPU管理的多种粗粒度硬件算法模块的片上系统SoC（System on Chip）。目前SoC内部电路采用时钟机制集中式管理，导致其功耗巨大，即使采用门控时钟等休眠方案，其主时钟依然翻转，难以达到应用要求的毫瓦和瓦级能耗要求。因此不依赖全局时钟机制的SoC芯片形态能够达到低功耗的需求。
取消时钟机制之后，电路工作在事件驱动的机制之下，称为异步电路。异步电路的工作机制由电路逻辑产生的事件来实现，不依赖于晶振产生的时钟。采用事件触发的异步SoC包含了支持通用指令集的异步CPU和异步机制的粗粒度算法硬件模块，具有随时启停的工作模式，指令序列表达的多粒度任务分解为事件流，在异步CPU的事件解析和分发的作用下，在时间和空间维度上驱动必要的异步计算和算法硬件模块完成任务。
其中全异步CPU支持RISC-V的IMC指令集，并扩展了两条指令t_start和t_end以支持其随时启停功能。该CPU具有简单的分支预测功能，并支持非嵌套的中断异常处理。支持矩阵处理指令微码，可进行矩阵计算；搭载多片SRAM，支持多任务切换处理。
矩阵计算模块主要是针对各种大规模计算领域中对稀疏矩阵的特殊处理需求及针对稠密矩阵的处理。该矩阵计算模块支持128*128规模的矩阵计算，数据位宽为32bit。并且支持稀疏矩阵-矩阵乘、稠密矩阵-矩阵乘、向量-向量乘、数-向量乘、数-矩阵乘、行向量-矩阵乘、矩阵-列向量乘、矩阵-矩阵加八种模式的快速运算。本芯片中采用外积与内积融合处理算法完成相应的矩阵加速计算操作，结合两种算法的优势根据不同的处理场景选择相应的处理模式，并且针对外积算法进行压缩优化，同时对内外积算法可复用部分进行设计修改，减少与SRAM的数据访存量。本项目通过事件驱动型异步设计方法搭建矩阵处理加速芯片，可以为矩阵加速处理算法在ASIC上实现提供一种灵活、低功耗的解决方案。
基于RISC-V的全异步低功耗SoC整体架构图
3.技术成果名称：基于学习与控制融合的智能机器人系统研发
针对现存在的机器人控制中由于机器人的模型与结构信息不准确，所带来的控制成功率低，控制效果不精确等问题。提出了一种基于数据驱动的，应用于结构信息不精确机器人的，同步学习与控制算法。同时，将该算法与优化技术相结合，应用于多种机器人上（机械臂、移动机器人、冗余机器人）。图4展示了学习与控制融合及其智能算法的流程图，从图中可以看出，通过机器人运动传感和物体传感，可以将采集到的数据传入到基于学习运动控制的数据驱动中，然后将数据驱动技术与所设计的神经网络模型相融合，通过神经网络模型进行算法迭代后计算得到输出数据，完成对机器人系统的控制。所提出的学习与控制算法很好地完成了对机器人结构信息的学习，学习的误差保持在了m，同时，将控制误差保持在了m。
学习与控制融合策略及其智能算法控制方案流程图
4.技术成果名称：盲文转换方法及系统
本成果提出一种基于MusicXML乐谱到盲文的转换方法和一种基于Transformer的汉盲翻译方法及系统。
基于MusicXML乐谱到盲文的转换方法主要包括一种对音乐乐谱通用格式MusicXML文件的内容进行预处理、乐谱到盲文转换、盲文乐谱精简化处理的方法;所述的系统主要包括:用户界面层、转换逻辑层;用户界面层包括:MusicXML乐谱录入模块、乐谱格式设置模块以及结果预览模块;转换逻辑层包括:预处理模块、转换模块、精简化处理模块;系统借助于方法帮助用户转换MusicXML乐谱到盲文乐谱，转换正确率在96%以上。
基于Transformer的汉盲翻译方法包括：基于现有句子级对应的汉盲数字资源训练翻译模型；基于Transformer构建以句子为单位将汉语文本直接转换为盲文ASCII码的所述翻译模型，其中，所述翻译模型基于多头自注意力机制至少将输入、输出、输入‑输出的信息关联的方式学习所述汉盲数字资源。本发明以句子为单位进行翻译，不需要构建词语级精确对应的汉盲对照语料库，使得本发明能够直接利用现存的汉盲数字资源，只需要经过句子切分处理就能使用，从而建设难度小、耗时短，显著地降低了构建语料库的成本。
5.技术成果名称：面向终身学习的数字化智能体技术研究与应用
该技术成果受读者出版集团委托，面向全民终身学习，研发数字化智能体技术，构建“读者·终身学习”平台。该平台将满足全民个性化终身学习需求，创新服务运营模式，打造新一代用户规模较大、市场及社会影响力突出、肩负社会责任感的泛在化互联网产品，努力推动学习型社会和书香社会的建立。 该项目使用前后端分离的架构模式，完成一个集多功能为一体的综合服务平台。应用包含后台管理端和用户使用前端APP，后端采用 Java EE 企业级快速开发平台，基于经典技术组合（Spring Boot、Spring Security、MyBatis、Jwt、Vue）进行开发实现，前端基于UniApp前端跨平台混合应用框架进行实现，最后完成Android、IOS、微信小程序等平台的应用开发。
终身学习智能体开放服务平台
6.技术成果名称：基于人工智能重构云辐射特性的河西走廊光伏功率预测研发
利用多源主、被动卫星遥感观测，结合气象场及地理信息数据，研发一种集云分类和云分布特征回归任务为一体的人工智能深度学习方法，有效识别和建立气象场与云特性之间的关系，在此基础上根据数值模式预报的气象要素产品，重建云的分布特征，最终结合辐射传输模式实现对太阳辐射的短期和超短期准确计算，发展了一套能显著提高光伏发电功率预测准确率的新方法。主要包含数值天气模式对气象场的准确模拟、深度学习对气象场与云特性分布关系的建立、辐射传输模式模拟重建云特性对太阳辐射通量的影响、以及光伏功率预测计算模型四个方面的内容。