目前人工智能领域的繁荣，在一定程度上是由于成功地教会AI识别静态图像的内容，如今，对视频进行解读的AI系统，包括自动驾驶汽车系统，往往依赖

于在静态框架中识别物体，而不是解读动作。

目前全球的下一个技术方向为：让机器不仅能理解视频的内容，还能了解视频中发生了什么。

国内以旷视、商汤、衣+、海康威视等计算机视觉安防巨头为代表的企业，已经在视频数据的获取、处理、应用领域取得了骄人的成绩，在诸多领域已经处于行业领先地位。

我国是视频理解（处理）和感知技术应用的需求大国，然而目前的大多数技术应用仍处于单纯视频数据分析、理解层面，配有主动视觉的机器人中的实时视频理解、环境交互等高阶交互问题探索较少。

目前研究院在机器人视频理解方面有着国际领先的突出优势，提出了新的全景视频描述生成框架和快速且精准的选帧和选句策略，对视频中的动态和静态信息可以同步融合分析，生成具有多样性的句子。

研究目标：

• 实现多移动机器人视频理解