（通讯员 徐文霞）近日，中国科学系列期刊《Science China Information Sciences》在线发表我校计算机科学与工程学院人工智能学院“智能产线装备湖北工程研究中心”科研论文：“Graph-geometric message passing via a graphconvolution transformer for FKP regression”。武汉工程大学为第一署名单位，研究生朱辉志为第一作者，徐文霞副教授为通讯作者。

《Science China Information Sciences》是中国科学院主办、中国科学杂志社出版的自然科学专业性学术刊物，该期刊最新影响因子为7.3，武汉工程大学TOP期刊，JCR分区Q1期刊，主要以论文形式报道中国基础研究和应用研究方面具有创造性的、高水平的和有重要意义的科研成果。

针对并联机器人正运动学问题的求解任务，论文借鉴了一些在视觉任务中取得成功的经验，系统性地分析了传统网络在该任务下难以训练和设计的原因，并提出了一种基于图卷积Transformer的并联机器人运动学正解方法。首先，建议采用好的可微的旋转表示，以克服网络在旋转回归中的精度问题。其次，提出了一种简单、直观且高效的图结构数据表示方式，称为“图-几何信息”，以充分利用并联机器人的复杂结构和几何特性，从而有利于网络设计和学习策略的多样性。

图1. 并联机器人

论文设计了一种图卷积Transformer模型，以满足该任务的需求。其中，图卷积用于提取图-几何信息的局部特征，Transformer用于学习全局特征，并保证网络的长距离学习能力。此外，论文提出了一种ChebGAC模块，以全面提取图-几何信息的多尺度上下文特征，并在网络的前向传播中保留相关的图结构特征。

图2. GCT-FKP算法

论文通过仿真数据集和指定的评价指标，对该方法与传统网络方法进行了实验对比。实验分为四个部分：主客对比结果、方法对比结果、消融实验和旋转表示对比结果。实验结果表明，与传统网络模型相比，我们的方法显著提高了正解输出的精度，同时保证了计算的实时性。

 （审稿 张炜）