报告题目：机器人投掷的计算与物理结构：迈向通用动态操作
① 报告摘要：
人类能够以高速度和高精度稳定地完成投掷任务，某些动物（如黑猩猩、大象）也具有偶发的投掷能力。相比之下，当今机器人在动态操作上仍明显落后，工业自动化仍以准静态的抓取放置为主。随着电机驱动技术的迅速发展，我们相信投掷机器人将从小众走向普及，在高速物流、柔性制造、服务机器人等领域带来巨大的效率和价值。
然而，现有方法受限于姿态和物体类型单一、依赖黑盒数据驱动模型以及学习数据昂贵等因素，难以实现可规模化部署。本报告围绕机器人投掷开展系统化研究，从建模、规划到学习进行纵向整合，核心思想是发掘并利用低复杂度的计算结构与主导物理机制，从而构建可靠、可解释且运行时高效的算法体系。
主要贡献包括：
(1) 快速自适应投掷：利用非凸可行性问题的可分离结构构建离线可查询字典，实现动态环境下的实时高效规划；
(2) 鲁棒投掷规划：通过目标流形与延迟释放模型处理释放不确定性，利用凸松弛实现对多种物体（含可变形物体）的鲁棒投掷；
(3) 瞬态释放物理建模：指出传统刚体—摩擦模型在释放瞬间的高敏感性，提出基于旋转主导效应的面接触模型，其精度可与海量数据驱动模型相当。
本研究结合理论推进与大规模实验验证，从多个维度提升了机器人投掷技术的成熟度，为未来可普及的投掷机器人奠定了坚实基础。
② 讲师介绍：
刘洋，瑞士洛桑联邦理工学院（EPFL）博士后，研究方向包括机器人动态操作（Dynamic Manipulation）、运动规划与物理建模。本科毕业于吉林大学机械工程专业，于苏黎世联邦理工学院（ETH Zurich）获得机器人硕士学位，之后在 EPFL 完成博士研究。博士期间，他围绕机器人投掷开展系统化研究，在建模、规划和学习等方面提出多项突破性的算法与物理模型，并曾担任欧盟项目 DARKO 中投掷模块负责人。其成果已在机器人学顶级期刊 IEEE Transactions on Robotics (T-RO) 发表多篇论文，并入选欧盟 EU Innovation Radar 高潜力创新（2023）。相关研究多次在国际大型活动中进行公开投掷展示，并在瑞士机器人日（Swiss Robotics Day）获得2024年 Best Booth Award 第二名和2025年 Best Booth Award 第一名。
报告题目：类脑感知与交互
① 报告摘要：
智能系统感知能力的建立是来自基于智能体和其所处环境共同作用下的交互决策过程，包含了计算机图形学、视觉、机器人、认知科学领域等多种理论技术与任务。本报告将从面向智能系统的场景目标类脑感知与具身处理等方面来阐述如何赋予智能体与场景之间高效的交互学习能力，最终实现基于生物启发的场景交互感知与处理过程。
② 讲师介绍：
杨鑫，大连理工大学教授，博士生导师，任学校学科建设（双一流、学术委员会）办公室副主任、社会计算与认知智能教育部重点实验室副主任。主要研究方向为计算机图形学与视觉、智能机器人等。主持“科技创新2030”重大项目、国家自然基金重点/面上/青年/元宇宙专项/共融机器人重大项目培育、多个国防重点项目、863项目、辽宁省杰青、大连市杰青、教育部装发联合基金、华为创新研究计划（连续支持）等，出版专著/教材5部，获24年中国图像图形学会技术发明一等奖（第1）、23年大连市科技进步一等奖（第1）、23年日内瓦国际专利金奖（第1）、23年辽宁省自然科学技术成果二等奖（第1）、22年CCF-CADCG优秀图形开源奖（第1）、21年辽宁省技术发明奖一等奖（第4）、24年中国自动化学会自然科学二等奖（第2）等。担任中国图学学会常务理事、中国图学学会可视化与认知计算专委会主任、中国图象图形学学会数字娱乐与智能生成专委会副主任、中国指挥与控制学会虚拟现实与人机交互专委会副主任、中国仿真学会多模态交互与认知仿真专委会副主任、中国计算机学会计算机辅助设计与图形学专委会秘书长、中国图学学会奖励工作委员会秘书长等学术兼职。
报告题目：On the Computing Methods and Theoretical Characterizations of
Spiking Neural Networks
① 报告摘要：
Recent years have emerged a surge of interest in spiking neural networks (SNNs). The performance of SNNs hinges not only on searching apposite architectures and connection weights, similar to conventional artificial neural networks, but also on the meticulous configuration of their intrinsic structures. In this talk, we introduce our studies on the computing methods and theoretical characterizations of SNNs. We begin this talk with an interesting finding relative to bifurcation in SNNs, and then delve deep into the intrinsic structures of SNNs. Our findings elucidate why the efficacy of SNNs hinges heavily on the configuration of intrinsic structures and lead to a recommendation that enhancing the adaptability of these structures contributes to improving the overall performance and applicability of SNNs. Based on these findings, we further provide comprehensive theoretical investigations on SNNs, including approximation, complexity, efficiency, and generalization. Specifically, we prove the first generalization bound relative to SNNs that the stochastic spiking neurons maintain generalization bounds with an exponential reduction in Rademacher complexity. Empirical experiments conducted on various real-world datasets affirm the effectiveness of our proposed methods.
② 讲师介绍：
张绍群现任南京大学智能科学与技术学院特聘研究员，博士生导师，现为CIDD 访问学者。主要从事人工智能、脑启发的计算方法和理论相关研究，取得了一系列创新成果，相关研究成果发表于JMLR、Neural Comput.、NeurIPS等人工智能和机器学习领域国际顶级期刊/会议，部分研究工作受邀参与阿联酋TII和MBZUAI联合资助的（百万美金级）国际项目。现主持基金委青年基金一项、江苏省青年基金一项、高校合作项目多项，参与创新群体、重点研发等多项。应邀担任NeurIPS 2023、2024、2025 领域主席，IJCAI 2019、AAAI 2019资深程序委员，ICML、NeurIPS等国际顶级会议程序委员五十余次，Nature、AIJ、JMLR、TPAMI等人工智能领域顶级期刊审稿人三十余次，并受邀在天元数学中心、MBZUAI、CUHK等国际知名单位作特邀报告。现任中国计算机学会 YOCSEF苏州副主席、中国计算机学会数据治理发展委员会医疗数据要素工作组通讯委员、中国人工智能学会机器学习专委会通讯委员、江苏省计算机学会和江苏省信息技术应用学会人工智能专委会委员等。
报告题目：基于可微分物理的高速视觉避障
① 报告摘要：
近年来，无人机在救援、巡检和物流等领域得到了广泛应用。其中，无人机的视觉避障飞行能力是一个关键问题，尤其是在高速、集群和低成本部署三个场景中的避障能力。当前多数无人机导航系统采用模块化结构，将感知、规划与控制模块分离处理，易导致误差累积和系统延迟，难以满足高速动态场景及多机协作的需求。而基于学习的方法，在多机系统中面临训练成本高、专家策略设计困难等问题。为此，在本报告中，我们将介绍基于可微分物理的端到端高速视觉避障方法，该方法通过模拟物理过程并利用“反向传播”自我调整，使系统直接学习飞行控制，显著提升了学习速度和实际性能。此外，在多智能体场景中，系统展现出自组织行为，能够在无需通信或集中规划的情况下实现自主协同。这些功能都部署在一个价格仅为150元低成本计算机上，并实现最高可达20米/秒的导航速度。
② 讲师介绍：
林巍峣，上海交通大学特聘教授，主要研究方向为人工智能，视频分析，视觉表征编码等。在相关领域发表权威期刊和会议论文100余篇，获发明专利25项。获多项国际权威评测第一；多项技术被国际和国内权威视频编码标准采纳，并牵头制定视觉特征编码团体标准。入选IEEE多媒体计算中期职业成就奖、IEEE ICME多媒体学术新星奖。任多个权威期刊编委、会议领域主席及权威标准化工作组组长。获国家杰出青年科学基金、国家自然科学基金联合重点基金等项目资助。
报告题目：面向人工智能的量子安全防护技术研究
① 报告摘要：
量子计算技术的迅猛发展正在对现有密码体系构成前所未有的威胁，基于Shor算法和Grover算法的量子攻击手段可使当前广泛使用的RSA、ECC等公钥密码体制在多项式时间内被破解。这一密码体系的崩塌不仅直接影响数据传输安全，更对依赖加密技术的人工智能系统造成了系统性安全威胁。特别是在人工智能应用日益普及的今天，从端侧智能设备收集的数据、在传输过程中的信息交互、到云端协同计算的全流程，都面临着量子计算的潜在安全风险。
本次报告主要讨论面向人工智能的安全保护技术，包括端侧大模型压缩技术实现从源头保护隐私，后量子密码芯片技术为数据传输过程保驾护航，同态加密云端计算确保数据在协同运算中的机密性，三者协同，旨在打造一个从数据产生、传输到处理的全生命周期安全闭环。
② 讲师介绍：
黄科杰，浙江大学研究员，科技部重点研发计划项目负责人、浙江省科技创新领军人才。在2020-2023年度担任IEEE Transactions on Circuits and Systems II的副主编，在2022-2023年度担任Applied Science的客座主编。主要研究方向包括人工智能算法软硬件加速、密码算法软硬件加速、人工智能芯片和密码芯片设计等，在相关领域发表论文100余篇，申请中国发明专利60余项，授权30余项；申请美国专利14项，授权5项。获得中国商业联合会服务业科技创新一等奖(2023)，CCF科技进步三等奖（2024），CVPR Workshop Best Paper（2023）, CVPR RVSU比赛第一名（2021），华为昇腾众智金质量奖（2021），“华为杯”第五届中国研究生创“芯”大赛一等奖和最佳指导老师（2022），教育部-华为智能基座栋梁之师（2022）等荣誉。在科研项目方面，承担国家、省部级、企业和研究所横向项目20余项，主持科技部重点研发计划“超低功耗后量子密码芯片技术”，牵头千万级企业项目1项，获得浙江大学-VIVO优秀合作项目奖。
报告题目：可编程脉冲神经网络推理硬件加速器设计
① 报告摘要：
脉冲神经网络（Spiking Neural Network, SNN）被誉为第三代人工神经网络模型，它通过模拟生物神经元膜电位的动态变化和突触脉冲传递机制来处理信息，不仅更加接近生物神经系统的真实工作方式，还具备了处理时空信息的独特能力。虽然基于SNN的专用硬件具有突出的能效优势，但是SNN的训练面临精度方面的挑战。本报告主要介绍目前主流的SNN网络训练算法、典型SNN硬件加速器的架构以及SNN在具身智能大模型中的应用前景。
② 讲师介绍：
林军，教授、博导，入选国家级青年人才计划，发表集成电路设计领域的国际权威期刊论文50余篇，申请发明专利90余项。论文总引用次数2600余次，曾获华为技术成果转化奖，国际旗舰学术会议最佳论文奖（四次）、吴文俊人工智能科技进步奖三等奖，担任某部委微电子技术专业组成员，主持及参与国自然青年、国自然面上、国自然专项、JKW专项、装备预研、江苏省科技重大专项和重点国防科研单位产业合作项目。
报告题目：群体机器人的自组织神经系统
① 报告摘要：
自组织（self-organization）是群体机器人的的核心思想：通过机器人个体与少量邻近个体的局部交互，使集群整体涌现出复杂的行为。自组织拥有可扩展，容错，自适应等优势，然而由于全局信息的缺失，导致难以对集群进行设计编程。针对上述问题，我们提出自组织神经系统（SoNS: Self-organizing Nervous System），在集群中以自组织的方式建立了一个动态有序的信息传递和转发的组织架构，使得集群的感知，执行和决策可以在中心化的方式下进行协调。同时，机器人个体依然通过局部通信的方式自主建立，维护和重新配置该组织架构，保留其可扩展、容错、自适应等自组织特质。我们在真实的空地协同集群上实现了SoNS，通过多个任务场景展示了SoNS强大的协调能力，并结合实物和仿真，展示了SoNS的可扩展性和容错能力。
② 讲师介绍：
朱炜煦，本科和硕士毕业于武汉大学计算机学院，现博士就读于布鲁塞尔自由大学IRIDIA实验室，研究方向为群体机器人，师从群体智能领域创始人之一Marco Dorigo。代表作 “Self-organizing nervous systems for robot swarms
”被Science Robotics录用。
【报告安排】
上一篇：近期工作简讯
