? 报告人简介

王瑞平，中科院计算所研究员、博导，研究领域为计算机视觉与模式识别，重点关注真实开放环境下的视觉场景理解问题。发表国际期刊和会议论文100余篇，Google Scholar引用12,100余次，获授权国家发明专利10余项。带领研究生6次获得本领域主流国际学术竞赛冠亚军，获得CVPR2021 CLVISION Workshop最佳论文奖。担任CVIU、PR、Neurocomputing等国际期刊编委，二十余次担任IEEE CVPR、ICCV、ECCV、WACV等国际会议领域主席，十余次获得CVPR/ICCV/ECCV/NeurIPS/ICML等国际会议杰出审稿人荣誉。研究成果获得2015年度国家自然科学奖二等奖（第4完成人）、2022年度中国图象图形学学会自然科学奖一等奖（第1完成人）、2025年度中国电子学会科技进步一等奖（第5完成人）。承担了基金委青年科学基金A类/B类/联合基金重点项目、重点研发课题等十余项重要科研项目。

? 报告题目

《面向开放世界可泛化的具身连续学习与可靠操纵》

? 报告摘要

具身智能从封闭专用逐步向开放通用迈进，面临从被动到主动、从闭集到开集、从静态到动态的挑战，一次训练、终身受用为特点的传统学习范式面临较大局限，需建立系统性的具身连续学习范式，实现智能体知识和技能的日益精进，提升在开放环境下的泛化效果。报告将介绍本课题组在具身连续学习方面开展的初步探索及取得的一些具体进展，包括：基于棋盘格表示的具身导航交互框架R2C、面向可泛化机械臂操作的自主进化技能库Uni-Skill、基于3DGS表示的机械臂操作仿真器RoboGSim、低比特轻量化具身基础模型BitVLA等。

? 报告人简介

李志成，中国科学院深圳先进技术研究院研究员，医工所副所长，医学人工智能研究中心执行主任，医学成像全国重点实验室研究员。研究方向复杂疾病智能诊疗，系统性地推动了脑肿瘤跨尺度智能诊疗领域的新技术突破与临床新应用。主持国家青A、国家重点研发项目(首席)、国自然联合重点、四大慢病国家科技重大专项课题、科学院B类先导专项课题、科技部青年科学家等项目，发表多篇Nature子刊、Radiology、Nucleic Acids Res、IEEE Trans等论文。广东省领军人才。深圳市医学影像和智能传感概念验证中心主任。牵头获多项学会奖励。BMC Medicine、European Radiology、 Translational Oncology编委。

? 报告题目

《肿瘤多模态信息解析与仪器研制》

? 报告摘要

人工智能成为攻克癌症的重要工具，但仍面临技术挑战：如何利用智能手段和工具表征肿瘤？以癌中之王脑胶质瘤为研究对象，提出了神经影像-病理形态-基因多组学融合计算方法，揭示了跨尺度关联机制，构建了宏微观特征融合计算模型，研制了结构-功能表征成像仪器，发现了胶质瘤多尺度整合新分型和治疗新靶点，提升了脑胶质瘤智能诊疗水平。

? 报告人简介

秦杰，南京航空航天大学人工智能学院副院长，教授，博士生导师，脑机智能技术教育部重点实验室副主任。青年科学基金项目（A类）获得者，国家海外高层次青年人才计划入选者，江苏省杰青，中国科协海智特聘专家，中国图学学会数字媒体专委会副主任。主要从事计算机视觉、具身智能和多媒体等领域研究，重点关注面向开放动态环境的具身智能。发表论文100余篇，其中CCF A类论文60余篇，Google Scholar引用7700余次，H指数43。获中国图像图形学会自然科学奖二等奖（排名1）、CCF A类会议ACM MM 2023唯一荣誉提名奖（1/3072）等。担任CCF A类期刊IEEE TIP编委、IJCV客座编委，CCF B类期刊Neural Networks编委，CCF A类会议NeurIPS、ICML、ICLR、AAAI、ACM MM领域主席等。主持国家自然科学基金联合重点、面上项目，新一代人工智能国家科技重大专项课题，江苏省杰出青年基金等项目。

? 报告题目

《面向空地机器人的视觉语言导航》

? 报告摘要

视觉语言导航是具身智能的核心任务，旨在让机器人根据自然语言指令在真实环境中自主移动，但在长程任务、歧义指令及动态环境下仍面临诸多挑战。本报告系统介绍团队在面向空地机器人的视觉语言导航方面的研究进展。在地面导航方面，通过解耦观测与推理、动态记忆维护及大模型引导策略等，有效提升长程任务的稳定性；在空中导航方面，构建历史状态增强的双阶段Transformer模型，结合层次化决策与模仿-强化学习混合框架，实现复杂城市环境的鲁棒导航。上述研究经数据集优化与物理平台验证，揭示深度融合语义理解与空间拓扑可显著提升导航成功率和效率，为构建跨形态具身智能系统提供可扩展的技术路径。

? 报告人简介

赵菊敏，太原理工大学计算机科学与技术学院（大数据学院）二级教授、博士生导师，国家高层次人才特殊支持计划科技创新领军人才、山西省B类高层次人才，数据治理与智能决策山西省重点实验室主任、山西省智能感知工程研究中心主任，兼任山西省通信学会副理事长等职务。主要从事泛在感知与智能物联、数据处理与智能分析、仪器研制与精密检测等领域研究。发表学术论文170余篇，其中第一作者或通信作者SCI论文47篇，授权发明专利77项、软件著作权34项。获山西省技术发明一等奖（排名第一）、山西省科技进步二等奖、山西省教学成果一等奖等。主持国家重大科研仪器研制项目、国家自然科学基金面上项目及省部级科研项目等19项。

? 报告题目

《AI赋能光电芯片内部缺陷的智能检测与国产化设备研制》

? 报告摘要

人工智能与高端制造的深度融合正推动工业质量检测向智能化、精准化发展，然而光电芯片微米级缺陷特征微弱、内部损伤难感知、高端检测设备依赖进口等问题仍面临诸多挑战。本报告系统介绍团队在AI赋能激光器芯片缺陷智能检测与国产化仪器研制方面的研究进展。在智能检测方面，通过多模态缺陷特征融合与深度学习方法，实现DFB、VCSEL等激光器芯片缺陷的精准识别与分割；在损伤分析方面，结合腔面温度监测、缺陷损伤仿真及热网络模型，实现芯片损伤分析与热特性预测；在仪器研制方面，攻克精密运动控制、红外成像及软硬件协同等关键技术，自主研制激光器芯片缺陷智能检测与实时分析仪，推动科研成果转化与产业化应用，取得显著经济效益，为高端光电芯片检测设备国产化及半导体智能制造提供技术支撑。

? 报告人简介

刘家瑛，北京大学博雅特聘教授，王选计算机研究所副所长，电子出版新技术国家工程研究中心副主任，IEEE Fellow，教育部“长江学者奖励计划”特聘教授。研究领域为智能媒体计算，发表IEEE/ACM汇刊与CCF A类论文200余篇，谷歌学术引用3万余。担任IEEE Trans. on Image Processing，IEEE Trans. on Circuit System for Video Technology，IEEE Multimedia Magazine，ACM Transactions on Multimedia Computing, Communications, and Applications等期刊编委，APSIPA Transactions on Signal and Information Processing期刊候任主编，IEEE ICME/ACM ICMR指导委员会委员，ACM MM Asia 2024大会主席，ACM MM Asia 2025/2023，ACM ICMR 2021/IEEE ICME 2021大会程序主席，CVPR/ICCV/ECCV/ACM MM会议领域主席等。高校计算机专业优秀教师奖励计划获得者，获省部级奖励三项、CSIG石青云青年女科学家奖、北京大学首届教学卓越奖、王选青年学者等。

? 报告题目

《空间智能感知与计算：从智能表征到时空推理》

? 报告摘要

围绕复杂空间环境中计算资源受限、环境未知多变、通信条件严苛等挑战，研究空间智能感知与高效计算，对于提升复杂环境下的信息获取、表征传输与空间认知能力具有重要意义。本报告介绍空间感知与智能表征计算的技术体系与代表性方法：围绕计算资源受限，设计多任务统一表征、表征语义解耦以及鲁棒传输与视觉重建方法，实现任务协同与高效信息回传，从“局部算”到“强协同”；围绕环境未知多变，研究极端物理环境下的数据质量增强、零样本场景适配与半监督空间感知方法，提升未见复杂场景下的泛化能力，从“看不清”到“看得准”；进一步围绕空间认知与预测，探索世界模型驱动的时空状态建模与未来环境预测，推动空间智能由基础感知向认知推演拓展，从“看表面”迈向“懂空间”。

? 报告人简介

李成林，上海交通大学教授，主要研究：多媒体信号处理与通信、强化学习、联邦学习。发表TPAMI等IEEE Transactions长文50余篇，NeurIPS、ICML、CVPR、ACM MM等人工智能、计算机视觉、多媒体领域国际著名会议论文90余篇；授权国家发明专利50余项（2017年获中国专利优秀奖）、美国专利8项、软件著作权1项；主持国家自然科学基金青年科学基金项目（A、B、C类）、联合重点项目、面上项目，以及上海市启明星项目等；获德国洪堡学者、微软学者、ACM MM国际会议Top论文奖，以及中国图像图形学会青年科学家奖、中国电子学会自然科学一等奖、中国电子学会技术发明一等奖等；并担任IEEE TSIPN期刊编委、2022 ACM MM国际会议领域主席、2026 IEEE MMSP国际会议程序主席、中国电子学报英文版期刊青年编委、中国图像图形学会视觉大数据专委会秘书长等学术兼职。

? 报告题目

《深度强化学习的泛化性提升及在多媒体通信中的应用》

? 报告摘要

网络适配的视频传输，旨在探索如何在当前通信频谱资源已经十分稀缺的背景下，利用带宽受限的混合异构网络资源，为用户提供最优化的视频观看质量，是多媒体通信领域一直致力于解决的问题。其本质是一个序列决策任务，通常可被建模为随机最优控制问题。在系统动态已知的情况下，可通过模型预测控制等基于模型的方法有效求解。然而，实际系统的动态往往是未知且时变的，从而推动了无模型深度强化学习方法的发展。尽管此类方法展现出学习复杂任务的强大能力，但需对系统动态环境进行平稳性假设，当面临随机非平稳环境中实际部署与训练环境的数据分布不一致时，其策略性能急剧下降、欠缺鲁棒和泛化能力。本次报告将汇报上海交通大学信息智能研究所在随机非平稳环境中的强化学习决策优化理论方面的最新进展，进一步将上述理论框架应用于随机非平稳时变网络中的视频传输码率控制任务，取得了实际传输性能及在不同网络条件下泛化能力的同时提升。