报告时间：2025年4月23日（周三）下午15:30

报告地点：科技楼11楼1110

报  告  人：李聪聪、张弛

主办单位：科技处

承办单位：信息学院

报告一：面向外观失稳和运动突变的多相机协同跟踪研究

报告摘要：多相机协同视觉跟踪作为人工智能时代连接低层机器感知与高层场景认知的关键桥梁，不仅对多模态学习、具身智能等方向具有重要的理论研究意义，而且在社会安防、智慧交通、军事侦察等领域有着广泛的应用价值。该技术通过混合成像视角下数据的优势互补和有效配合，打破了相机间的视觉信息壁垒，助力“传统孤立的单点分散监控”向“全局互联的多点协同监控”迈进。本报告围绕多相机协同视觉跟踪在面对目标外观不稳定和运动不连续时的性能欠佳问题，从多相机空间对齐和跨相机目标关联入手，重点介绍了如何挖掘不同相机视觉信息之间的内在联系，从而实现复杂复杂环境下鲁棒准确的视觉跟踪。

报告人简介：李聪聪，石家庄铁道大学信息科学与技术学院讲师，工学博士，毕业于西安电子科技大学。主要研究方向：计算机视觉，多相机协同，目标检测与跟踪。研究成果先后发表在IEEE Transactions on Multimedia、Engineering Applications of Artificial Intelligence等国际知名期刊上，参与国家自然科学基金项目多项。

报告二：基于策略优化的移动机器人运动规划与技能学习

报告摘要：赋予高效且灵活的运动技能（如转向、小跑、跳跃、步态切换等）是实现移动机器人在复杂非结构环境里自主定位、导航与避障的关键，也是机器人与人、与物理世界进行交互的核心需求。为解决当前移动机器人部署运动技能存在着诸多限制，提出了一系列基于策略优化的运动行为与技能学习方法。针对四足机器人的前向跳跃运动，设计基于深度神经网络和强化学习的端到端机器人跳跃技能学习方法，整体学习框架建立在POMDP上，使用具有样本高效性的SAC方法进行构建，划分不同跳跃阶段使用不同的模块进行训练，引入好奇心机制和目标导向因子来提高对观测空间和动作空间的探索和利用。针对步行、小跑等步态运动，在海马体神经结构的启发下，借鉴三突触回路与神经不应期机制，提出结合时序信息的类脑强化学习方法，提高在状态输入受限情况下机器人运动技能的复现效果，加强运动稳定性与鲁棒性。
报告人简介：张弛，石家庄铁道大学信息科学与技术学院讲师，博士毕业于中国科学院自动化研究所计算机应用技术专业。主要研究方向：机器人运动规划与控制、行为与技能学习等。

科技处

2025年4月22日