ARTS 2024报告嘉宾及内容

报告题目：基于激光雷达的自主无人机系统

报告人：张富

报告摘要：在过去的几十年里，小型多旋翼无人机 (UAV) 受到了广泛的研究关注。这些无人机在各种应用中都显示出了巨大的潜力，包括航空摄影、农业、配送、测绘和测量。然而，要使这些应用取得成功，必须在未知环境中进行自主避障。在该报告中，我们将讨论如何使用激光雷达来实现自主无人机导航。具体来说，我们将探索激光雷达技术的最新进展，并重点关注导航算法，包括定位、建图、规划和控制。我们将展示如何在小型无人机上使用激光雷达传感器来实现复杂的导航任务，例如高速避障、环境探索和敏捷无人机运动估计航算法，包括定位、建图、规划和控制。我们将展示如何在小型无人机上使用激光雷达传感器来实现复杂的导航任务，例如高速避障、环境探索和敏捷无人机运动估计。

张富博士是香港大学 (HKU) 机械工程系的长聘副教授。他的研究重点是无人机 (UAV) 和激光雷达(LiDAR) 同时定位建图 (SLAM)。张博士的研究领域涵盖无人机的设计、导航、控制、感知以及 LiDAR SLAM 算法，包括里程计、位置识别、地图构建和多传感器融合。其团队曾获 IROS’23 机器人机制与设计最佳论文奖， 并入选 TMECH’23 最佳论文奖提名、IROS’23 最佳论文奖提名（两次）和 ICRA’23 杰出导航论文提名。其在 Science Robotics 上发表的论文被选为期刊封面或在 Science 网站上进行展示。张博士在该领域的工作还助力其在国际 SLAM 挑战赛中斩获数项冠军，并在业界得到广泛应用。

报告题目：Learning, Control, and Safety for Enhanced Legged Dexterity

报告人：石凡

报告摘要：With the advance in optimal control and reinforcement learning, latest controllers have demonstrated exceptional performance on complex multi-limbed robots, including the application in aerial manipulation, quadrupedal locomotion, and dexterous hand skills. Despite these advancements, comprehensive safety validation remains a prerequisite for their large-scale real-world deployment. Current state-of-the-art (SOTA) controllers exhibit robustness against standard testing paradigms, domain randomization, and evaluations by human experts. In this talk, I will first introduce our progress on enhancing dexterity of the robots, and then our recent research revealing vulnerabilities in long-tested state-of-the-art controllers on the legged locomotion and dexterous manipulation when subjected to minor perturbations generated by AI agents. This study highlights critical safety concerns and emphasizes the necessity of addressing these vulnerabilities to enhance system reliability. The failure cases identified in our analysis offer valuable insights into system components, providing a foundation for improving the robustness and safety of black-box neural controllers.

Fan Shi is an Assistant Professor in National University of Singapore. Before that, he was a Postdoc Researcher working with Prof. Marco Hutter and Prof. Stelian Coros in ETH Zurich. His research focused on learning and control for multi-limbed robots in locomotion and manipulation. He obtained his Master and Ph.D. degree from the Univ. of Tokyo supervised by Prof. Masayuki Inaba, and Bachelor degree from Peking University. He got several highly competitive awards, such as the Dean’s Award for his Doctoral Thesis, IEEE RAS/JJC Young Award in ICRA 2020, AI Safety Finalist Award in Switzerland. 

报告题目：Global Consistency: To be or not to be？

报告人：王越

报告摘要：全局一致是移动机器人定位与建图（SLAM）的关键目标，也是领域多年来的研究热点。考虑到机器人点到点导航的整个任务，全局一致的定位与建图主要服务于全局规划，进而引导机器人的局部运动规划完成整个导航任务。因此，本报告尝试从局部运动规划的视角来看待全局一致性，以此为线索介绍课题组从经典导航理论方法，到近年来多模态导航相关工作，探讨全局一致性的角色和必要性。

王越，浙江大学控制科学与工程学院教授，近五年来以通讯作者发表Nature Communication、IJRR、TPAMI、TRO、IJCV等期刊论文30多篇，发表RSS、ICRA、IROS等领域顶会30多篇，获ICRA最佳视觉论文奖，IROS最佳设计论文提名等论文奖5次。担任期刊IEEE Robotics and Automation Letters编委、ICRA/IROS编委Frontiers in Robotics and AI、Electronics邀请编委等。获中国发明协会创业创新奖二等奖（排名1）等。主持科技部重点研发计划课题、国家自然科学基金项目等项目，与华为、阿里、中核、航天等企业和研究机构长期合作。

报告题目：Learning to Manipulate Anything Anywhere

报告人：许华哲

报告摘要：Why don’t robots work for humans in our daily tasks? At the heart of this problem is that the robots cannot generalize to the desired tasks. But what is generalization? With the most general notion of generalization, problems-solving at any unseen physical scenarios reside in the domain. That being said, a thorough ontology of factors in generalization might provide a welcoming avenue toward empowering robots to do all kinds of tasks. In this talk, I will present key factors in robot generalization and show how hard it is for a robot to generalize even toward an easy perturbation. I will also present tentative solutions to solve these challenges. With all the challenges combined, we conclude the real goal for robot learning is to learning to manipulate anything anywhere. 

许华哲博士现为清华大学交叉信息研究院助理教授，博导，清华大学具身智能实验室负责人。博士后就读于斯坦福大学，博士毕业于加州大学伯克利分校。其研究领域是具身人工智能（Embodied AI）的理论、算法与应用。许华哲曾获顶级智能机器人会议CoRL'23最佳系统论文奖，2024年WAIC“云帆奖”，并在IJRR, RSS，NeurIPS等发表顶级期刊/会议论文六十余篇，代表性工作曾被MIT Tech Review，Stanford HAI等媒体报道。曾在IJCAI2023、IJCAI2024、ICRA2024、ICLR2025担任领域主席/副主编。

报告题目：仿生飞行智能

报告人：高飞

报告摘要：受限于感知、计算、机动性和能耗，无人机在复杂环境中的自主飞行与集群协同仍面临诸多挑战。自然界的飞行生物则具有敏锐感知和灵巧机动能力，可以从仿生的角度启发我们对飞行智能开展进一步研究。本次报告，我将从敏锐感知、自主决策、飞行交互、集群智能四个方面介绍团队在无人机单机与集群自主导航方法上所做出的最新创新贡献，展示在不依赖外部定位和计算设施，仅靠机载摄像头、计算芯片和传感器的无人机动态环境鲁棒感知、快速安全机动飞行、动态飞行抓取操作、集群协同感知避障等方面的最新研究成果。

高飞，浙江大学控制学院长聘副教授，研究员，博士生导师；浙大湖州研究院-集群机器人自主导航研究中心PI。承担国家自然科学基金委优秀青年科学基金，国家重点研发计划青年科学家项目等国家级课题；主要研究方向：机器人轨迹规划、自主导航、集群协同、定位感知。近年来，以第一作者/通讯作者身份在Science Robotics, IEEE Transactions on Robotics (TRO), ICRA，IROS等知名机器人期刊、会议发表论文70余篇；发表Science Robotics封面论文并被国内外媒体广泛报道；获IEEE TRO 2020年最佳论文荣誉奖、国际基础科学大会ICBS 2024前沿科学奖、IEEE ICRA 2024年最佳论文奖提名等学术荣誉；入选爱思唯尔数据库2023年度全球前2％顶尖科学家。

报告题目：从人形机器人到双臂操作

报告人：万伟伟

报告摘要：在这个讲座中我主要介绍一下日本人形机器人的开发历史，现状，以及我个人在参与人形机器人开发中的经历，感触，以及成果。我的研究重点在于人形机器人的上半身，即双臂操作及其在各种生产活动中的应用，目标是替代传如同自动化难以代替的需要柔性的人类的劳动。欢迎对人形机器人，双臂操作，非标自动化感兴趣的专家与同行莅临指导。

万伟伟，工学博士，大阪大学副教授，博导，IEEE高级会员，RSJ和JSME会员。主要学术领域为双臂机器人的智能制造，为下一代工厂开发和部署抓取规划、运动规划以及其他低级和高级任务规划算法，并包括视觉感知、力控制和学习方法。发表87篇国际期刊论文，73篇国际会议论文，持有日本发明专利5项，开发开源软件1项。历任日本学术振兴特聘研究员，日本产业综合技术研究所研究员，香港科学技术外部评审专家，智能机器人领域期刊IJRR,TRO,RA-L副主编。担任ICARM2019, ICCRE2024主席，以及ROBIO2024程序主席，ICRA2024展厅主席等。

报告题目：Practical challenges in mobile robot swarms

报告人：Hector Garcia de Marina

Robot swarms have the potential to assist us with simpler logistics in persistent missions involving vast scenarios. Robot swarms also promise added resilience to complete their objectives despite unforeseen difficulties. However, current demonstrations of swarm technology in unstructured environments only count on single-digit individuals. That is farther from what one would expect from the huge scaling potential of a swarm. Where are the bottlenecks then?
In this talk, I will present some practical challenges that mobile robot swarms face in formation control, radio networks, and onboard imperfections, among others. We will also explore the hidden opportunities that imperfections can offer for the coordination of mobile robot swarms.

Hector Garcia de Marina received the M.Sc. degree in electronics engineering from the Complutense University of Madrid, Spain, in 2008, the M.Sc. degree in control engineering from the University of Alcala, Spain, in 2011, and the Ph.D. degree in systems and control from the University of Groningen, the Netherlands, in 2016. He held a postdoctoral position in the Ecole Nationale de l'Aviation Civile' in Toulouse from 2016 to 2018. From 2018 to 2020, he was an Assistant Professor at the Unmanned Aerial Systems Center, University of Southern Denmark. In 2020, he was a Research Fellow in the Complutense University of Madrid. Currently, he is a Research Fellow in the University of Granada under the Ramon y Cajal program. He is an Associate Editor for IEEE Transactions on Robotics. His research interests include the guidance navigation and control for autonomous robots, and multi-agent systems. He is the recipient of an ERC Starting Grant.

报告题目：通过轨迹去学习更泛化的机器人操作技能

报告人：顾家远

报告摘要：尽管数据驱动的模仿学习取得了显著进展，但开发能够掌握多种技能以处理广泛任务的通用机器人操作策略仍然面临巨大挑战。为此，我们提出了RT-Trajectory，通过结合现有的示范数据集和一种新颖的策略条件——轨迹草图（trajectory sketch），旨在提升任务层面的泛化能力。轨迹草图描绘了机器人末端执行器应采取的运动轨迹，使策略能够以可提示的方式适应具有新颖语义和运动特征的未见任务。此外，我们开发了Simpler-Env模拟仿真平台，以便研究者在仿真环境中评测基于真实机器人数据训练的操作策略。通过实验，我们验证了该仿真平台与实际操作成功率之间的高度相关性，从而证明其在模型评估中的有效性和可靠性。

顾家远，上海科技大学信息科学与技术学院助理教授，博士生导师。博士毕业于加州大学圣地亚哥分校，师从苏昊教授。2018年本科毕业于北京大学信息科学技学院智能科学系。研究方向为具身智能，聚焦于服务于具身智能的三维视觉和可泛化的机器人决策模型，在计算机视觉、机器学习、机器人等国际顶级学会会议（CVPR，NeurIPS，ICLR，ICRA等）上均有发表。参与的项目Open X-Embodiment获得了ICRA 2024的Best Paper Award。同时，他也担任相关领域会议的审稿人，并在RSS，ECCV，CVPR等学术会议上组织过相关的研讨会和教程。

报告题目：大模型驱动的具身智能

报告人：白辰甲

报告摘要：具身智能是人工智能、机器人学、认知科学的交叉领域，主要研究如何使机器人具备类似人类的感知、规划、决策和行为能力。大模型具有对物理世界的丰富知识，能够为智能体提供自然语言交互、环境感知和任务规划的能力，同时能够和具身智能的传统框架相结合，提升智能体策略学习的泛化性。本报告将介绍相关技术背景，包括具身智能概念，大模型技术，强化学习、模仿学习、模型预测控制等策略学习框架。随后，从学习范式的角度将大模型驱动的具身智能算法分为五类并依次进行了阐述，分别是大模型驱动的环境感知、大模型驱动的任务规划、大模型驱动的基础策略、大模型驱动的奖励函数、大模型驱动的数据生成。最后介绍TeleAI具身智能团队在大模型驱动的具身智能方面的最新成果。

白辰甲，中国电信人工智能研究院（TeleAI）研究科学家，上海交通大学、复旦大学企业联培博士生导师。研究方向包括具身智能、强化学习、决策大模型等。在包括AI Journal, TPAMI, NeurIPS的高水平学术会议期刊上发表论文40余篇，出版强化学习专著一部。主持国家自然科学基金项目，入选上海市启明星扬帆计划、上海市光启青年人才，获世界人工智能大会优秀论文奖，并担任多个国际顶级会议和期刊的领域主席和审稿人。

报告题目：大模型时代的机器人开发与应用探索

报告人：周顺波

报告摘要：本次报告主要分享华为云在大模型与机器人领域的洞察与思考，以及在具身数据和仿真平台等方面的初步实践。

周顺波博士现为华为云计算BU具身智能创新Lab技术主管，负责智能机器人云平台的研发与具身智能行业落地的探索。主要研究方向包括移动机器人、3D重建与理解。近五年来申请领域专利30多件，发表ICRA、IROS、CVPR、ICCV、RAL、TMECH、IJRR等机器人/视觉顶刊顶会论文30多篇，一作论文获IEEE RAL最佳论文提名。

报告题目：非结构环境下的机器人智能控制与协作

报告人：阚震

报告摘要：机器人技术发展的重要愿景之一就是在动态、不确定、未知的非结构环境下工作。然而，面对非结构环境，现有的机器人应变能力差，智能程度弱，仍缺乏自主感知、决策与控制等能力。本报告将介绍基于Linear Temporal Logic （LTL）的具有时序约束和逻辑约束的复杂任务刻画，并在此基础上从任务-环境冲突消解策略下的机器人运动规划，弱化信息条件下的机器人反应式运动规划，多目标多约束下的多异构机器人协同规划与控制等方面介绍非结构环境下的机器人智能控制与协作的最新研究进展。

阚震，中国科学技术大学自动化系教授、博士生导师，青年千人。2011年博士毕业于美国佛罗里达大学（University of Florida）, 2012年至2016年在美国佛罗里达大学和美国空军研究实验室（AFRL）从事博士后研究，2016年至2019年在美国爱荷华大学（The University of Iowa）机械系担任（tenure-track）助理教授。长期围绕机器人自主感知与决策，智能学习与控制，多机器人协作等开展研究。主持国家重点研发计划课题，国家自然科学基金面上项目，联合基金集成项目课题等多项科研项目。相关研究成果在IEEE TAC、 Automatica， IJRR，IEEE TRO等国际权威期刊发表论文60余篇。担任IEEE TAC和 IEEE TNNLS编委，机器人和领域顶会ICRA, 控制领域顶会CDC、ACC等编委。

报告题目：多智能体系统的组合混合优化

报告人：国萌

报告摘要：多智能体系统通过协同协作在完成大量复杂任务时可展现出很高的效率，例如在运输、维护、搜索和救援等典型任务。这种协同通常包含两个方面：（i）选择适合各个子任务的协作子团队；(ii) 设计协作模式和控制策略来执行这些子任务。前一方面的复杂程度取决于团队规模和任务复杂度，而后一方面则需在几何和动态约束下优化联合状态动作空间。现有研究通常倾向于解决其中一方面，而假设另一方面已给定，因此忽略了它们的密切依赖性。此类问题可以用组合混合优化（Combinatorial-hybrid optimizations）来描述，其中协作团队构成、离散协作模式和连续控制参数需通过迭代同时进行优化。我们所提出的框架由两个交错层组成：首先，提出了基于分布式任务联盟的纳什稳定联盟算法，来解决任务分配；其次，提出了基于协作模式梯度引导的混合搜索算法，来处理混合优化。最后，为了加快在动态环境中进行在线适应，我们提出了基于异构图注意网络的学习启发方法，用于选择更合适的规划参数和局部协调的过程中交换更有前景的解决方案。我们的提出的框架在动态捕获、周边防御和协作搬运等多个应用场景中得到了验证。

国萌，北京大学工学院力学与工程科学系助理教授，博士生导师。分别于2011年和2016年获得瑞典皇家理工学院硕士和博士学位。于2016-2018年在美国杜克大学与瑞典皇家理工学院从事博士后研究，后于2018-2021年在德国博世集团人工智能研发中心任资深研究员。获得2022年国家自然科学基金委优秀青年基金（海外）和2017年欧盟Georges Giralt优秀博士论文前三提名奖。相关科研结果在控制和机器人领域累计发表论文47篇，并有美国、欧盟专利10余项。主要研究方向是多机器人系统的任务与运动协同规划。

报告题目：生成式仿真为具身智能释放无限灵感

报告人：赵昊

报告摘要：生成式仿真技术正迅速成为具身智能发展的关键驱动力。具身智能，作为感知、理解并与物理世界交互的智能体，其发展受制于训练环境的复杂性和多样性。生成式仿真通过动态创建丰富多样的虚拟训练场景，为智能体提供了前所未有的训练机会，突破了传统仿真环境的限制。本次报告将结合具身智能在各个领域的实际应用，深入探讨生成式仿真如何推动智能体从预设任务走向真正的自主学习与创新。生成式仿真不仅提升了智能体的适应性和鲁棒性，还为它们提供了应对现实世界中复杂问题的创新灵感。该技术通过不断生成多样化的仿真场景，使得智能体能够在更加逼真的虚拟环境中进行有效学习，从而提高其面对真实世界时的表现。本次报告将通过具体实例，展示生成式仿真在自动驾驶、机器人技术、虚拟现实等领域的巨大潜力，以及其在推动具身智能发展中的核心地位。可以预见，生成式仿真必将为未来智能体的设计与开发工作开辟无限可能，并激发出源源不断的创新灵感。

赵昊，清华大学智能产业研究院助理教授，于清华大学电子工程系获得学士和博士学位，曾于英特尔中国研究院担任研究员，曾在北京大学从事博士后研究。他在CVPR、ICCV、ECCV等顶级学术会议以及IEEE TPAMI、IJCV等顶级学术期刊上发表40余篇学术论文，赢得过多项三维场景理解算法挑战赛的冠军，主导研发了全球首个开源的模块化真实感自动驾驶仿真器MARS，并在CICAI 2023获得Best Paper Runner-up奖项。此外，其主导研发的渲染阶段可调整精度速度的神经渲染方法SlimmeRF于3DV 2024获得Best Paper奖项。

报告题目：泛化运动与操作智能

报告人：庞江淼

报告摘要：近年来具身智能技术迅速发展，但依然面临不同环境泛化性的挑战，本报告将围绕“泛化运动与操作智能”展开介绍。在运动智能方面，介绍一种结合环境信息的高效运动控制算法，其通过雷达或深度相机生成高度地形图，并作为感知信息输入给运动策略，仅需在RTX 4090上训练三小时，便能处理各种复杂地形。在操作智能方面，介绍一种端到端的未来预测状态引导下的逆动力学模型，其利用大型机器人数据集DROID预训练后，通过少量微调即可适应不同场景，得益于预测未来和动作执行之间的协同机制以及大规模预训练，该算法显著提升操作成功率并增强泛化能力。

庞江淼，上海人工智能实验室青年科学家，具身智能中心负责人，研究方向为多模态学习、机器人学习、具身智能，目标构建一体可泛化的具身通用人工智能系统。在 TPAMI、IJCV、CVPR、CoRL 等计算机视觉与机器人学习领域顶级期刊与会议发表论文 40 余篇，谷歌学术被引 11000 余次。他是 OpenRobotLab 浦器开放平台与OpenMMLab 视觉感知系列开源平台的作者，GitHub 累计星标 40000 余次，被产学界广泛使用。他曾获得CVPR 2023 最有影响力论文，ECCV 2024最佳论文候选等荣誉。

报告题目：面向通用服务的具身智能

报告人：梁俊卫

报告摘要：近年来，随着机器人硬件、多模态大模型的发展，具身智能在学术界和工业界都受到越来越多的关注，面向通用服务的智能机器人已成为重要的研究热点。本次讲座梁俊卫博士将从移动和操作两个方面分享实验室近期面向通用服务具身智能的研究进展，包括：给定自然语言描述的无地图视觉开集目标导航，以及基于行人轨迹预测的社交导航系统，研究工作发表于ECCV 2024；面向自然语言的机器人操作对比模仿学习，研究工作发表于CoRL 2024；最后包括基于强化学习整身控制策略的低成本遥操作系统，该成果发表于IROS 2024（口头报告）。

梁俊卫，香港科技大学（广州）人工智能学域助理教授/博士生导师，卡内基梅隆大学计算机博士，曾获得百度奖学金（全球10名），雅虎奖学金，世界人工智能大会明日之星云帆奖，研究工作曾被包括美国华盛顿邮报、纽约时报以及机器之心等媒体报道。研究内容包括计算机视觉与具身智能，近五年内于CoRL、IROS、CVPR、TPAMI、NeurIPS等国际顶级期刊会议发表论文30余篇，谷歌学术引用量1600余次, h-index 19，常年组织举办CVPR Precognition Workshop；主持国自然青年基金、两项广州市科技局课题、美团机器人研究院、华为等科研项目，并参与科技部国家重点研发计划。

报告题目：三维世界中的通用具身智能体

报告人：黄思远

报告摘要：创造通用具身智能体是人工智能研究的终极目标之一，目前的绝大多数智能体缺乏理解三维世界并构建世界模型的能力。如何让智能体理解三维世界并进行推理和交互是要解决的重要问题，也是通向通用人工智能的一个重大瓶颈。这次的课程将首先介绍三维场景理解对通用具身智能体的关键作用和其中的瓶颈，并详细展开我们最近的几项研究工作(SceneDiffuser, Arnold, LEO, SceneVerse, Ag2Manip, COME-Robot) 是如何尝试解决这些瓶颈问题，并逐步迈向通用具身智能的。

黄思远博士是北京通用人工智能研究院（BIGAI）的研究科学家，并担任通用视觉实验室主任，通院-宇树联合实验室主任。他在加州大学洛杉矶分校（UCLA）统计系获得博士学位，导师是朱松纯教授。他的研究旨在构建一个能够理解和与三维环境交互的类人通用智能体。为实现这一目标，他在以下方向做出了研究贡献：（1）开发可泛化的视觉表征以用于三维重建和语义落地，（2）建模并模仿人类与三维世界的复杂交互，（3）构建擅长与三维世界和人类交互的具身智能体。他的研究发表于四十余篇会议及期刊论文，并曾获得ICML Workshop最佳论文，UCLA优秀博士论文等奖项。他致力于开发能理解三维物理世界的具身智能体和视觉机器人。

报告题目：陆上无人系统智能决策与规划

报告人：宋文杰

报告摘要：陆上无人系统是由无人车和无人机组成的跨域无人系统，主要面向复杂、动态、多约束的地面与近地面作业场景和任务。当今制约无人系统实现可靠稳定自主导航与作业主要集中在如何克服高动态交互对象的不确定性、未知复杂越野场景的开放性、密集空间和多样化任务的动态性。围绕上述问题与挑战，本报告首先介绍陆上无人系统的研究背景和发展历程，随后围绕上述挑战下无人系统的智能决策与规划问题介绍已开展的相关研究成果。

宋文杰，北京理工大学自动化学院教授、博士生导师，中组部青年拔尖人才、北京市优秀青年人才。本硕博毕业于北京理工大学，普林斯顿大学访问学者，从事无人集群智能决策、未知空间认知导航、多机器人协同规划等应用研究，参与研发了10余种无人系统及装备，获国家科技进步一等奖、省部级科技进步一等奖、“跨越险阻2018”陆上无人系统挑战赛空地协同第一名、中国智能车未来挑战赛高速比测第一名等，指导学生获全国大学生挑战杯一等奖、首都大学生挑战杯特等奖等，近5年以第一/通讯作者在IEEE TITS，IEEE TCSVT, RAL, JAS, ICRA, IROS等期刊与会议上发表论文30余篇，出版著作/教材2部，申请/授权国家发明专利20余项。

报告题目：青龙人形机器人具身智能技术概述

报告人：邢伯阳

报告摘要：青龙人形机器人公版机是国地创新中心研发的全尺寸人形机器人，平台采用具身智能技术驱动，结合训练场实现对多技能进行学习，下肢运动控制通过强化学习完成对多样化步态模型的学习，上肢基于模仿学习和大模型技术路线实现任务拆解与技能学习，面向非结构地形结合类人控制理论，实现粗细粒度迭代优化，从而驱动青龙机器人实现自主移动作业。本报告将介绍青龙公版机载硬件、具身行为、具身作业与具身感知方向的技术进展与解决方案，并结合Openloong开源社区带来目前青龙的最新进展和创新中心在训练场的建设规划。

邢伯阳，国家地方共建人形机器人创新中心、硕士生导师，副研究员。2019年博士毕业于北京理工大学, 主要研究方向为仿生机器人运动控制、组合行为规划以及类人智能控制技术，近年来研制了幽灵蛛、Tinymal-B等系列轻小型仿生四足机器人，在现有分层控制理论与模型控制理论基础上融合动觉智能控制机理，提出了以力觉感知驱动下的组合行为重规划以及事件触发方法。作为负责人承担军委科技委项目1项，省级重点项目1项；作为主要参与人员牵头国防科工局重点项目1项，参与国家自然基金面上项目1项；累计发表SCI/EI 检索论文6篇，申请国家发明专利6项。

报告人：仉尚航

仉尚航，北京大学长聘系列助理教授。