科研项目资助详情

自主AI机器人系统的在线安全监控

深度神经网络在机器人等自主系统中，面对与训练数据差异较大的输入时可能不可靠。研究旨在开发高效异常检测机制，使系统能够识别分布外数据点，并通过决策委托或切换至安全基线策略来应对异常，从而预防阻塞事故并提升系统效率。

基于符号结构的大语言模型控制

针对大语言模型控制难题，提出通过符号语法机制实现约束生成。该方法定义概率语法，其非终结符号与预训练模型的部分输出分布显式关联，为语言模型提供交互接口，在零样本和少样本生成任务中确保输出约束（如医疗笔记翻译场景）。

企业数据整理基础模型DataCore

为解决企业多源数据（文档、日志、表格数据等）存在的结构不一致、不完整问题，研究将构建面向数据整理的基础模型。该模型融合自然语言处理基础模型优势，具备处理大规模结构化表格数据能力，可通过交互式提示指导完成数据查找、合并与清洗任务。

低功耗设备的高效SLAM算法与硬件协同设计

针对智能手机、AR/VR头显等能源受限设备，研究同时定位与映射（SLAM）的算法-硬件协同设计。重点解决现有算法内存与能耗过高、传感器噪声容忍度低等问题，通过开发鲁棒高效的定位建图算法及专用低功耗计算硬件，实现无GPS环境下的安全操作。

2023年度奖学金获得者

两名博士研究生获得人工智能与机器人领域独立研究资助，并将参与带薪暑期实习项目：

• Sirui Li：社会系统工程与统计学博士候选人，研究方向为贝叶斯方法、社交网络及机器学习在经济学与政治学的应用，重点研究基于图神经网络与强化学习的共享出行问题解决方案。

• Yue Meng：航空航天学博士候选人，专注于机器学习技术在机器人安全控制中的应用，曾任职于某研究中心的AI研究员岗位。