研究领域

方向一：智能感知与计算

（1）新型感知机理及方法

开展基于气体感知、光学感知、力学感知，以及电场、磁场、声场、热场等外界环境多模态新型感知机理研究，实现对复杂环境信息的高效、精准感知和识别；研究新型气体传感器、光学传感器、压力传感器等传感器材料的制备和性能优化方法，实现对物体形态、硬度等参数的感知物理过程深度理解；开展量子感知器件的前沿探索研究，探究新型传感器机理和性能优化。

（2）多模态感知数据融合

针对智能感知边缘设备的多模态特性、智能决策的实时性和复杂场景环境的自适应性需求，开展多模态信息融合机器学习理论和数据驱动认知推理方法研究，提出跨模态特征学习方法、时空聚类与关联挖掘方法、特征匹配与语义融合方法，构建时空特征融合、高维感知数据处理、多模态表示学习、跨模态不变性特征生成等机器学习模型，开发支持联邦建模和知识推理的轻量化数据融合框架，研发支撑语义一致性度量和多任务学习的跨模态特征学习框架，为智能感知系统的实时决策和复杂场景下的自主决策等任务提供理论和方法支撑。

（3）智能感知决策方法与模型

针对不同应用场景，研究集感知、认知、推理和决策能力于一体的智能感知决策模型。面向机器人、无人驾驶等实时决策场景，构建边缘实时自主决策模型，能够灵活适配环境变化与任务需求，自主设计并执行最优行动方案；面向复杂不确定场景，研究多因素、多变量、多约束条件下的多目标动态优化理论和认知学习方法，构建复杂场景下的推理和决策模型，实现最优决策。