2022年6月1日，國防科技大學智能科學學院，國家杰出青年科學基金獲得者，徐昕教授應我院邀請做客我校第十八屆研究生博力學術(shù)論壇—汽機學院分論壇。汽機學院多名相關(guān)領(lǐng)域老師和100多名研究生出席，講座由胡林教授主持。

徐昕教授的講座主題是無人系統(tǒng)智能感知與優(yōu)化控制的小樣本學習方法。首先徐教授從無人系統(tǒng)的自主控制與強化學習進行講解，他指出機器人和無人系統(tǒng)在各類復雜任務場景中，需要具備對環(huán)境中的各類目標進行高精度的魯棒檢測、識別和跟蹤，并且具有場景和行為的語義理解能力。徐教授強調(diào)，面對環(huán)境的復雜性，如何結(jié)合環(huán)境的復雜約束條件和機器人動力學特性，進行實時運動規(guī)劃和自適應優(yōu)化控制是當前研究的重點和難點。其次，徐教授就魯棒性問題，提出了基于數(shù)據(jù)增廣的魯棒深度半監(jiān)督超限學習方法，該方法具有強抗噪能力，在多個半監(jiān)督學習分類數(shù)據(jù)集上優(yōu)勢明顯。之后，徐教授對機器人三維目標對稱性檢測的弱監(jiān)督學習，提出了利用單視角RGB-D圖像實現(xiàn)物體對稱性預測的弱監(jiān)督學習方法，且此方法已在兩類三維對稱性預測數(shù)據(jù)集上取得了最佳的性能。此外，徐教授還對強化學習的多核特征表示進行了講解，利用多個核函數(shù)的線性組合，用典型的核函數(shù)寬度來表征大范圍數(shù)據(jù)特性，能夠把初始樣本特征映射到高維空間，提高值函數(shù)與策略的逼近精度。最后，徐教授對未來提出了諸多展望，他提出，結(jié)合領(lǐng)域知識的自主學習，進一步完善機器人感知與決策的特征學習理論；復雜環(huán)境中機器人系統(tǒng)的在線持續(xù)學習，從數(shù)據(jù)中學習自我評價函數(shù)，減少算法對網(wǎng)絡結(jié)構(gòu)和參數(shù)敏感性。

通過徐昕教授的這次分享會，讓在座的各位老師及同學受益匪淺，此外，徐教授也對老師和同學的提問，進行了一一解答。本次博力學術(shù)論壇分享會在老師和同學們積極參與中圓滿結(jié)束。

                                                            （文/吳霖滔 圖/王開心 審/宋新、胡林）