科学研究

当前位置: 首页 - 科学研究 - 研究方向

协同智能系统教育部重点实验室面向国家重大需求和国际学术前沿,依托电子科学与技术、计算机科学与技术两个A类国家重点学科,重点研究和破解人工智能方法在计算、感知、决策和系统层次的高效协同理论与关键技术。围绕上述战略定位,充分调研本领域发展趋势,基于实验室已有研究基础,本实验室的具体研究方向包括多方协同智能计算、跨媒体协同智能感知、人机环协同智能决策、空天地海协同智能系统等。

多方协同智能计算

随着人工智能、大数据等技术的发展,社会活动中产生和搜集的数据和信息量急剧增加,数据采集、数据分析等应用日渐普及,敏感信息数据的收集、跨机构的合作以及跨国公司的经营运作等给传统人工智能算法提出了新的挑战,已有的人工智能算法可能会导致隐私暴露,隐私和安全性问题得到了极大的关注。面对场景相似、任务相关、计算资源受限、目标知识匮乏等情况下信息协同感知的需求,本研究方向针对跨地域、跨机构、跨设备、跨场景的人工智能技术存在设备/数据/模型异构、通信受限、易受攻击等问题,开展多方协同感知相关理论的研究,研究方向以面向多方协同学习的模型参数安全聚合、安全可形成轻量化多方协同学习、多方数据与模型安全聚合、可信多域迁移学习等能力为目标导向,突破异构模型汇聚、多方可验证计算等关键技术,在自适应搜索的多目标/多任务协同、跨域迁移与融合的多方学习建模、全场景互通多方学习对偶建模、跨场景安全多方学习的异构建模等方面开展研究,构建安全高效的多方联合协同智能系统架构。

跨媒体协同智能感知

云计算、物联网、社交网络等新兴服务促使人类社会中不同场景与不同源的数据规模正以前所未有的速度增长,诸如图像、音频、文本等诸多媒体数据正在从简单的处理对象转变为一种基础性资源,大数据的跨媒体协同时代正式到来。如何更好地对不同源头、不同格式与不同模态的数据进行跨媒体协同感知,发展跨媒体通用模型,达到信息的最高效利用,已经成为普遍关注的话题。对跨媒体大数据的基本概念进行剖析,并对大数据的主要应用作对比以提高对大数据存储与检索的效率以及提高大数据的安全是当前的重中之重。对于跨媒体的协同感知研究,寻找到不同模态数据之间的对应关系,实现不同模态数据间的相互转化与生成,利用计算技术对跨媒体数据进行挖掘分析,发现蕴含的知识,研究社会运行的规律与发展趋势,是挖掘跨媒体数据的深层价值和实现社会行为可计算的主要途径。跨媒体协同感知分析与挖掘涉及到大数据智能感知与获取、跨模态表征建模与分析,通过计算策略、数据调用策略、深度学习框架等方法提升模型效果成为目前研究的进展关键。因此,提高跨媒体协同感知的准确性、可靠性、应用广泛性,具有广阔的应用前景和社会意义。

人机环协同智能决策

下一代无线通信、人工智能、大数据等技术的发展迅速地推进了一批如人机交互、智能汽车、智能交通、多智能体、无人系统等社会智能化需求的涌现。面向脑机接口、人效增强人机适应性技术,开展的人机协同智能决策系统,需要突破生物智能体和人工智能体之间的信息感知、交互与整合的难题。面对大量手机、机器人、汽车等智能移动终端设备与基站,边缘设备以及周边环境之间构成的机环协同智能系统,在系统复杂性、数据多模态、多智能体协同等方面亟需理论研究与技术支撑。面对种类繁多、模型各异、区域分散的有人/无人平台,亟需形成扁平、有序,且具有灵活性与抗毁性的指挥体系,规则化、高效能的决策体系与自主、可控的控制体系。

在人机交互方面,针对非合作环境下的智能视觉感知识别问题,开展基于多模态神经影像技术的大脑信息感知与非侵入式大脑调控研究,从人员端实现人机适应增强。通过融合大脑感知与认知信息研究先进智能算法,突破现有脑机混合智能计算框架,开发面向复杂环境的智能感知与识别系统,同时为智能目标自动定位与识别技术在复杂场景下的应用提供理论和方法支持。

在机环交互方面,形成协同系统中异质主体、任务与资源的属性及其数据一致性表征,研究参与主体,任务/请求与资源的动态变化趋势及其自组织机制,实现协同任务的分布式处理与调度。通过泛在感知、数据挖掘、数字孪生和深度学习有机融合的方法构建动态实时、可视化、可预测的机环协同系统,通过协同进化智能风险管理大数据处理与分析平台,构建其进化型安全风险管控机制,为高效、可靠、安全的机环系统提供理论与技术解决方案。

面向有人/无人平台的人机环协同决策指挥体系,在系统层面需突破有人/无人自主协同的组织架构和协同模式,建立面向任务的协同自主编配规则;设计具有抗毁性的指挥控制体系与动态可重构架构;在决策层面需开展有人/无人自主协同的任务分配与行为规划的研究,针对动态、复杂的协调指挥决策,设计合理的决策知识体系和智能表征模式;针对有人系统与无人系统的团队化协调指挥,设计出分布式协调任务分配与指挥决策机制;在控制层面解决有人/无人自主协同的合作行为控制,人为干预的数学建模与意图推理,合作行为控制器的基本结构设计及其多回路控制稳定性分析。

空天地海协同智能系统

面向空天地海多源信息挖掘及军民领域应用的迫切需求,建设空天地海一体化大数据协同分析与应用系统,开展空天地海一体化数据智能分析与协同感知探测、多维度多源信息智能化融合处理与重构、空天地海多任务应用挖掘与分析、多域多维信息系统技术的研发和转化等研究。

军用方面,通过多源异构信息融合技术,综合利用可见光、红外、电帧和多波段雷达等多传感器输出的目标和环境信息进行检测、聚类、关联和估计等分层处理,提取有效的互补信息,剔除无效的冗余信息,提升信息的可靠性,降低不确定性,解决威胁目标定位、识别与跟踪,提高复杂环境中的目标识别、动作监测和意图分析等重要情报的获取以及军事战略决策评估准确度,提升复杂战场环境下的战场态势感知能力,满足当前高精度智能化的战场预警和精确打击等军事任务需求。

民用方面,针对多源数据的高精度、高效率、智能化协同技术瓶颈,重点探索空天地海多时空立体数据分析协同探测机制,研究多时相异构异源融合新理论新方法,提升大数据资源综合利用程度。同时,开展智能信息处理及应用、复杂维度空间图像处理与分析、大数据并行智能计算、动/静目标检测、多光谱/高光谱/雷达等遥感图像处理等研究,掌握空天地海大数据的时空协同获取与分析关键技术,为推动空天地海一体化大数据在农/林业遥感、环境遥感、资源遥感、灾害信息与突发事件感知、空间地球信息科学基础研究与全球环境资源信息分析等应用的技术进步和产业发展提供技术支撑。