主题论坛19基于多模态融合的智能感知前沿论坛

简介：

丁菡，西安交通大学计算机学院教授、博导。主要从事智能物联网、无线感知、具身智能等方向的研究。近年来在相关领域发表高水平国际期刊及会议论文60余篇，授权发明专利20余项。主持国家科技重大专项课题、重点研发计划课题、国家自然科学基金面上项目、青年项目等项目。曾获陕西省科技进步奖二等奖、陕西省科技进步三等奖 ，陕西高等学校科学技术研究优秀成果奖一等奖等奖励。

简介：

王鸽，西安交通大学计算机学院副教授、博导。主要从事无线感知、具身智能等方向的研究。近年来在相关领域高水平国际期刊及会议50余篇，授权发明专利20余项。主持国家重点研发计划子课题、国家自然科学基金面上项目、青年项目等。曾获CCF青年人才发展计划、博新计划、陕西省科技进步二等奖、陕西省科技进步三等奖 ，陕西高等学校科学技术研究优秀成果奖一等奖等奖励。

简介：

龚伟，中国科学技术大学教授，国家特聘青年专家。长期从事具身智能、物联网及人工智能应用等方向研究。已发表论文200余篇，主要工作发表在ICLR、MobiCom、IEEE/ACM ToN、KDD等国际顶级会议和期刊，曾获得国际知名会议最佳论文十余次，包括IEEE GlobeCom、HPCC、ISPA、ICCC等。主持国家自然基金重点项目等多个国家级专项。曾担任多个国际知名会议主席，包括AIAHPC2025大会主席、ICPADS 2025程序委员会主席、GlobeCom 2025分会主席等。担任AAAI、INFOCOM、CoNEXT、MobiSys等多个国际顶级会议程序委员。担任期刊《Embodied Intelligence in Physical Systems》主编，以及IEEE TMC、IEEE Network、Tsinghua Science and Technology等多个国际知名期刊的编委。

报告题目：用于医学多模态大模型的区域级Agentic RAG框架

报告摘要：

医学多模态大模型正在快速发展，但在跨模态推理中，幻觉问题仍制约其在临床场景中的可靠应用。本报告将介绍一种用于医学多模态大模型的区域级Agentic RAG框架RARE。与现有医学多模态RAG主要采用的整图检索不同，RARE聚焦于更细粒度的区域级检索，可围绕关键视觉区域获取更相关的语义证据，减少无关信息的干扰。该方法有效缓解了传统整图检索带来的信息冗余。我们在覆盖两个医学领域的三个数据集上，对视觉问答与报告生成两类任务进行了评估。实验结果表明，RARE在视觉问答任务上较其他RAG的方法平均提升3.8%，在报告生成任务上平均提升14%。该工作为构建可靠、可解释的医学影像智能系统提供了新的技术路径。

简介：

张兰，中国科大计算机学院副院长、教授。长期从事智能物联网、跨域感知计算和数据隐私保护研究，其成果共发表国际知名会议和期刊论文150余篇，其中CCF荐A类会议/期刊论文80余篇。曾获CCF优秀博士学位论文奖、ACM中国优秀博士论文奖、首届阿里巴巴达摩院青橙奖。主持国家自然科学基金委优青、重点项目，国家重点研发计划课题等多项国家级科研项目，并担任多个国际知名会议的程序委员会联合主席、出版主席、程序委员会委员。

报告题目：智能体网络：意图驱动的智能连接与协同

报告摘要：

大语言模型的快速发展正在重塑智能系统的交互与协作方式，智能体作为具备自主感知、推理和行动能力的实体，正从单体智能走向大规模网络化协同。本报告以“智能体网络：意图驱动的智能连接与协同”为主题，探讨如何以人类意图为核心驱动力，构建智能体之间的高效连接与协作机制。报告涵盖意图驱动的感知编排、模型网络的协同推理、隐私安全约束下的跨域协同，以及智能体网络的整体架构与应用实践，旨在为开放环境下可信、可扩展的多智能体协作提供系统性思考。

简介：

张扶桑，北京航空航天大学，教授，国家优青，北京市科技新星，ACM SIGMOBILE China新星奖，吴文俊人工智能优秀青年奖， AIoT青年科学家，微软铸星学者，蚂蚁InTech科技奖。主要研究方向为移动与普适计算、智能感知等。在顶级国际期刊/会议发表论文60余篇，包括IEEE JSAC, IEEE TMC, ACM MobiCom, USENIX NSDI，ACM UbiComp, ACM CoNEXT等。研究成果荣获移动计算与网络顶级会议MobiCom最佳论文提名奖，MobiCom最佳社区论文提名奖，UbiComp杰出论文奖，MobiQuitous最佳论文提名奖，CCF TPCI最佳论文奖、HHME PCC会议最佳论文奖。研究成果受到了中国科学报、著名科技新闻媒体《新科学家》等多家媒体的专访报道。

报告题目：创造“无线”可能-泛在无线感知

报告摘要：

随着智能物联网、移动与普适计算领域的发展，泛在无线感知利用广泛存在于环境中的无线射频信号，例如：WiFi、UWB、毫米波等，除了支持无线通信功能外，通过建模分析人和环境对泛在信号的影响，可以实现对感知目标的位置和状态等信息的感知。本次报告围绕基于泛在信号的智能感知的多样化信号，介绍各类无线感知的最新进展，为推进感知技术落地与突破智能感知性能瓶颈提供新思路。

简介：

杨仝，北京大学PKU-DS实验室负责人，北京大学计算机学院研究员，北京大学人工智能研究院研究员，教育部青年长江学者，北大-小米大模型联合实验室主任，北大-360大模型联合实验室主任，北大-开物金如意人工智能联合实验室主任，北大临港-九章云极大模型联合实验室主任，北大临港大模型研发中心主任。主要研究方向为大语言模型关键技术与概率数据结构。实验室云集了众多优秀本硕博学生100人，包括IMO、IOI、IBO、IPHO、NOI、CMO、CNBO、CChO 金牌。近年发表一作/通信作者CCF A类论文100余篇。提出首个复数大模型iFairy，实现了2比特的量化精度超过了量化前16比特实数大模型。提出了复域变换，首次实现实数-复数模型理论严格等价转换。研发的FairyR1模型以5%参数超越Deepseek满血版R1的数学和代码性能，已在北大校园网提供大模型服务。获得中国电子学会技术进步一等奖（排名第二）、6次获得华为火花奖（全国最多），1次奥林帕斯先锋奖。研究成果获得了国家自然科学基金委员会网站4次报道、教育部科技发展中心1次。

报告题目：iFairy&Fairy2i：首个复数基座大模型与复域变换

报告摘要：

计算机的历史，是形态不断缩小、走向每个人的历史，大模型的未来，是智能不断下沉、走向每个人的历史。大模型从数据中心走向个人端侧，需突破两大瓶颈：空间瓶颈，即参数量大、占用高，需量化压缩；时间与功耗瓶颈，即矩阵乘法多、功耗散热高，需减少甚至去掉乘法运算。 本报告围绕复数量化提出两项方案： 1. iFairy：首次从头预训练复数大模型，因为复数模型维度更高，量化后精度反超了实数全精度模型，但成本高、且无法复用兼容现有实数模型。 2. Fairy2i：借鉴“时域信号→傅里叶变换→低通滤波→稳定有效表示”思路，通过“实数模型→复域变换→量化位±1/±i→无乘化推理”四步流程，首次实现实数-复数模型理论严格等价转换，既复用模型资产，又达成压缩与高效推理目标。两项工作为未来大模型端侧部署拓展了新思路。

简介：

中国科学技术大学人工智能与数据科学学院特任教授。国家级青年人才、国家重点研发课题负责人、江苏省具身智能标准化技术委员、姑苏领军人才。2020年获美国罗格斯大学计算机博士学位。 曾任美国Meta Staff Research Scientist（2020-2025），负责领导研发大规模机器学习训练管理系统，在异构计算资源调度及大模型产品化应用等方向取得突破性成果。 曾任日本东京大学访问学者，曾在字节跳动人工智能实验室、三星美国研究院实习。荣获2020年IEEE Communications Society Phoenix ISS Award。

报告题目：面向高可靠操作的具身智能多模态力触VLA方法

报告摘要：

本报告面向高精度、接触丰富及易损对象处理等高可靠机器人操作任务，系统介绍多模态力触VLA的研究背景、技术进展与关键挑战。报告从未来物理交互建模、视觉与力触信息的异步动态融合，以及力反馈驱动的真机强化学习与柔顺控制三个方面展开，探索如何充分利用高频力触反馈，实现对接触状态的准确感知、对动作后果进行提前预判和对执行过程中动作进行实时校准，进一步提升机器人操作的精度、稳定性与安全性。