2024-12-31
2024年11月29日，上海期智研究院第3期“SQZ Talk”学术论坛邀请到两位我院优秀科研人员代表：研究员乐齐钦以及实习生李云飞博士作学术报告。论坛由谢安易主持。
乐齐钦 学术报告
研究院杜韬课题组研究员，主要研究方向为计算机图形学、物理仿真和数字几何等复杂领域，相关的科研成果已发表在计算机图形学 顶级期刊ACM TOG，并将在计算机图形学顶级会议 ACM SIGGRAPH Asia 2024上作报告。
翅果历经数万年的衍化，成为了适宜飞翔的特殊构造。人类能否运用人工智能（AI）自动生成新形态的翅果？人造翅果的空气动力学性能是否可以超越自然翅果？乐齐钦结合计算机图形学与机器学习技术，对翅果的形态和性能进行了探索，提供了一种极具创新性的仿生学研究途径。利用自然翼状种子的3D扫描，通过在3D微分同胚群中用测地线坐标进行插值，构建了一个受生物启发的设计空间。发现了新的翼状种子设计，这些设计在空气动力学任务中超越了自然同类，包括长距离传播和引导飞行。
到场的科研人员就报告中感兴趣的内容与乐齐钦进行了积极的探讨。如何将维数极高的三角网格优化问题降维以增加优化效率改进不光滑的方法；在无限维李群上计算测地线和指数映射的可能方式；基于期望的目标函数在实践中之于原目标函数的优越性；在三维微分同胚群上施加的体积面积以及质量约束的可能等等。
周一稼 SQZ高级研究员
褚驰 SQZ学士后
李云飞 学术报告
研究院吴翼课题组实习生，主要研究方向为强化学习和机器人学。具有四年的深度强化学习与机器人决策领域的研究经验，已发表国际会议和期刊论文12篇，其中第一作者8篇。
解决超出短期动作的长期问题的能力是智能机器人的一个重要特征。本次演讲介绍了一个基于大型语言模型（LLM）的系统，以赋予四足机器人这样的能力。对于四足机器人来说，长期任务是具有挑战性的，因为它们既需要对问题语义的高层次理解来进行任务规划，也需要广泛的运动和操纵技能来与环境互动。李云飞博士为系统构建了一个由多个LLM代理组成的高层次推理层，它可以根据任务描述生成机器人代码计划。在低层次，构建了一套运动规划和控制技能，以通过强化学习释放四足机器人的灵活性。整个系统可以展示非平凡的策略，包括在一系列长期任务中构建工具或通知人类寻求帮助。
报告结束后，科研人员们围绕四足机器狗完成双足站立的关键技术难点，低层次行为训练与迭代，RL学习的运动规策略，中程目标与观测以及LLM模块训练表现分析等问题展开了讨论。
沈马成 SQZ PI 贾瀚宇 SQZ研究员
