讲座题目

机理-数据融合的世界模型及工业应用

主办单位

计算机科学与数学学院

联合主办单位

讲座人

徐凯

讲座人
职称

正高

主持人

陈晓平

讲座类型

自然科学

讲座对象

全校师生

时间

2026-07-10 14:00

地点

C4-308

讲
座
人
简
介

徐凯，中国科学院工业人工智能研究所研究员。曾任国防科技大学教授、普林斯顿大学访问学者、加拿大西蒙弗雷泽大学客座教授。研究方向为计算机图形学、具身智能、数字孪生等。在国际上较早开展了数据驱动三维感知、建模与交互工作，提出面向复杂场景的结构感知、机理增强的具身交互理论方法系统，并规模化应用于重工、船舶、汽车等智能制造领域。主持国家自然科学基金青年科学基金A类（原杰青）、B类（原优青）、重点项目等。发表TOG/TPAMI/TVCG/TIP等A类论文100余篇。连续多年入选全球高被引学者榜单和全球前2%顶尖科学家榜单。担任图形领域顶级国际期刊ACM Transactions on Graphics、IEEE Transactions on Visualization and Computer Graphics的编委，Computational Visual Media的领域执行编委。担任中国图象图形学会智能图形专委会副主任、中国工业与应用数学学会几何设计与计算专委会副主任。获湖南省自然科学一等奖2项（排名1和3）、中国计算机学会自然科学一等奖2项（排名1和3）、中国电子学会青年科学家奖、 机器人顶会ICRA 2026最佳论文奖。

讲座
主要内容

在人工智能技术高速迭代的当下，世界模型已然成为物理智能与具身智能领域的核心引擎，是人工智能从感知生成迈向真实世界理解、落地实体场景的关键核心技术。近年来，以大模型为代表的生成式人工智能，为世界模型的搭建迭代提供了全新范式，依托海量图像、文本像素级数据，能够快速模拟场景、生成预测内容，极大推动了智能模型的发展革新。 但当前主流的纯数据驱动世界模型，存在难以规避的现实短板。这类模型高度依赖海量训练数据与超高算力资源，不仅训练成本高昂、迭代周期漫长，而且缺乏对物理规律、行业机理的深层认知，仅能实现表层场景复刻与模糊推演。在工业生产、智能制造等资源受限、精度要求高、稳定性极强的场景中，极易出现预测偏差、泛化性弱、可靠性不足等问题，严重限制了人工智能技术在工业一线的落地应用与规模化推广。 针对这一行业痛点，我们团队聚焦机理表征与数据驱动相融合的新型世界模型开展专项研究。通过将工业物理机理、行业规则约束、专业先验知识融入模型训练全过程，打破纯数据模型的技术局限，有效降低模型对海量数据和高端算力的依赖。同时让模型具备贴合真实工业场景的逻辑认知、规律推演能力，实现对复杂工业环境的深度理解、精准预测与稳定决策。该研究能够为工业具身智能体、智能装备提供高可靠的环境感知、态势判断与自主决策能力，大幅缩短工业智能模型的训练周期，降低落地成本。本次讲座将详细分享我们在机理与数据融合世界模型的核心技术探索、算法优化思路，结合智能制造、工业运维等典型落地案例展示应用成效，并结合行业发展趋势，为师生讲解该技术的科研价值、创新方向与产业化前景，助力大家把握物理智能领域前沿研究热点。