一、 导师自主立项

（一） 人工智能算法安全性研究与应用

项目负责人：***，中山大学

本项目聚焦于人工智能算法安全性，针对对抗扰动存在性与跨模求解复杂性、攻击用例持续检测与脱毒、软件安全大模型应用安全等关键问题展开研究。内容涵盖构建多模态扰动信息熵分析框架以揭示模型脆弱性机理；探索跨模对齐稳定攻击用例生成方法，包括越狱攻击、对抗攻击和幻觉诱导等；研究模式递增毒性文本攻击用例持续检测与脱毒，构建相关数据集并提出多种检测方法；对面向缺陷检测用途的软件安全大模型进行全面高效安全加固。通过这些研究，预期取得原创性理论和关键性技术突破，提高模型安全性与鲁棒性，为人工智能安全领域发展奠定基础，推动其在各领域的广泛应用。

（二） 智能机器人自主演进技术及系统

项目负责人：***，北京理工大学

本研究旨在探讨人工智能在智能机器人领域的发展及其在军民融合中的应用，强调其在国家安全和经济社会发展中的重要性。随着国家对人工智能技术的重视及相关政策的出台，智能机器人作为关键技术之一，正逐步成为我国科技强国和制造强国战略的重要支撑。然而，我国机器人产业仍面临核心技术依赖国外的问题，亟需打造自主生态系统。

本项目将围绕自主数据、自主感知和自主决策三大方向开展研究，利用先进的机器学习和智能算法，致力于提升智能机器人在复杂环境中的自主导航、感知与决策能力。研究方案包括大规模视觉模型的预训练、知识驱动的多模态联合推理及SLAM技术的应用等，旨在构建高自主、强智能的机器人应用生态，推动军民融合与智能机器人的发展。针对研究过程中可能遇到的数据处理、传感器一致性、动态资源感知与多智能体博弈等挑战，提出了相应的解决方案，以期为未来智能机器人技术的创新与应用奠定基础。

（三） 遥感多模态语言大模型关键技术研究

项目负责人：***，武汉大学

随着遥感数据获取能力的提升和遥感应用需求的多样化，不同模态遥感技术的快速发展推动了多模态遥感视觉基础模型的研究。当前，虽然代表性模型如武汉大学的SkySense和中科院的空天灵眸有效缓解了不同模态遥感影像的对齐问题，但它们仍基于“一任务一模型”的训练范式，在处理多模态数据和多任务推理时缺乏统一性。相比之下，多模态语言大模型在自然场景领域取得了显著进展，然而在遥感领域的研究尚处于起步阶段。为此，本项目拟提出一个遥感多模态语言大模型框架，通过自然语言指令实现对光学、SAR、多光谱和高光谱遥感影像的理解，支持场景分类、目标检测、语义分割等多种遥感任务。然而，多模态语言大模型在遥感领域的应用仍面临诸多瓶颈，包括遥感领域知识缺乏、通用视觉大模型在遥感特性表征上的不足以及多层级视觉感知能力较弱的限制。本项目将通过多源遥感知识整合与增强、适配遥感影像特性的视觉表征预训练、以及多层级视觉感知接口的构建，逐步突破这些瓶颈，构建面向多源数据的遥感多模态语言大模型，提升模型的多任务推理与解译能力。

（四） 面向药物发现的4D生物关系网络学习

项目负责人：***，厦门大学

面向人工智能在药物发现存在的瓶颈问题，本项目旨在研发新型4D生物关系网络学习范式，在分子结构建模、相互作用机制解析、动态行为模拟、数据驱动特征学习4个维度上，深入理解分子级别属性和生物实体相互关系，提供鲁棒、可解释的药物发现工具。

（五） 多模态大模型驱动的具身智能研究

项目负责人：***，哈尔滨工业大学（深圳）

传统机器人依赖人类预设程序或步骤执行任务，缺乏自主感知与决策能力，无法在多变环境中灵活处理各种复杂任务。近年来，随着大模型技术的发展和进步，多模态大模型已具备强大的多模态理解与推理能力。因此，本项目研究基于多模态大模型的具身智能技术，充分发挥多模态大模型和机器人的优点，实现环境智能感知、任务自主规划、动作精准执行，开发出可以在复杂多变环境中主动感知和理解周围环境、自主决策和执行的具身智能体。

项目负责人：***，南方科技大学

离散优化在各个领域都有广泛应用，但传统的优化器设计严重依赖专家经验，难以应对日益增长的优化需求。本项目致力于构建首个通用、可扩放的离散优化基础大模型，主要开展四方面研究：（1）建立优化基础模型的泛化性能分析框架；（2）设计面向通用离散优化的基础模型架构；（3）研究可扩放的优化基础大模型学习策略；（4）在类脑计算、智慧城市、智慧教育和智慧金融等领域开展应用验证。项目通过建立理论框架、开发通用架构和设计学习策略，旨在提供一个“开箱即用“的优化解决方案，推动优化技术在工业界的广泛应用。

（七） 自动驾驶大模型安全技术研究

项目负责人：***，北京航空航天大学

高阶自动驾驶是人工智能垂直应用领域的前沿制高点，也是我国实施“交通强国”、“人才强国”战略的重要内容。将人工智能大模型范式与智能车辆感知、决策、规划、控制相融合，是当前发展高级别端到端自动驾驶系统的重要途径；然而，现有自动驾驶大模型技术手段依赖于多模态传感数据的安全交互与高效处理，面临数据模态复杂性、交通环境动态性、恶意对抗攻击等安全挑战，受传感数据模态不同、泛化应用机理不明、真实长尾数据匮乏等瓶颈的制约。本项目以自动驾驶大模型“数据机理、鲁棒模型、场景生成、安全测试”为突破思路，重点解决多模态异构数据一致性对齐、自动驾驶安全大模型设计与高效计算、自动驾驶大模型安全性能评测三个核心问题，研究自动驾驶多模态数据对齐泛化机理并构建大模型安全计算架构，发展出基于世界模型的鲁棒端到端自动驾驶、自动驾驶长尾场景可控生成等新方法，攻克自动驾驶安全大模型技术并研发原型系统，依托项目团队具备的自动驾驶仿真测试平台和验证环境，面向高阶自动驾驶场景实现大模型安全仿真验证与示范应用。本项目将为我国“人工智能+智能载运装备”领域提供新方法、新技术，并促进本领域拔尖创新人才培养。

（八） 面向具身智能的主动因果推理

项目负责人：***，北京大学

通用人工智能是当前人工智能研究的前沿问题，其核心在于与物理环境进行主动交互，从中学习到可解释和可迁移的表征，进而做出具备可解释性、可迁移性和可控性的决策。具身智能是验证通用性的重要应用场景。现有研究在特定任务上已取得良好效果。然而，已有方法仍然缺乏通用性和扩展性，这是因为这些方法只学习了物理环境中的相关性，并未理解因果关系。

现有方法通过引入大语言模型，有效推升了复杂任务的规划能力，但大语言模型缺乏与物理环境的交互，无法有效理解物理世界中的因果关系，导致其在应对新任务时难以保证可控性和解释性。另一方面，现有的因果推断方法主要面向结构化数据，这些数据在统计学、计量经济学和流行病学等应用领域较为常见，但具身智能面向的是视频、文本等非结构化数据。此外，现有因果推断方法依赖被动观测的数据，而具身智能则需要智能体通过有效地与环境交互，来发现因果关系。因此，现有因果推断方法难以支持具身智能体的应用需求。

为了赋予具身智能体发现因果关系的能力，本项目拟从主动因果角度展开研究，提升其决策和任务执行的能力，实现更具泛化性、可解释性和可控性的系统。首先，项目将设计因果表征学习方法，有效从非结构化数据学习因果表征；基于因果表征，设计主动干预方法，使具身智能体能够在与环境的交互中学习因果网络；进一步，基于学习到的因果网络，设计多臂老虎机方法，有效提升智能体的决策效率。研究将涵盖主动因果发现、非结构化数据归因分析、以及智能决策算法设计，目标是提升具身智能体在多样化任务中的表现，推动因果推断在真实复杂场景中的应用，为通用人工智能的实现提供关键支撑。

（九） 面向复杂动态交互场景的具身智能体构建

项目负责人：***，北京航空航天大学

具身智能（Embodied AI）是未来人工智能领域的重要发展方向之一，其中智能体对环境进行感知与交互，并在此过程中基于获取的反馈不断演进已有模型，从而克服当前人工智能学习范式中固定任务、依赖庞大数据集、泛化性不佳等限制。本项目面向复杂动态交互场景，旨在以具身“感知-认知-行为”闭环为基础，构建一体化的具身智能框架，提升具身智能体的通用性与自适应能力，具体从三方面开展研究：（1）具身感知：通过多模态结构化动态场景图构建复杂场景统一表征，同时通过数据与知识的联合驱动和主动感知策略，实现多源多模态的主动具身感知；（2）具身认知：基于场景图生成方法对人物的信念状态建模，并通过思维链推理使智能体能够进行人类行为意图和情感理解，在多模态时序信息的基础上实现未来行为动态时序推演，最终实现智能体在动态环境中的深层次推理及认知；（3）具身执行：提出多粒度分层的行为决策架构，将复杂任务逐层分解并映射到智能体可操作的空间中，同时基于检索增强策略等方法实现行为规划的错误回溯，并构建交互智能体的持续学习策略。本项目有望突破面向复杂动态交互的具身智能体构建相关的基础性理论问题，为智慧养老、智能制造、智慧医疗等领域的实际应用奠定基础。

（十） 脑机接口精准解码多模态大模型

项目负责人：***，华中科技大学

脑机接口在神经疾病诊疗、康复医学、人机交互等领域具有广阔应用前景；然而，脑机接口系统快速精准解码面临标记数据少、个体差异大、任务种类多、设备配置繁等挑战。本项目旨在构建能适配不同任务和个体的通用多模态脑机接口精准高效解码大模型，并落地应用至机械臂、灵巧手等具身机器人实体。

目前，该领域的痛点主要在于数据采集困难、脑电信号共享受限、不同任务和设备之间数据形式不一致，难以在现有模型中有效整合，并在具身实体上进行长程、精密的操纵。传统深度学习模型对数据格式和数量的依赖限制了其在脑电信号解码中的应用。此外，现有模型的参数量相对有限、针对单一任务设计，缺乏适应不同任务和个体的泛化能力，无法满足多样化和个性化的应用需求。因此，如何设计具备强泛化能力的大模型以实现脑机接口系统精准解码是本领域亟需解决的难题。结合语言大模型、视觉大模型等输出的高级指令，进行复杂场景下脑机接口驱动的具身实体应用是推动脑机接口技术落地的重要探索。

本项目的主要研究内容和方案：下载公开数据集、自采多模态数据集并进行清洗和整理，构建大规模多模态高质量脑机接口数据集；采用结合神经科学和信号处理的知识驱动数据增强方法，利用离散小波变换、希尔伯特-黄变换等技术进一步扩充数据量与多样性；构建基于Transformer的大模型，进行异构数据整合和对比学习，增强模型对跨模态数据的适应能力；研究小样本快速微调和在线测试分布适应方法，实现大模型在下游任务中的精准部署和高效表现；提出高层任务分解、规划模型，设计脑机接口驱动的底层具身实体机械臂、灵巧手控制算法等。

本项目将显著推动脑机接口解码技术的进步，满足广泛的临床和智能应用需求。

二、 学生自主立项项目

（一） 高能物理海量数据的智能物理分析模型及应用

项目负责人：***，中国科学院大学

在科学高度发达的今天，人们希望更深刻地认识物质世界。为此，由大型高能物理对撞机产生的海量高能物理实验数据亟待研究者们挖掘。人工智能近年来的成功使得人工智能加速科学研究成为可能，但目前高能物理领域尚无成熟的、可实用的AI技术研究。项目希望基于大科学装置BESIII的海量数据，依托高性能算力网络，强化AI模型的跨域泛化表达，在物理方程驱动模型和物理知识嵌入方法、末态粒子物理探针、探测器模拟生成模型、重味强子味道标记算法等方面为粒子物理提供新的研究成果和研究范式，促成AI与高能物理双向驱动、相互赋能，实现从0到1的原始创新。

（十一） 乳腺肿瘤智能微创手术系统及关键技术研究

项目负责人：***，南开大学

近年来，乳腺肿瘤的发病率逐年上升，然而目前尚未找到科学有效的预防措施。早诊早治已成 为应对乳腺癌的唯一有效途径，而这一目标的实现离不开医疗设备的不断进步。本项目团队提出研 发一种针对乳腺手术的高精度定位与导航的软组织自适应病灶捕获全自动化手术系统。该系统不仅 能实现快速、准确、完整的病灶切除，还能有效缓解高端医疗资源短缺问题，解决因设备和人力不 足导致的“应切”病变“闲置”现象，改善医疗资源分布不均的现状。该系统的研制成功将推动乳 腺疾病的早期诊断与治疗，预计在投入应用 8 至 10 年后，乳腺癌中晚期病例比例将大幅下降，并 显著提高乳腺癌诊疗的卫生经济效益。本项目团队将围绕以下四个关键领域开展研究工作:

1. 实时高分辨乳腺3D影像重建与病灶精准定位

本研究计划开发超声/光声双模态高分辨率成像技术，并结合磁共振和超声等多模态影像数据， 实现在乳腺中的高分辨率实时 3D 超声成像。通过乳腺病灶的实时三维重建与精准分割技术，精准 识别和追踪病灶位置与形态，实现集固定、检出、成像、定位、实时导航于一体的智能影像设备， 为后续机器人提供高精度的图像引导，提升病灶的检出率与定位准确度。

2. 手术机器人病灶高精度导航自适应切除

本研究计划通过高精度三维实时规划，结合基于力学传感的柔顺控制方案、多机械臂协同规划 及安全有效的自适应算法，研发一个集运动规划、柔顺控制与自适应操作于一体的微创手术机器人 切除模块。该系统将大幅提升乳腺手术的微创性与精细度，优化手术效率，减少术后恢复时间。 3. 虚拟手术仿真平台

本研究还计划开发一个虚拟手术仿真平台，重点解决乳腺手术中的柔性体仿真问题。通过深度 强化学习技术，培训和模拟手术操作技能，提升操作精度与安全性。

4. 安全性及有效性评价与验证

在系统开发与临床验证过程中，本研究将进行全面的安全性和有效性评估，确保系统的可靠性 与适用性。通过动物实验及临床前测试，评估系统在实际手术环境中的性能，确保病灶的精准切除、安全操作及系统的稳定性，为后续临床应用提供坚实的保障。

通过团队的协同攻关，本项目最终将实现乳腺病灶的自动化检出、定位、切除，形成一套流程化、微创化、智能化的治疗方案。该系统的应用不仅能确保乳腺病变“应切尽切”，简化手术过程，降低医疗成本，还能提高医疗资源的利用效率，为广泛的患者群体提供更加精准、高效的治疗

（十二） 智能化学实验机器人:基于复杂灵巧的具身智能系统

项目负责人：***，上海交通大学

本项目旨在推进智能化实验室中有机与无机材料化学实验的全流程自动化与优化设计，提出“真实 到虚拟”、“世界模型”、“仿真到真实”、“化学应用”四个子模块，构建从数据层、构建层到 算法层的全面数据科学体系，为化学实验室机器人提供全生命周期的智能支持。具体而言，项目将 构建实验反应数据库、开发逆合成规划模型和实验方案推荐系统，并引入闭环主动学习模块，为化 学实验提供精准的数据支持和路径规划，实现复杂动态环境中的高效自适应操作。项目设计了基于 3D 检测、扫描和建模的数字资产采集框架，以减少冗余建模并提高数据迁移效率，构建高质量的 3D 实验室场景数据集并进行真实物理属性标注，同时开发 6D 姿态轨迹重建与生成技术，优化具身 智能设备的操作路径规划。通过视觉语言模型的 3D 数据自动标注方法，显著提升标注效率，为智 能系统提供多模态支持。在机械手灵巧操作方面，项目将探索基于关键点的奖励学习框架、3D 堆 叠场景的物体检索与抓取策略，以及物体重定向和功能性抓取方法，开发双灵巧手的协同操作技能 库及多机协同物料搬运策略，实现复杂场景下的高效协作。项目还将通过自适应演化与增量式目标 分配、动态异步决策与分布式共识规划，增强系统在动态环境中的响应能力与规划精度。此外，项 目将构建多模态世界模型，结合因果推理技术进行任务规划与动态调整，开发高效隐空间建模与生 成方法，提升智能体在实验场景中的泛化能力，并通过仿真与现实闭环的实验验证体系实现高效迁 移，推动具身智能系统的实际应用部署，全面提升智能化实验室的系统化能力与可扩展性。最终实 现从高级自然语言指令到中层环境感知任务规划到底层物理控制的完整机器人控制环路，完成大学 化学实验中的基础操作，推动化学实验室向全自动化、智能化发展，为未来复杂实验场景提供可靠、 高效的机器人解决方案。