研究方向与已有证据

研究方向 · 空间智能

智能系统如何从不完整的观测中,理解物理世界?

我的长期研究方向是空间智能:让智能系统理解物理世界的属性、关系与变化,并据此推理和行动。我从观测入手:传感器提供不完整、带噪声且彼此不同的证据,已发表的工作研究怎样从中提取有用的物理量。如何让这种理解持续成立,并用于决策,是接下来要推进的问题。

不完整
传感器的视角与物理机制决定了它能观测什么。
不相同
两种模态可以观测同一对象,却测量不同的物理属性。
持续变化
世界和观测发生变化时,系统必须重新审视已有估计。
RGB plant observation from Proteus, with the paper's original red annotations相机
mmWave SAR observation of the plant from Proteus毫米波
同一株植物,两种观测。

Proteus 论文中的 RGB 与毫米波 SAR 观测。每种模态揭示同一物理场景的不同侧面。 Proteus

走向空间智能

研究路线

已发表的工作建立了感知基础;当前工作为单个观察者从表征走向理解与行动。路线随后把回路扩展到共享同一空间的多个观察者——这些是待研究的问题,而非已有结果。

  1. 2022–2023

    已有成果

    从回波中提取信息

    仿生声呐与 mmLeaf 让我接触间接观测:从回声中寻找结构,用无线电波测量叶片。

    早期研究
  2. 2024

    已有成果

    从互补视角中学习

    Hydra 将雷达与相机的观测结合起来。接下来的问题不再只是选什么传感器,而是如何表达它们提供的信息。

    Hydra
  3. 2025

    已有成果

    让表征服务于测量

    Proteus 研究雷达可以向相机学习什么;Adonis 则从干湿分类走向湿度程度的测量,并针对田间条件进行校准。

    Proteus 与 Adonis
  4. 当前研究

    正在推进 · 公开预印本

    从一次快照到连续记录

    驾驶评估推动研究从单次测量转向时间与情境中的行为理解。公开预印本提出了设计原则与研究机会,完整监测系统的评估仍有待完成。

    持续驾驶评估
  5. 2026

    公开预印本 · 一篇在审

    从表征走向理解与行动

    SPIRIT 从稀疏雷达测量中重建显式三维表面。Mímir 让 LLM 智能体提出灌溉决策,而物理机制保留执行权;Snotra 只在证据支持时修正世界模型。

    预印本与在审稿件
  6. 下一步

    未来方向

    共享的空间智能

    让多个观察者合并它们所看到、所相信和所做的:视角何时互补、共享信念如何修正、谁可以行动。AURA 的多视角驾驶场景是第一个测试。

    研究愿景

代表研究

三项已发表的感知系统研究,以及一篇驾驶评估预印本。每项工作都有具体问题与对应的证据。

Hydra radar and camera testbed deployed in a crop field

已发表研究 / ACM MobiCom 2024

Hydra

用雷达与相机,感知叶面干湿。

结合雷达与相机观测,在变化的田间条件下感知叶面湿度。

查看研究
Proteus radar sensing prototype and plant target

已发表研究 / ACM SenSys 2025

Proteus

向视觉学习,用雷达感知。

把视觉知识迁移到毫米波表征,同时增强雷达图像中的有效信息。

查看研究
Adonis mmWave radar experiment with a plant and scan geometry

已发表研究 / IEEE INFOCOM 2025

Adonis

从干湿判断,到湿度程度的测量。

融合互补的雷达信号视图,并通过校准估计细粒度叶面湿度。

查看研究
Driving simulator with steering wheel, pedals and a road scene on the monitor

当前研究 / arXiv preprint 2026

AURA

随时间持续、结合情境的驾驶评估。

探索面向老年人的持续、情境化驾驶评估。

查看研究

未来计划

从一个观察者到共享的空间智能

今天的智能生活在一座座孤岛上:田间传感器只看一片叶子,汽车只有一个视角,机器人只在一个房间,语言模型懂词语而不懂地点。一个观察者只是世界的一个稀疏孔径。我的下一步,是让观察者合并它们所看到、所相信和所做的——同时不放弃本地的执行权。

共同观察

多个局部视角何时能确定单一视角无法确定的东西?

在传感器与智能体之间共享证据,并度量哪些状态只有在视角合并后才变得可辨识。

挑战:异构传感器之间的对齐、时序与带宽。

共同相信

共享的信念应当如何修正——何时不应修正?

维护一个带显式不确定性的空间共同模型,只在证据支持时接受修正。

挑战:避免重复计算同一证据,处理相互冲突的来源。

共同行动

谁可以依据共享的理解采取行动?

协调多个智能体的决策,同时让每个智能体的物理执行权保持有界且本地。

挑战:后果是物理的,安全、责任与隐私都必须被考虑。