局域模体结构对系统受扰动后响应行为的影响

复旦大学类脑人工智能科学与技术研究院纪鹏研究员与法兰克福金融管理学院简·纳格勒（Jan Nagler）教授合作，给出了信号在局域传播中与模体间的定量缩放关系，及其在全局传播中与链路模体空间分布间的关联。相关成果发表于《自然·通讯》（Nature Communications）。基于一般耦合动力系统，在源节点施加恒定不变的小扰动并线性化系统，表征节点状态的变化并计算信号传播时间指标；在局域传播中，分离本征特性和模体等影响传播因素，定量传播时间与拓扑间的标度指数；在全局传播中，采用高斯迭代法获得链路上相邻层间的关联，计算链路上模体数目及空间分布对全局传播时间的影响。

极其微小的随机干扰对湍流的大尺度影响

上海交通大学廖世俊团队应用其提出的“精准数值模拟”（Clean Numerical Simulation，简称CNS），发现极其微小的数值噪音能够对二维Rayleigh–Bénard热对流这个可持续湍流的数值模拟结果产生宏观的影响。相关成果发表于《流体力学学报》（Journal of Fluid Mechanics）。湍流，被称为经典力学的最后一个难题。湍流与航空、航天、海洋工程等许多领域都密切相关。深入研究湍流的生成和演化机理，具有重要的理论意义和应用价值。由CNS得到的精准模拟结果能够长期保持典型的旋涡状对流，但由传统算法（RKwD）给出的数值模拟却转变成剪切对流，其对应的流场变成一种带状湍流。

考虑网络局域模体（独立边和三角形）下，预测信号传递模式（图片来源于复旦大学网站）

机器人类人灵巧操作方法研究

中国科学院自动化研究所王鹏研究员团队通过借鉴人与人之间的物体交接方式，提出一种人与仿人五指灵巧手机器人之间的类人物体交接灵巧操作方法，并应用到实际机器人平台中，实现了人和仿人五指灵巧手机器人之间的多样性物体类人交接自主灵巧操作。相关成果发表于《IEEE认知与发展系统汇刊》（IEEE Transactions on Cognitive and Developmental Systems）。人与机器人间的物体交接主要以二指平行爪等简单机构作为机器人的末端执行器，由于结构的差异性，难以实现物体在人和机器人之间的自然和灵巧传递。研究借鉴人手的抓握习惯建立学习模型，自动生成物体交接抓取配置策略，使机器人能够使用类人的抓握方式。

自动驾驶系统仿真测试方法

中国科学院软件研究所吴国全、叶丹、田浩翔等人在自动驾驶系统安全性违规检测方面取得进展。相关成果发表于《ACM联合欧洲软件工程会议和软件工程基础研讨会2022》（ESEC/FSE 2022）。自动驾驶系统是高度复杂的软硬件系统，其所处的运行环境高度复杂且多变，会面临许多无法预见的情况，系统安全性尤为重要。目前的自动驾驶仿真测试方法存在搜索成本高、测试效率低和生成场景挑战性不足、相似度高等问题。研究提出了基于多目标遗传算法的自动驾驶系统仿真测试方法，能够有效生成自动驾驶系统的挑战场景，暴露自动驾驶系统的安全性缺陷，并支持对自动驾驶系统的连续、长距离测试，提高仿真测试执行效率。

增强过驱动无人机平台稳定性及安全性研究

北京大学人工智能研究院朱毅鑫课题组开发了一种适用于由四旋翼无人机模块组成的无人机平台的控制策略。相关成果发表于《智能机器人与系统国际会议2022》（IROS 2022）。无人机由于其灵巧、简单的特点，一直备受市场和学术界的关注。机动性和安全性一直是无人机领域的两大课题，这一控制策略能够兼顾无人机之间的气流冲刷现象和平台整体的推力效率问题，增加了此类无人机平台实际使用时的稳定性和安全性。研究人员提出的控制算法巧妙地兼顾了过驱动无人机平台的气流冲刷现象和无人机平台整体的推力效率。研究人员在仿真场景和现实环境中均进行了实验，实验结果很好地验证了控制算法的有效性。

基于多个四旋翼和被动自由度机构的过驱动无人机平台（图片来源于北京大学网站）

若干个全向推力模块组成的过驱动无人机平台可以有无穷多种推力生成方案来生成同样的总推力（图片来源于北京大学网站）

光学元件的局域面形公差和品质评价新方法

清华大学精密仪器系朱钧课题组开展了光学曲面的局域面形公差和品质评价研究。相关成果发表于《光学》（Optica）。研究团队计算了一个离轴三反光学系统的三镜和一个卡塞格林式系统的两个反射镜的局域面形公差，并对公差进行了模拟验证。公差的计算结果显示出很明显的局域性。研究人员同时提出一种与成像性能直接相关的光学元件品质的精确评价函数RWE，替代传统的RMS或PV值来评价光学元件的品质，并对一系列的具有不同面形误差的元件进行了品质评价。研究提出的局域公差框架将为光学系统的制造，特别是为光刻系统和太空望远镜等高精度、大口径的光学系统制造提供新的技术支撑。

脑机接口信息处理技术研究

中国科学院沈阳自动化研究所唐凤珍课题组针对头皮脑电信号的解码问题开展研究，提出基于对数欧氏度量黎曼几何的脑信号解码方法，在保证精度的同时提升脑信号解码的效率。相关成果发表于《IEEE控制论汇刊》（IEEE Transactions on Cybernetics）。研究人员将脑电信号表征为协方差矩阵的、从平直的欧氏空间转换到弯曲的对称正定黎曼空间，利用对数欧式度量，将广义学习矢量量化方法推广到黎曼空间，建立基于对数欧氏距离的广义学习矢量量化方法，实现高效快速的脑电信号解码；通过引入对数欧氏度量学习方法，学习一个将原流形映射到更具有可分性的黎曼子流形的函数，在保持计算速度的同时，取得了更好的结果。

CPU友好的神经网络模型新设计

厦门大学信息学院纪荣嵘团队提出了一种剪枝粒度介于权重剪枝与滤波器剪枝之间的新型剪枝，其基本剪枝单元是相同输入通道下连续N个输出核组成的块，并在剪枝之前对参数进行重排列，以进一步提升剪枝后模型的性能。相关成果发表于《IEEE模式分析与机器智能汇刊》（TPAMI）。深度神经网络（Deep Neural Networks, DNN）的参数量（Parameters）与浮点计算量（FLOPs）不断增长，这使得在计算能力有限的边缘设备上部署DNN成为困难。新模式的剪枝模型能够被当前的CPU内置的指令所支持实现并行的矢量化运算，可以在现有硬件与计算库下直接获得加速效果。