鲁仁全，教授，广东工业大学，中国

翁健，教授，广州大学，中国

Giancarlo Fortino，教授，University of Calabria，意大利

陈俊龙，教授，华南理工大学，中国

Zidong Wang，教授，Brunel University London，中国

Mengchu Zhou，教授，美国新泽西理工学院，中国

赖来利，教授，广东工业大学，中国

大会主席

段广仁，教授，哈尔滨工业大学，中国，IEEE Fellow，IET Fellow

许勇，教授，华南理工大学，中国，IEEE Senior Member

刘德荣，教授，安徽大学，中国，IEEE Fellow、INNS Fellow、IAPR Fellow、欧洲科学院院士

程序委员会主席

丛杨，教授，华南理工大学，中国

邓飞其，教授，华南理工大学，中国，CAA Fellow

赵学艳，教授，华南理工大学，中国，IEEE Senior Member

程序委员会成员

刘屿，教授，华南理工大学，中国，IEEE Senior Member

李鸿一，教授，西南大学，中国，IEEE Senior Member

吴爱国，教授，哈尔滨工业大学（深圳），中国

何昭水，教授，广东工业大学，中国

  徐雍，教授，广东工业大学，中国

邹涛，教授，广州大学，中国

吴晓群，教授，深圳大学，中国  

    卢清华，教授，佛山大学，中国

卢旭，教授，广东技术师范大学，中国

组织委员会主席

彭云建，教授，华南理工大学，中国

岑建，教授，广东技术师范大学，中国

任红卫，教授，广东石油化工学院，中国

邢双云，教授，沈阳建筑大学，中国

刘伟，教授，华南理工大学，中国

戴诗陆，教授，华南理工大学，中国

出版主席

罗世贤，副教授，广西大学，中国，IEEE Senior Member

  钟晓静，副教授，广州大学，中国

胡志佩，副教授，华南理工大学，中国

宣传主席

陈伟能，教授，华南理工大学，中国

吴泽浩，教授，佛山大学，中国

邢玛丽，副教授，广东工业大学，中国

   陈广登，博士，西南大学，中国

万方哲，博士，中国科学院，中国

报告题目：

全驱系统方法：从状态反馈到输出反馈（FAS Approach: From State Feedback to Output Feedback）

报告摘要：

众所周知，物理全驱动系统（Fully Actuated Systems, FAS）具有理想的控制特性，其控制器设计相对简便，且闭环系统通常可实现全局常系数线性化。相较之下，非全驱动系统（non-FAS）包括物理欠驱动系统（UAS）以及无法归入FAS或UAS的系统。近年来，动力系统数学广义FAS模型的提出，为非FAS控制设计提供了新的思路。尽管非FAS无法转化为物理FAS，但往往可以转化为数学广义FAS，并据此较为容易地实现控制设计。基于这一思想，形成了FAS方法，即基于广义FAS模型进行控制系统设计的方法。本报告将简要介绍FAS方法的背景与发展，并重点讨论其在非线性动力系统输出反馈控制中的应用。

张颖伟教授，东北大学

国家杰青

IEEE会员

张颖伟，博士生导师，于哈尔滨工业大学获得双学士学位，于东北大学获得控制理论与控制工程硕士和博士学位。于东北大学计算机科学与技术博士后流动站。国家杰出青年科学基金获得者，百千万人才工程国家级人选、科技创新2030-“新一代人工智能”重大项目首席科学家，省科技创新团队负责人。研究方向为复杂流程故障诊断、人工智能安全、自主数字孪生、智能控制、多智能体与进化博弈、智能计划与资源调度等工业智能技术，以及在钢铁制造、大飞机制造、装备芯片制造、能源工业、军事工业中的工程应用。

董海荣教授，同济大学

院长、国家杰青

IEEE/CAA Fellow

刘允刚教授，山东大学

国家杰青

丛杨教授，华南理工大学

国家杰青

丛杨，华南理工大学自动化学院院长，国家杰青，博士生导师。主要从事机器人视觉、机器学习、医学影像分析、大数据处理、机器人伺服等研究。担任中国自动化学会理事、中国图象图形学会理事、中国自动化学会青年工作委员会副主任等职务.先后主持国家重点研发计划项目、国家自然科学基金仪器专项、杰青等项目多项。获得辽宁省自然科学一等奖、中国自动化学会自然科学奖一等奖、中国自动化学会青年科学家奖、辽宁省青年科技奖、辽宁省自然科学成果特等奖、中国科学院青年创新促进会优秀会员等奖项。目前已在国内外期刊和会议上发表80余篇文章，担任IEEE Trans、《自动化学报》等国内外知名期刊的编委。

机器人3D具身感知及自主操作（Robot 3D Embodied Artificial Intelligence and Autonomous Manipulation）

报告摘要：

随着具身智能的兴起，机器人正从封闭、结构化环境走向开放、动态的真实世界。机器人自主操作能力不仅是衡量其智能化水平的重要标志，也直接决定了机器人在智能制造、家庭服务、医疗健康等复杂场景中的作业适应范围。在具身智能的框架下，感知与认知能力是实现机器人自主操作的根本支撑。近年来，人形机器人、具身智能大模型等方向涌现出诸多令人振奋的进展——从视觉-语言-动作联合建模到端到端学习控制，机器人的行为灵活性与任务泛化能力得到了显著提升。然而，机器人要完成人类眼中许多“理所当然”的简单工作，仍面临一系列挑战。例如，在复杂光照、遮挡或物体形变条件下，视觉识别能力仍然脆弱；面对未见过的物体或场景，自主操作的泛化能力远未达到实用水平；对长序列任务、非刚性物体的操作能力也较为有限。本报告将围绕上述问题，尝试为提升具身智能系统的自主操作能力提供新的思路与方法。