领导致辞

报告题目：数据要素流通的安全挑战与对策

报告摘要：万物智慧互联支撑了数据广泛传播，推动了数据泛在共享。DT时代数据从传统共享演化为要素流通，从而数字经济严重依赖于数据要素流通，数据要素流通的安全服务重点关注数据权属确定、权益转移、使用控制、争议仲裁等。当前，安全技术滞后于数据要素流通安全需求，亟需面向数据多轮交易安全服务的体系化解决方案，针对数据要素流通在数据安全、隐私保护等方面的新挑战，本报告介绍了数据共享与数据流通的本质差异、数据要素准则，着重从数据要素流通的角度剖析了数据安全和隐私保护的新挑战及对策，阐述了数据要素流通的关键技术与发展趋势，及典型解决方案。

报告题目：密码工程相关研究

报告摘要：密码工程主要关注密码理论方案在实现和部署过程中的相关问题和解决方案。本报告先讨论密码工程的若干研究方向，然后分享我们在密码误用检测和PKI证书服务等方面的技术进展：用于解决现有证书透明化Monitor安全缺陷的解决方案CTWatcher，用于JWT应用的验证密钥获取缺陷的自动化检测工具JWTKey，以及Windows Curveball漏洞在隐式证书场景的安全分析。

报告题目：从数据价值属性保护看数据安全

报告摘要：随着数据生产要素化之后，数据的价值属性愈发凸显。传统的数据安全主要聚焦在数据信息属性的保护，也就是数据的保密性、完整性和可用性三要素的保护，数据安全治理也主要是围绕这三要素展开。数据要素化之后，要确保数据要素安全流通，除了数据信息属性的保护，更要注重数据价值属性的保护，本报告主要围绕数据价值属性定义、数据信息属性与价值属性之间的关系以及数据价值属性保护的基本框架等内容进行探讨。

报告题目：Passive User Authentication in Industrial Internet of Things

报告摘要：Passive user authentication is of particular importance for the secure operation of Industrial Internet of Things (IIoTs). In this talk, I will first give a short summary of our recent research activities on wireless network security, and then introduce our work on the passive user authentication for the Manufacturing Execution Layer, Monitoring and Control Layer, and Decision and Optimization Layer in a IIoT system.

茶歇

报告题目：AI助力数据流动风险检测

报告摘要：介绍数据安全存在的风险，传统方案中存在的问题， AI在数据安全风险流动检测中的关键技术，以及中国电信实践情况。

报告题目：三权分置为核心的数据要素流通利用探讨

报告摘要：数据要素一直在破难而行。当前可信流通，主体确权，定价收益分配，交易撮合等依然面临挑战，挑战的背后都指向数据三权分置的数据加工使用权的权属，如何释放价值？软极网络基于网络靶场安全平台，聚焦数据、产品开发，提出三权分置为核心的数据使用权分布式交易服务解决方案，以创新应对挑战。

报告题目：从网络空间资产探测到多源情报智能融合

报告摘要：网络空间测绘通过网络空间资产探测、数据融合映射来生成网络空间态势，是网络空间治理、网络空间防护和网络攻击的前提。本报告从网络空间测绘的概念出发，系统的分析了网络空间探测、映射、地图构建与应用所涉及的技术、原理以及研究进展，并指出了如何通过数据智能分析来网络空间情报融合分析。最后，介绍了公司及研究团队在相关方向上的研究成果。

领导致辞

报告题目：视觉大模型进展与展望

报告摘要：大模型是人工智能领域的研究热点，是数字内容智能生成与理解的核心关键技术，在计算机视觉、然语言处理、多媒体内容理解等领域有着重要的应用前景。报告将回顾视觉大模型近年来主要研究进展，包括面向三维点云、视频图像、多模态数据的视觉大模型方法与技术，及其在自动驾驶、智能安防、网络安全等领域中的应用，最后将对视觉大模型的未来发展趋势进行展望。

报告题目：聚类分析的理论方法及应用

报告摘要：针对聚类分析中数据特征的多样性、非完整性及弱可学习性等挑战，本次报告将介绍课题组在多视图聚类的融合机理、非完整多视图聚类、深度聚类等方面取得了系列性创新成果：建立了如何充分利用不同类型特征来改进聚类性能的新理论、提出了面向聚类填充来应对非完整多视图聚类的新方法、探索了从原始数据中学习特征来最优地服务于聚类的新应用。拟开展持续聚类分析以应对数据的动态变化。

茶歇

报告题目：生成式人工智能助力大规模自适应学习：探索与实践

报告摘要：借助人工智能技术，大规模自适应学习可以根据学习者的认知能力、学习资源的知识结构等自动优化调整学习内容，进而实现高效的因材施教。本报告将简要介绍自适应学习系统涉及的学习资源表示和检索技术、学习者能力诊断方法以及自适应学习推荐算法等，并着重探索生成式人工智能给自适应学习带来的新机遇和新挑战。

合影留念

主持人开场，介绍嘉宾

领导致辞

颁发全球校园人工智能算法精英大赛一等奖

报告题目：重黎号火星车视觉智能关键技术研究与展望

报告摘要：火星是距离地球较近且环境最相似的行星，一直是人类走出地月系统开展深空探测的首选目标。2021年5月15日“天问一号”着陆火星乌托邦平原南部预选着陆区，所搭载的“祝融号”火星车开始对火星表面进行巡视，获得了大量宝贵的科学探测数据。为了进一步提高火星车的探测能力和生存能力，及其自主化和智能化水平，重庆邮电大学与西安电子科技大学联合研制了“重黎号”火星车。本报告将重点介绍火星车视觉系统的相关关键技术，包括场景感知、目标探测、自主导航、远程交互以及主动避险等功能模块。同时，简要介绍火星模拟试验场及科普基地的建设情况，并进一步展望火星车的未来发展方向。

报告题目：大模型时代的人工智能技术进展和产业应用

报告摘要：认知智能大模型的“智能涌现”推动了AI技术阶跃，也引发了国内外大模型发展浪潮。随着GPT-4V、GPT-4 Turbo等陆续推出，多模态大模型与大模型生态构建愈发受到各方关注。科大讯飞星火认知大模型自发布以来已完成3次升级，其中V3.0版本整体效果赶超ChatGPT（GPT3.5）水平。除通用大模型底座“1”的七大核心能力全面提升外，在教育、医疗、工业、机器人等“N”的赛道上持续赋能产品应用，同时与开发者合作共建应用生态。未来通用大模型的发展还将聚焦多模态多语言、可信可解释、系统性创新与软硬一体国产化等方向。

报告题目：人工智能中的关联、因果与影响

签约、揭牌、发布

报告题目：人工智能改变世界

报告主题：构筑智能根基，共建AI新生态

报告摘要：整体介绍昇腾AI开发者生态发展情况、昇腾AI基础软硬件前沿技术、开发者生态激励政策计划、昇腾对AI产业发展贡献

报告主题：工业智能与工业大模型

报告摘要：包括工业人工智能的发展阶段、主要场景及国内外应用对比；工业大模型应用发展的重点场景和面临问题。

报告题目：人工智能技术支撑新型电力系统建设探索与实践

报告摘要：人工智能是新一轮科技革命和产业变革的重要驱动力量，国网公司将其作为数字化转型的高级阶段、高阶形态，以ChatGPT为代表的生成式人工智能技术掀起了新一轮创新发展浪潮，在各行业产生广泛影响，有望彻底变革传统生产模式。讲座针对电网生产、营销等核心业务，分析人工智能技术赋能新型电力系统建设实践案例，围绕无人机智能巡检、配电网计算推演等核心应用开展专题讲解，总结人工智能技术支撑国网数字基础能力建设、业务场景应用、协同运营管理等方面成效。

茶歇

报告题目：MOM系统助力制造业数字化转型

报告摘要：随着国家建设制造强国、数字中国战略的实施，企业提升其在设计、生产、管理和服务等各环节智能化水平的需求快速增加，迫切需要以生产制造运营协同为目标的新型工业软件，实现新一代信息技术与先进制造业的融合。本报告首先简述了制造运营管理系统（MOM）在助力企业实现数字化转型过程中的所起到的作用；然后介绍中船鹏力针对企业制造运营管理活动中的资源多样、需求多变、场景复杂的特点，研究和提出的一套协调企业生产运行、维护运行、质量运行和库存调度运行的解决方案，实现对人员、设备、工艺、产品、物料、工单等信息的管控；最后对系统当前功能实例进行简单介绍。

报告题目：强化学习工业决策控制软件 REVIVE-v1

报告摘要：在工业生产中，存在许多需要决策的场景。然而与实际工业生产系统进行实时交互并采集数据可能会带来昂贵的时间和资源成本，这限制了强化学习技术的使用。REVIVE可以通过利用历史数据(系统过去的运行状态、操作记录和结果等信息)构建仿真环境，在构建的仿真环境上使用强化学习技术进行决策优化，避免了直接与实际系统进行实时交互的成本和风险，获得更高效、优质、安全和经济的智能控制策略。本次报告将首先会介绍REVIVE的整体框架和功能设计，然后会展示一个具有较强现实工业场景特性(如：大时延，静态变量，全局约束)的强化学习任务基准。

报告题目：基于昇腾的元乘象多模态大模型在无人机、机器人领域的应用探索和实践

报告摘要：如果说ChatGPT等语义大模型可以逐步听懂了世界，Chatimg多模态大模型则逐步实现了看懂世界，本报告主要展示和探讨多模态大模型在电力/石化/城市治理/交通等多个行业、领域，与不同的设备终端(无人机/机器人等）的融合探索和实践。让设备像人类一样的感知、思考和决策。为社会生产力的提高共同探索切实可行的落地路径。

报告主题：AI agent：通往AGI时代的门把手

报告摘要：本报告解释了智能体的技术框架，包括感知、推理和行动模块，并根据人工智能与人类在工作分工上不同的比例，定义了交互、协作和自主三种类型的代理。汇智的产品线包括面向个人的定制AI代理平台，面向开发者的统一API调用平台，以及AI人才培训中心。报告预测从2023年开始,自主AI代理将在包括教育、医疗、电商等领域快速应用和扩散，作为通往通用AI时代的“门把手”，智能体将重构未来的数字社会，但要实现多模态、长期自主的智能体仍面临诸多挑战。

论坛总结

领导致辞

报告题目：基于激光雷达点云数据的3D场景理解

报告摘要：随着激光雷达等三维传感器的普及，点云数据变得越来越普遍。该报告我们将介绍课题组最近提出的用于点云数据处理的系列视觉感知方法。首先，我们提出了一种高效的激光雷达点云过分割网络。接着提出了一种超点引导的自监督3D 场景流估计方法。最后，我们提出了一种基于SE(3)扩散模型的点云配准方法，并用于鲁棒的6D物体姿态估计。

报告题目：视觉场景感知技术与应用

报告摘要：人工智能与计算机视觉技术发展日新月异，近年来取得了突破性的进展，成为智能交通、智能安防等领域的核心技术。在该报告中，我们聚焦行业领先技术，围绕着感知、推理、决策等关键问题，从开放环境感知模型、自主目标发现系统、万物感知通用平台等角度出发，深入介绍我们在该领域的最新进展。我们期望这些技术能够为视觉场景感知带来新的可能性，赋能更加智能、高效、安全的视觉场景应用。

报告题目：“书生”通用大模型体系

报告摘要：近年来预训练大模型推动人工智能技术取得突破性进展，成为通向通用人工智能的重要途径。当前，大模型从语言大模型向多模态大模型快速演进，GPT4V和Gemini均把多模态能力作为重要特色。这个报告将分析介绍通用大模型的技术特点、训练方法以及核心能力。报告还将介绍上海人工智能实验室“书生”通用大模型体系，探索从“视觉”到“语言-多模态”的通用大模型发展路径。书生多模态模型支持开放世界百万级语义标签的理解，可实现跨模态生成和交互，在多个重要视觉和多模态任务中取得领先的性能。感知决策一体化自动驾驶大模型获得了CVPR2023最佳论文奖。最后，将分析多模态大模型面临的挑战和发展趋势。

报告题目：AI+3D视觉赋能工业智能化

报告摘要：随着国内产业结构的调整、制造水平的进一步提升，“多品种、小批量、快交付”的柔性生产智造需求日益增长，制造业巨头纷纷谋求数字化、智能化转型升级。本次报告首先简述3D视觉技术如何赋能智能制造；然后介绍中船鹏力针对智能制造场景中多变的、碎片化的三维感知需求，在高精度三维成像以及基于AI技术的三维识别、三维测量等方面进行的一些技术探索工作以及面临的技术挑战；最后就AI+3D视觉在工业领域的一些典型应用案例进行介绍。

茶歇

报告题目：人工智能赋能钢铁智造

报告摘要：报告结合金恒科技在炼铁、炼钢、轧钢等领域的多个计算机视觉和数据智能项目工业实践，介绍如何将人工智能技术与生产工艺机理相结合，让钢铁行业由黑箱变透明、由粗放变集约、由人工密集变科技密集，助力钢铁行业的智造升级。

报告题目：小视宙初大模型-基于昇腾生态视觉大模型场景实践

报告摘要：小视科技宙初大模型基于昇腾视觉大模型生态框架为基础，提供了用于处理多视觉任务的解决方案。本报告阐述了大模型的发展趋势、小视宙初视觉大模型的行业落地场景实践，以及小视科技和江苏鲲鹏·昇腾生态创新中心的未来战略合作规划。

自由交流

专委会主任致辞

报告题目：多模态大模型的一点探索

报告摘要：当前包含文本、语音、图像和视频等多种模态数据的信息在不断融合，大模型的发展正由单模态迈向多模态。本次报告首先简述大模型从语言到多模态的发展，然后介绍多模态大模型的几类范式，并介绍中科院自动化所紫东太初多模态大模型的一些技术探索。然后重点介绍我们在语音-语言端到端跨模态大模型方面的工作。最后对多模态大模型的未来发展做简单展望。

报告题目：标注数据受限条件下的多粒度视觉内容分析

报告摘要：图像视频大数据智能分析与识别在多种实际应用中具有至关重要的作用，比如无人驾驶、网络空间内容安全以及社会公共安全等。然而实际应用中多媒体内容类别粒度多样，标注数据受限。为此，我们研究了标注数据受限环境下多粒度视觉内容分析问题，主要是小样本环境的多粒度视觉内容识别与分割工作，提出了基于知识迁移和数据增强的小样本识别、小样本细粒度分析、弱监督语义哈希、深度协同因子分解模型、以及基于奇异值微调的小样本语义分割模型等。最后介绍一些相关的实际应用。

茶歇

报告题目：鲁棒多媒体内容分析：从可用到可靠

报告摘要：近年来，由于多媒体数据的爆炸性增长，多媒体内容分析变得愈发重要。然而，海量涌现的多媒体数据并不一定保证其可靠性。本次报告将深入探讨数据不可靠情况下，实现鲁棒多媒体内容分析所面临的挑战。同时，本次报告还将介绍我们最近在应对不可靠多媒体数据挑战方面的一些研究成果，如不均衡训练数据下鲁棒特征学习、零训练数据条件下模型去偏以及面向复杂多媒体模型的高校对抗鲁棒性评估等。

报告题目：大模型潮流下领域专有小模型的查搜与复用

报告摘要：以GPT、CLIP为代表的预训练大模型，通过大数据量、大参数量、大计算量，具备了较强的“通用”能力。然而其并非真正通用，在大量下游任务中，相比领域专有模型，面临不稳健、性能衰退等问题。与此同时，随着机器学习的广泛应用，我们可以收集海量特定任务中表现优异的领域专有模型。如何协同利用预训练大模型的通用数据处理能力和领域专有模型的下游任务优异性能是一个重要的问题。本次报告将在学件(learnware)范式下探讨在大量领域专有模型可以被训练和收集的背景下，如何针对已有模型进行查搜和复用，通过大小模型协同解决新的机器学习任务。同时报告将分享我们在判别式、生成式模型查搜方向的一些研究成果。

论坛总结

专委会副主任致辞

报告题目：图计算：知识工程的数据底座

报告摘要：万物皆关联，作为表达和处理关联关系的最佳方式，图和图计算受到了来自计算机科学、社会学、运筹学、生物化学等不同学科领域研究人员的关注。以知识图谱为代表的知识工程技术利用图结构建模、识别和推断事物之间的复杂关联关系和沉淀领域知识，是图计算的重要应用场景之一。本报告将介绍图计算中的关键问题与研究进展，探讨现有研究的不足与未来研究方向。

报告题目：服务儿童的自动词语简化方法研究

报告摘要：词语简化的目标是保持原有意思不变，增强机器或者人对内容的理解，特别是对儿童、识字率低、非母语人士等。传统词语简化方法更多是利用同义词词典或者词嵌入模型来寻找替代词集合。这些方法生成目标词的候选词时，忽略了目标词的上下文信息，可能产生很多噪音候选词。本人最先提出的基于预训练语言模型的方法充分考虑了上下文信息，已经成为了目前词语简化任务的主流方法。本报告着重介绍在本人在词语简化方法的最新研究成果，包含基于复述模型的方法、中文的词语替代方法、成语的简化和在大模型水印上应用。

报告题目：多源知识图谱表示学习

知识图谱表示学习是人工智能的一项关键技术。然而，单源知识不完备、数据稀疏等问题，严重影响知识图谱的表示学习和应用效果。近年来，大量开源的知识图谱被发布出来，多源知识潜在的互补性和可迁移性，为解决上述挑战提供了新的思路。本报告将立足于多源知识图谱表示学习，围绕多源知识融合与迁移的核心问题，介绍多源知识图谱实体对齐、实体归类、链接预测和预训练等相关方法、理论与应用。最后展望多源知识图谱表示学习的未来研究方向。

茶歇

报告题目：业务场景数智化赋能新型工业化建设

报告摘要：当今，随着科技的迅猛发展，业务场景数智化已成为推动新型工业化建设的关键力量。本报告旨在探讨如何通过数智化赋能，实现工业化进程的优化与服务升级。我们将深入分析不同业务场景下的数字化技术应用，探讨人工智能、大数据分析、物联网等新兴技术在工业化中的作用与影响。通过案例研究和实证分析，剖析数智化对生产流程、效率提升、资源利用和企业发展模式的深远影响。最终，本报告旨在为业务决策者和工业化实践者提供洞察参考，实现工业化发展的新突破。

报告题目：大语言模型在信息抽取与推理中的可能应用

报告摘要：大语言模型的出现为知识的抽取和推理打开了一片新的广阔空间。自大语言模型从年初出现以来，已经有大量旨在研究大模型能否进行推理的工作，我们认为大模型即使不能真正进行推理，也已经能够足够好地模拟推理。然而大模型推理能力的主要问题在于黑盒化与不可控（幻觉）。在需要严谨推理的场景下，比如金融领域，这样的推理表现是难以接受的。于此相对的是，基于图谱的推理通常是可解释的，然而图谱方案的问题则主要在于图谱构建的工作量大，链路长。在这样的背景下，本报告探索了一种结合大语言模型和图谱进行推理的方案的可能性。实验结果表明，该方案具有一定的可扩展性，且推理逻辑可视、可控，最终的语言输出也较为流畅。

专委会领导致辞

报告题目：高分辨率遥感弱监督智能解译

报告摘要：高质量地物标记匮乏与模型泛化能力不足是高分辨率遥感智能解译面临的关键问题。从遥感通用特征自主学习与遥感解译模型弱监督训练两方面介绍团队针对该问题的研究进展。提出了具有多层次、细粒度特征自主学习能力的遥感图像自监督学习方法，提升遥感智能解译模型的通用性；系统阐明了遥感图像弱监督语义分割的影响因素，发展了面向单类/多类任务的遥感图像弱监督智能解译方法，耦合遥感物理知识探索了无需人工标记的地物要素智能提取途径，助力降低遥感智能解译模型构建对大量标记样本的依赖、提升遥感应用效率。

报告题目：基于高斯分布的旋转SAR舰船目标检测知识蒸馏方法

报告摘要：SAR图像对于全天时、全天候的舰船目标检测识别有着得天独厚的优势，其广泛用于非法捕捞监控、港口调度等领域。目前，基于深度学习技术的SAR舰船检测技术已经成为了主流方法，但良好的检测精度往往需要结构复杂且参数量较多的CNN模型，并不适用于对于推理速度要求较高的场景。本报告介绍了一种基于知识蒸馏技术的旋转SAR舰船目标检测的轻量化方法，从SAR舰船目标几何特征出发，详细讨论了旋转框检测精度受到目标的宽高比影响，从而提出了一种基于旋转框高斯表示的知识蒸馏方法，对比现有的基于L1或L2损失函数，所提方法能进一步提升学生网络的检测精度，其效果在不同数据集上均得到了验证。

报告题目：模型启发的无监督高光谱图像超分辨

报告摘要：高光谱图像超分辨目标是获得高空间分辨率的高光谱图像，一种经济的方法是通过融合低空间分辨率的高光谱图像和高空间分辨率的多光谱图像来实现。深度学习是一种有效实现高光谱图像超分辨的方法，但其中大多数方法是有监督方法，需要大量的有标签数据，这在实际场景中很难满足。受模型方法启发，提出以无监督的方式设计一个启发式的高光谱图像超分辨率深度网络。该网络是一个隐式自编码器，并将非负矩阵分解和深度展开方法融入其中，与基于流形先验的模型方法具有等价性。

茶歇

报告题目：基于深度学习的热带气旋强度估计方法

报告摘要：精确估计热带气旋强度对于我国防灾减灾具有重要意义。近几年，深度学习方法在热带气旋强度估计中得到了广泛关注，其精度相比传统方法也有着很大的提升。但大多数方法没有充分考虑到热带气旋强度的时间连续性，使得估计结果有较大不稳定性。本报告介绍了两种基于时间连续性的热带气旋强度估计方法：双分支CNN模型以及时空注意力模型。两种模型都从热带气旋强度的时间连续性出发，前者通过损失函数约束相邻帧图像的强度估计一致性；后者则利用历史多帧图像计算不同时刻的图像特征相似度和强度特征相似度，来约束当前时刻的强度值。提出的方法易于实现，且能进一步提升热带气旋强度估计的精度与稳定性。

报告题目：基于分布建模的复杂场景无监督变化检测

报告摘要：变化检测中的复杂场景包括多源异质、环境干扰、高分辨率多视角等，在遥感数据中十分常见，无监督方法不需要大规模标记数据的支撑，因此具有更加广泛的应用前景但也面临极大的挑战，包括复杂场景建模问题、有限样本下的模型优化问题、变化区域生成问题等。本报告介绍了一种基于分布建模的深度学习方法，并在各类复杂场景中将变化检测任务建模为分布学习模型，通过优化似然函数对神经网络进行训练，在仅给出两幅多时图像的情况下进行高效学习和检测，该方法在各类复杂场景中取得了遥遥领先的效果。

专委会新委员增选

嘉宾介绍及致辞

专委会换届工作

茶歇

报告题目：面向国防重大型号的空中加油系统研制

报告摘要：军机作战半径、侦察范围以及滞空时间等易受到燃料的限制，严重削弱了军机长航时和复杂任务的执行能力。本报告以软式空中加油为背景，将自主空中加油技术与机器视觉技术有效融合，研究并突破面向型号应用的锥套位置准确识别、锥套实时精确跟踪、锥套空间位置信息解算等关键技术，提升空中复杂视觉场景下自主加油对接系统的实时性与鲁棒性。

报告题目：智能材料及仿生机器人研究进展

报告摘要：主要介绍中科大机器人与智能装备研究所团队在智能材料和仿生机器人方向的研究进展，包括形状记忆合金（SMA）人工肌肉的精确控制及其在柔性长臂抓手、仿生灵巧手以及便携康复手套上的应用研究；液态金属多物理场驱动及其在人工肌肉及机器人等方面的应用研究；水下仿生机器人、两栖机器人、救援机器人、人形机器人等研究。

闭幕致辞

主持人开场介绍嘉宾

领导致辞

报告题目：AIGC在教育领域的应用与发展

报告摘要：深入探讨人工智能生成内容（AIGC）技术在教育中的革命性作用，从技术基础到个性化学习和互动教学的应用，突出其对传统教学模式的转变影响。同时，分析技术整合、数据隐私等挑战，并展望AIGC在未来教育领域的发展趋势。

报告题目：人工智能专业建设实践与探索

报告题目：无人驾驶的理论与实践——南理工的探索

报告摘要：无人驾驶是人工智能热潮中极具发展潜力的应用场景，也是人工智能理论的重要验证平台。南理工作为国内较早从事无人驾驶研究的高校，先后承担了包括地面无人平台的国防973项目、国家自然科学基金重大研究计划“视听觉信息的认知计算”的重点项目、国防重点预研课题“地面智能机器人”等项目，在环境感知、规划决策、系统集成与仿真等方面开展了相关基础理论的研究和工程实践的探索，并多次获得各类省部级科技进步奖。本报告重点介绍南理工在无人驾驶领域的研究历程，以及如何兼顾开展基础理论研究和工程实践，以及如何实现科教融合。

茶歇

报告题目：人工智能在工业的应用实践及探索

报告题目：聚产业融技术，推动数智未来

报告题目：智能应用场景：多模态传感器融合的广域场景管控研发

报告摘要：基于多模态传感器融合的广域场面管控系统，通过融合不同类型传感器的感知数据，对广域场面进行3D重建，以便于对场面信息全方面精准感知及管控该系统应用在民航领域，可自动引导滑行飞机迅速到达机坪停机位置并准确停泊，减少人工操作及可能的失误所带来的航班延误及事故损失。

专委会主任会议总结

颁奖仪式