我院本科生在国际权威期刊《IEEE TCE》发表机器人运动规划成果

3月12日，国际消费电子与人工智能领域权威SCI期刊《IEEE Transactions on Consumer Electronics》（JCR Q1，影响因子：10.9）在线刊发了我院深度强化学习实验室卢仁智副教授课题组在机器人智能规划领域的最新研究成果，题为“AMPD: Adaptive Motion Planning Diffusion for Robot Motion Planning in Complex Environments（用于复杂环境中机器人运动规划的自适应运动规划扩散模型）”。人工智能与自动化学院2023级本科生陈祥僖为第一作者，卢仁智副教授为通讯作者。

机器人在复杂环境下的运动轨迹规划是智能服务与制造的核心问题。现有的传统规划算法在面对密集障碍物（如散落家具的客厅或货架密集的杂乱仓储区）时，极易陷入计算“死胡同”或耗时过长。针对上述问题，研究团队引入了生成式人工智能中的扩散模型（Diffusion Model）。传统的规划算法像是在迷宫里盲目试错探路；而扩散模型则像是在迷宫里先扔下一团杂乱无章的毛线（随机噪声），然后通过算法一步步将毛线理顺、拉直，最终“去噪”形成一条完美绕过所有障碍物的平滑路线。

在此基础上，团队提出的AMPD架构进一步引入了自适应机制与平滑先验，解决了传统扩散模型推理慢的缺陷，在保证高避障成功率的同时实现了快速规划。与已知先进方法相比，该方法在多个复杂极端环境中展现了卓越的性能。

陈祥僖是我院人工智能2302班本科生，大二期间便主动进入实验室参与科创工作，在强化学习与机器人运动控制等方向不断深耕，经严格的学术培训逐步成长起来，是我院拔尖创新本科生培养的优秀代表。

上述研究工作依托图像信息处理与智能控制教育部重点实验室及自主智能无人系统教育部工程研究中心，并得到了国家自然科学基金（编号：62373158）和华中科技大学交叉研究计划（编号：2025JCYJ018）的联合资助。本研究的数值计算工作得到了华中科技大学高性能计算平台（HPC）的算力支持。

深度强化学习实验室部分本科生合影

深度强化学习实验室曾指导多名本科生发表SCI/EI论文，详细如下：

Chen X, Jiang Y, Lu R. AMPD: Adaptive Motion Planning Diffusion for Robot Motion Planning in Complex Environments[J]. IEEE Transactions on Consumer Electronics（一区，IF：10.9）, 2026.论文第一作者为我院人工智能202302班本科生陈祥僖。

Cao Y, Huang X, Liu J, et al. DDRGS2S: A novel spatiotemporal correlation-based deep learning model for wind power prediction[J]. Energy（一区，IF：9.4）, 2025: 138924. 论文第一作者为我院人工智能202004班本科生曹宇哲，现为我院博士研究生。

Zhang J, Wang X, Hu Z, et al. A Dual-Layer Policy Network-Based Deep Reinforcement Learning for Consumer Unmanned Surface Vessels Surrounding Control[J]. IEEE Transactions on Consumer Electronics（一区，IF：10.9）, 2025. 论文第一作者为我院自动化202204班本科生张峻领。

Wang J, Jiang J, Chen X, et al. A novel YJQR-LSTM model for nonparametric probabilistic sustainable agriculture wind power forecasting based on intelligent IoT[J]. IEEE Internet of Things Journal（一区，IF：8.9）, 2024. 论文第一作者为我院人工智能202102班本科生王杰，现为我院硕士研究生。

Shao Z, Wang Q, Cao Y, et al. A novel data-driven LSTM-SAF model for power systems transient stability assessment[J]. IEEE Transactions on Industrial Informatics（一区，IF：9.9）, 2024, 20(7): 9083-9097. 论文第一作者为我院人工智能202004班本科生邵宗贺、王琦超、曹宇哲，邵宗贺现为我院硕士研究生，王琦超现为浙江大学博士生，曹宇哲现为我院博士研究生。

Ma T, Ye T, Deng L, et al. Bone Age Prediction using a Convolutional Neural Network-based Regression Algorithm employing Attention-Directing and Cluster[C]//2025 IEEE 23rd International Conference on Industrial Informatics (INDIN) （中国自动化学会推荐A类国际会议）. IEEE, 2025: 1-6. 论文第一作者为我院人工智能202203班本科生马滔。

TakMan L O, Deng L, Tang Y, et al. An EfficientNetV2 Deep Learning Framework for Adolescent Bone-age Prediction Using Hand Radiographs[C]//2025 IEEE 23rd International Conference on Industrial Informatics (INDIN) （中国自动化学会推荐A类国际会议）. IEEE, 2025: 1-6. 论文第一作者为我校香港本科生罗得文。

Li Z, Deng L, Tang Y, et al. Bone Age Assessment Using EfficientNet V2 and Multi-Model Fusion[C]//2025 IEEE 23rd International Conference on Industrial Informatics (INDIN) （中国自动化学会推荐A类国际会议）. IEEE, 2025: 1-6. 论文第一作者为我校香港本科生李志豪。

Li T, Zhu F, Gan Z, et al. Cooperative target-surrounding control of unmanned surface vessels based on MADDPG[C]//IECON 2023-49th Annual Conference of the IEEE Industrial Electronics Society（中国自动化学会推荐A类国际会议）. IEEE, 2023: 1-6. 论文第一作者为我院人工智能202002班本科生李桃满、朱菲，李桃满现为我院硕士研究生。

Gan Z, Zheng J, Jiang Z, et al. Reward shaping-based double deep q-networks for unmanned surface vessel navigation and obstacle avoidance[C]//IECON 2022–48th Annual Conference of the IEEE Industrial Electronics Society（中国自动化学会推荐A类国际会议）. IEEE, 2022: 1-6. 论文第一作者为我院自动化201905班本科生甘子涵、自动化（卓越实验班）201901班郑璟泓，甘子涵后为香港科技大学（广州）硕士研究生，郑璟泓为我院硕士研究生。