引用論文

寇逸群, 楊曄, 劉頡, 胡友民, 李林, 俞百川, 徐家和, 胡中旭, 史鐵林. 面向認(rèn)知賦能的人機(jī)協(xié)作：進(jìn)展、挑戰(zhàn)和展望[J]. 機(jī)械工程學(xué)報(bào), 2025, 61(3): 1-22.

KOU Yiqun, YANG Ye, LIU Jie, HU Youmin, LI Lin, YU Baichuan, XU Jiahe, HU Zhongxu, SHI Tielin. Cognitive Empowerment for Human-robot Collaboration: Research Progress and Challenges[J]. Journal of Mechanical Engineering, 2025, 61(3): 1-22.

(戳鏈接，下載全文)

在工業(yè)4.0向工業(yè)5.0的發(fā)展過程中，以人為本逐漸成為智能制造領(lǐng)域關(guān)注的焦點(diǎn)之一。當(dāng)前的人機(jī)協(xié)作不僅強(qiáng)調(diào)要聚焦于技術(shù)的進(jìn)步與效率的提升，更強(qiáng)調(diào)將人類的高階認(rèn)知思維與機(jī)器的計(jì)算能力相結(jié)合，實(shí)現(xiàn)認(rèn)知賦能 。華中科技大學(xué)史鐵林教授、胡中旭教授團(tuán)隊(duì)梳理人機(jī)協(xié)作中認(rèn)知賦能在交互感知、任務(wù)規(guī)劃與執(zhí)行、技能學(xué)習(xí)等關(guān)鍵領(lǐng)域的現(xiàn)有研究，揭示了多模態(tài)信息整合、任務(wù)推理、動(dòng)態(tài)決策與技能知識(shí)表征的挑戰(zhàn)。進(jìn)一步，提出通過應(yīng)用知識(shí)圖譜構(gòu)建的相關(guān)技術(shù)來支持人與其機(jī)器認(rèn)知對(duì)齊的方法，以及通過應(yīng)用知識(shí)圖譜推理的相關(guān)技術(shù)來支持復(fù)雜環(huán)境下人機(jī)協(xié)作的任務(wù)優(yōu)化和動(dòng)態(tài)決策。在分析現(xiàn)有人機(jī)協(xié)作認(rèn)知賦能研究局限性的基礎(chǔ)上，展望未來智能制造環(huán)境下的深度認(rèn)知協(xié)同的發(fā)展方向 。該團(tuán)隊(duì)的研究成果以題為《面向認(rèn)知賦能的人機(jī)協(xié)作：進(jìn)展、挑戰(zhàn)和展望》發(fā)表在《機(jī)械工程學(xué)報(bào)》2025年第3期。

1

行業(yè)現(xiàn)狀

在當(dāng)前的工業(yè)制造環(huán)境中，傳統(tǒng)的工業(yè)4.0模式主要關(guān)注技術(shù)性能和利潤優(yōu)化，但忽略了人類在制造系統(tǒng)中的關(guān)鍵作用。與此不同，工業(yè)5.0提出了以人為本的理念，強(qiáng)調(diào)人機(jī)協(xié)同工作，致力于通過人與機(jī)器人間的密切合作，提升制造過程中的智能化水平。在此背景下，人機(jī)協(xié)作系統(tǒng)逐漸引入了高度擬人的人形機(jī)器人與具身智能技術(shù)，旨在提高機(jī)器人的感知與動(dòng)作協(xié)作能力，并解決如何在認(rèn)知層面實(shí)現(xiàn)人機(jī)深度融合的問題。

為了最大化人機(jī)協(xié)作效能，核心在于雙向認(rèn)知對(duì)齊，即確保機(jī)器與人類在任務(wù)執(zhí)行中的認(rèn)知信息達(dá)到一致。通過多維度的認(rèn)知能力，如感知、推理、決策和學(xué)習(xí)等系統(tǒng)，結(jié)合知識(shí)圖譜等工具對(duì)交互感知、任務(wù)規(guī)劃等領(lǐng)域的研究，可以有效促進(jìn)人機(jī)協(xié)作的優(yōu)化。此外，認(rèn)知賦能不僅能增強(qiáng)機(jī)器的決策能力，還能反向提高人類在復(fù)雜作業(yè)中的認(rèn)知能力與效率，推動(dòng)智能制造的進(jìn)一步發(fā)展，特別是在工業(yè)5.0時(shí)代。

圖1 認(rèn)知賦能的整體架構(gòu)圖

2

人機(jī)協(xié)作認(rèn)知賦能的方法

交互感知

• 機(jī)器對(duì)人的感知：強(qiáng)調(diào)提升機(jī)器識(shí)別人的意圖、情緒和疲勞的能力，利用多種感知渠道（如腦電信號(hào)、肌電信號(hào)、眼動(dòng)和面部表情）進(jìn)行數(shù)據(jù)采集和分析。這可以使機(jī)器更加精準(zhǔn)地理解并回應(yīng)人的需求，從而提高人機(jī)協(xié)作的效率和準(zhǔn)確性。

• 人對(duì)機(jī)器的感知：討論了由于認(rèn)知負(fù)荷、時(shí)間壓力和多通道信息不一致等因素，操作員在理解機(jī)器的意圖時(shí)可能面臨的挑戰(zhàn)。通過視覺、聽覺和觸覺等反饋機(jī)制，幫助操作員更好地理解和預(yù)測機(jī)器的行為。

• 多模態(tài)數(shù)據(jù)融合：通過結(jié)合來自不同傳感器的信號(hào)（如視覺、觸覺、語音），可以增強(qiáng)機(jī)器和人類雙方對(duì)意圖和狀態(tài)的感知，提升協(xié)作任務(wù)的效率和準(zhǔn)確性。

圖2 人類意圖與狀態(tài)感知

任務(wù)規(guī)劃與執(zhí)行

• 任務(wù)推理與動(dòng)態(tài)決策：討論了如何通過合理地分解任務(wù)、優(yōu)化資源分配并建立任務(wù)依賴關(guān)系來進(jìn)行有效的任務(wù)規(guī)劃。動(dòng)態(tài)決策調(diào)度則是通過實(shí)時(shí)獲取任務(wù)執(zhí)行過程中的信息，及時(shí)調(diào)整任務(wù)分配，確保高效的任務(wù)執(zhí)行。

• 任務(wù)執(zhí)行框架：介紹了通過使用AND/OR圖和基于知識(shí)的任務(wù)規(guī)劃模型等方法，確保任務(wù)能夠高效、準(zhǔn)確地執(zhí)行。通過監(jiān)測操作員與機(jī)器的執(zhí)行效果，動(dòng)態(tài)調(diào)整任務(wù)分配，提高協(xié)作效率。

• 洞察增強(qiáng)與決策支持：提出了利用增強(qiáng)現(xiàn)實(shí)（AR）和虛擬現(xiàn)實(shí)（VR）技術(shù)增強(qiáng)操作員的決策能力。這些技術(shù)通過實(shí)時(shí)呈現(xiàn)關(guān)鍵任務(wù)數(shù)據(jù)，幫助操作員更好地理解任務(wù)和環(huán)境變化，從而做出更精確的判斷。

圖3 認(rèn)知賦能的任務(wù)規(guī)劃與執(zhí)行

技能學(xué)習(xí)

• 機(jī)器人技能獲取：主要討論了三種技能學(xué)習(xí)方法：技能編程、模仿學(xué)習(xí)和經(jīng)驗(yàn)學(xué)習(xí)（如強(qiáng)化學(xué)習(xí)）。這些方法幫助機(jī)器人獲得完成復(fù)雜任務(wù)的能力，并能夠在動(dòng)態(tài)環(huán)境中不斷優(yōu)化和適應(yīng)。

• 人類技能提升：強(qiáng)調(diào)了利用仿真器、虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）等技術(shù)來提升操作員的技能。通過創(chuàng)造逼真的學(xué)習(xí)場景，這些技術(shù)不僅幫助操作員掌握技能，還能提高他們?cè)诟唢L(fēng)險(xiǎn)和復(fù)雜任務(wù)中的安全意識(shí)和效率。

• 技能知識(shí)體系的統(tǒng)一：討論了如何將跨任務(wù)和跨情境的技能通過知識(shí)體系的方式進(jìn)行整合，以實(shí)現(xiàn)技能的泛化和遷移，確保機(jī)器人和操作員能在不同的任務(wù)和環(huán)境中無縫協(xié)作。

圖4 機(jī)器人技能學(xué)習(xí)方法

3

面向認(rèn)知賦能的知識(shí)圖譜構(gòu)建與推理關(guān)鍵技術(shù)

支持雙向認(rèn)知對(duì)齊的知識(shí)圖譜構(gòu)建關(guān)鍵技術(shù)

• 本體建模與語義規(guī)范化技術(shù)：本體建模通過構(gòu)建層次化的知識(shí)結(jié)構(gòu)，確保機(jī)器與人類在概念層面上的認(rèn)知對(duì)齊，提升了概念覆蓋率。語義規(guī)范化技術(shù)則通過解決語義不一致問題，確保人機(jī)協(xié)作中的語義統(tǒng)一。

• 實(shí)體與關(guān)系抽取技術(shù)：實(shí)體抽取和關(guān)系抽取是構(gòu)建知識(shí)圖譜的基礎(chǔ)技術(shù)，在大語言模型的輔助下可以更準(zhǔn)確和迅速抽取到實(shí)體和關(guān)系，增強(qiáng)了圖譜的準(zhǔn)確性和時(shí)效性，確保機(jī)器能夠理解并應(yīng)用人類知識(shí)。

• 知識(shí)圖譜嵌入技術(shù)：將知識(shí)圖譜中的實(shí)體和關(guān)系轉(zhuǎn)化為低維向量表示，通過深度學(xué)習(xí)模型優(yōu)化推理過程，使得知識(shí)圖譜在復(fù)雜任務(wù)中的應(yīng)用更加高效且精準(zhǔn)。

• 多模態(tài)知識(shí)表示與融合：多模態(tài)數(shù)據(jù)（如文本、圖像、語音）被統(tǒng)一表示，確保了不同模態(tài)數(shù)據(jù)的一致性，并為跨模態(tài)推理提供了支持。這種技術(shù)有效提升了知識(shí)圖譜在復(fù)雜認(rèn)知任務(wù)中的應(yīng)用能力。

圖5 支持認(rèn)知對(duì)齊的知識(shí)圖譜關(guān)鍵技術(shù)的關(guān)系架構(gòu)圖

支持任務(wù)優(yōu)化決策的知識(shí)圖譜推理技術(shù)

• 基于規(guī)則推理技術(shù)：規(guī)則推理通過預(yù)定義規(guī)則，模擬人類的邏輯思維過程，用于優(yōu)化任務(wù)決策。操作性規(guī)則推理適用于具體任務(wù)執(zhí)行，邏輯規(guī)則推理則用于復(fù)雜關(guān)系的抽象推導(dǎo)，二者結(jié)合提升了系統(tǒng)的認(rèn)知能力。

• 基于智能算法的推理技術(shù)：智能算法如深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)等，為知識(shí)圖譜推理提供了自適應(yīng)能力，增強(qiáng)了系統(tǒng)在動(dòng)態(tài)環(huán)境中的決策和優(yōu)化能力。這些算法支持多跳推理和實(shí)時(shí)調(diào)整，提高了推理的精度和效率。

• 動(dòng)態(tài)知識(shí)圖譜推理：針對(duì)動(dòng)態(tài)變化的知識(shí)圖譜，提出了如“Know-Evolve”的深度學(xué)習(xí)框架，能夠有效處理時(shí)序關(guān)系和動(dòng)態(tài)數(shù)據(jù)，增強(qiáng)了系統(tǒng)對(duì)復(fù)雜任務(wù)環(huán)境的適應(yīng)性。

圖6 支撐任務(wù)優(yōu)化決策知識(shí)圖譜推理技術(shù)框架圖

4

現(xiàn)存問題與展望

現(xiàn)存問題

• 人機(jī)雙向認(rèn)知對(duì)齊的困難：目前的系統(tǒng)在人機(jī)之間的認(rèn)知對(duì)齊上存在顯著困難，尤其是在復(fù)雜的任務(wù)環(huán)境中。人類與機(jī)器在任務(wù)理解和執(zhí)行上存在差異，盡管多模態(tài)信息有所輔助，但仍難以實(shí)現(xiàn)完全的認(rèn)知對(duì)齊，導(dǎo)致誤解和執(zhí)行偏差。

• 多模態(tài)信息整合困難：多模態(tài)輸入信號(hào)（如語言、圖像、動(dòng)作等）無法有效融合，系統(tǒng)難以從不同模態(tài)中提取關(guān)鍵信息并進(jìn)行有效的整合，這限制了系統(tǒng)在情境理解、意圖識(shí)別等方面的表現(xiàn)，降低了任務(wù)執(zhí)行的效率和準(zhǔn)確性。

• 任務(wù)規(guī)劃與執(zhí)行的復(fù)雜性：當(dāng)前系統(tǒng)在任務(wù)分解、優(yōu)先級(jí)設(shè)定和任務(wù)依賴關(guān)系處理上存在困難，特別是在處理多重任務(wù)依賴和復(fù)雜的環(huán)境變化時(shí)，現(xiàn)有系統(tǒng)的任務(wù)規(guī)劃效率和執(zhí)行連貫性無法滿足需求。

• 動(dòng)態(tài)決策的困難：面對(duì)動(dòng)態(tài)變化的環(huán)境和不確定的任務(wù)需求，現(xiàn)有系統(tǒng)在實(shí)時(shí)決策和調(diào)整方面存在瓶頸，難以快速應(yīng)對(duì)突發(fā)事件和環(huán)境變化，影響任務(wù)執(zhí)行效率。

• 技能與知識(shí)的統(tǒng)一表征與泛化挑戰(zhàn)：當(dāng)前系統(tǒng)在技能和知識(shí)的表征及其跨任務(wù)、跨情境的泛化能力上存在挑戰(zhàn)，知識(shí)圖譜的動(dòng)態(tài)建模和技能的遷移學(xué)習(xí)仍需進(jìn)一步探索。

• 生成式人工智能在任務(wù)理解中的局限性：盡管生成式人工智能（GAI）在某些任務(wù)中表現(xiàn)出色，但其缺乏對(duì)具體任務(wù)上下文的深度理解，導(dǎo)致任務(wù)規(guī)劃和執(zhí)行中可能出現(xiàn)不匹配的問題，并且推理過程的透明性不足，影響了系統(tǒng)的有效性。

展望

• 提升人機(jī)雙向認(rèn)知對(duì)齊的精準(zhǔn)度與時(shí)效性：未來的研究將通過動(dòng)態(tài)知識(shí)圖譜和實(shí)時(shí)更新機(jī)制，提升人機(jī)認(rèn)知對(duì)齊的精準(zhǔn)度，確保系統(tǒng)能夠根據(jù)任務(wù)需求和環(huán)境變化調(diào)整語義表示，從而實(shí)現(xiàn)高效的協(xié)作。

• 增強(qiáng)多模態(tài)信息的深度融合與語義統(tǒng)一：通過深度學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制，未來的系統(tǒng)將能夠更好地融合多模態(tài)信息，提升情境理解和意圖識(shí)別的準(zhǔn)確性，增強(qiáng)系統(tǒng)的多模態(tài)處理能力。

• 構(gòu)建智能化的任務(wù)規(guī)劃和執(zhí)行框架：利用強(qiáng)化學(xué)習(xí)、元學(xué)習(xí)和自適應(yīng)規(guī)劃等算法，結(jié)合知識(shí)圖譜推理，構(gòu)建智能化的任務(wù)規(guī)劃與執(zhí)行框架，實(shí)現(xiàn)任務(wù)優(yōu)先級(jí)動(dòng)態(tài)調(diào)整和資源優(yōu)化，提高任務(wù)執(zhí)行的靈活性和準(zhǔn)確性。

• 提升動(dòng)態(tài)決策的實(shí)時(shí)性與敏捷性：結(jié)合智能算法和知識(shí)圖譜，優(yōu)化推理算法，提高決策的實(shí)時(shí)性和準(zhǔn)確性。通過邊緣計(jì)算和分布式計(jì)算等技術(shù)，減少?zèng)Q策延遲，并提高系統(tǒng)對(duì)突發(fā)事件的響應(yīng)速度。

• 構(gòu)建精準(zhǔn)的技能圖以支持任務(wù)分配與決策：通過動(dòng)態(tài)技能建模和跨任務(wù)技能遷移，結(jié)合知識(shí)圖譜技術(shù)，構(gòu)建可泛化的技能知識(shí)體系，使系統(tǒng)能夠在不同任務(wù)和情境中高效地應(yīng)用技能，提升人機(jī)協(xié)作的靈活性和效率。

• 融合知識(shí)圖譜與大語言模型增強(qiáng)認(rèn)知協(xié)同：將知識(shí)圖譜與生成式人工智能模型深度融合，利用大語言模型的上下文感知和知識(shí)圖譜的顯式知識(shí)，提升系統(tǒng)的推理能力和任務(wù)理解精度，實(shí)現(xiàn)更高效的人機(jī)認(rèn)知協(xié)同。

5

結(jié)論

本文從感知能力、推理能力、決策能力和學(xué)習(xí)能力四個(gè)關(guān)鍵認(rèn)知能力出發(fā)，梳理了人機(jī)協(xié)作在交互感知、任務(wù)規(guī)劃與執(zhí)行和技能學(xué)習(xí)三個(gè)關(guān)鍵維度的認(rèn)知賦能現(xiàn)有研究。然而，現(xiàn)有系統(tǒng)在認(rèn)知對(duì)齊、多模態(tài)信息融合、任務(wù)規(guī)劃與執(zhí)行、動(dòng)態(tài)決策以及技能知識(shí)表征等方面仍然面臨諸多挑戰(zhàn)。通過深入探討這些關(guān)鍵技術(shù)的局限性，以及辨明知識(shí)圖譜在人機(jī)認(rèn)知賦能中的核心作用，本研究提出了基于知識(shí)圖譜的解決建議，詳細(xì)介紹了支持雙向認(rèn)知對(duì)齊的知識(shí)圖譜構(gòu)建關(guān)鍵技術(shù)和支持任務(wù)優(yōu)化決策的知識(shí)圖譜推理技術(shù)旨在提升人機(jī)協(xié)作認(rèn)知系統(tǒng)的智能化水平。在未來，如何將人類的高階認(rèn)知思維與知識(shí)圖譜技術(shù)合理結(jié)合，構(gòu)建統(tǒng)一的語義框架和多模態(tài)融合體系，實(shí)現(xiàn)復(fù)雜任務(wù)環(huán)境下的智能化動(dòng)態(tài)決策與認(rèn)知對(duì)齊，將成為推動(dòng)人機(jī)協(xié)作交互認(rèn)知發(fā)展的關(guān)鍵方向。

6

團(tuán)隊(duì)研究方向

1.智能人機(jī)交互與協(xié)作

致力于構(gòu)建具身智能驅(qū)動(dòng)的下一代人機(jī)協(xié)同系統(tǒng)，通過賦予機(jī)器"身體感知-環(huán)境交互-自主進(jìn)化"的類人智能特性，實(shí)現(xiàn)自然、高效、安全的協(xié)作。主要包括：多模態(tài)感知與意圖理解—融合視覺、語音、觸覺等多源信息，實(shí)現(xiàn)對(duì)人類動(dòng)作、情感及協(xié)作意圖的精準(zhǔn)感知；自適應(yīng)決策與協(xié)同控制—基于強(qiáng)化學(xué)習(xí)與知識(shí)圖譜，開發(fā)動(dòng)態(tài)任務(wù)分配與實(shí)時(shí)行為優(yōu)化算法，提升復(fù)雜場景下的協(xié)作柔順性；可信交互與安全驗(yàn)證—研究人機(jī)互信機(jī)制與風(fēng)險(xiǎn)量化方法，確保物理交互中的實(shí)時(shí)安全防護(hù)。相關(guān)成果已應(yīng)用于核聚變堆遙操作維護(hù)、智能物流機(jī)器人等重大場景。

2.數(shù)字孿生驅(qū)動(dòng)智能運(yùn)維

致力于數(shù)字孿生與設(shè)備健康管理基本理論、方法與應(yīng)用研究。在基礎(chǔ)理論方面，重點(diǎn)突破基于不確定性量化的建模方法、多物理場耦合仿真和高保真數(shù)字孿生構(gòu)建理論等；在技術(shù)方法方面，開展工程物聯(lián)感知與多維數(shù)據(jù)融合技術(shù)、智能診斷與預(yù)測算法、基于大模型的動(dòng)態(tài)調(diào)度決策方法，以及事理知識(shí)圖譜驅(qū)動(dòng)的診斷推理框架等研究；在工程應(yīng)用方面，重點(diǎn)推進(jìn)虛擬現(xiàn)實(shí)與數(shù)字孿生融合、產(chǎn)線工藝規(guī)劃與質(zhì)量管控系統(tǒng)、智能運(yùn)維決策支持系統(tǒng)的集成應(yīng)用與工程落地。通過建立"感知-建模-診斷-決策"的完整技術(shù)閉環(huán)，實(shí)現(xiàn)物理模型與數(shù)據(jù)驅(qū)動(dòng)的有機(jī)融合。相關(guān)成果應(yīng)用于能源裝備智能運(yùn)維和高端產(chǎn)線工藝優(yōu)化等重大工程領(lǐng)域。

作者及團(tuán)隊(duì)介紹

寇逸群（第一作者）， 1998年生，工學(xué)學(xué)士，現(xiàn)為華中科技大學(xué)機(jī)械電子工程系博士研究生。主要研究方向?yàn)槿藱C(jī)協(xié)作、認(rèn)知建模等。

劉頡， 華中科技大學(xué)副教授、博士生導(dǎo)師，兼任華中科技大學(xué)無錫研究院機(jī)電信息與智能技術(shù)研究所副所長。圍繞清潔能源系統(tǒng)安全運(yùn)行管理專業(yè)領(lǐng)域，長期從事領(lǐng)域知識(shí)圖譜、數(shù)字孿生、工程物聯(lián)感知、設(shè)備運(yùn)維檢修、虛擬人機(jī)交互等理論方法與工程技術(shù)研究，作為核心骨干先后承擔(dān)“制造基礎(chǔ)技術(shù)與關(guān)鍵部件”、“網(wǎng)絡(luò)協(xié)同制造和智能工廠”、“城鎮(zhèn)可持續(xù)發(fā)展關(guān)鍵技術(shù)與裝備”等國家重點(diǎn)研發(fā)專項(xiàng)。入選華中科技大學(xué)優(yōu)秀青年教師培養(yǎng)計(jì)劃、斯坦福全球前 2%頂尖科學(xué)家榜單等，擔(dān)任中國機(jī)械工程學(xué)會(huì)工業(yè)大數(shù)據(jù)與智能系統(tǒng)分會(huì)委員、中國振動(dòng)工程學(xué)會(huì)轉(zhuǎn)子動(dòng)力學(xué)/動(dòng)態(tài)信號(hào)分析/故障診斷專委會(huì)理事等。以第一/通訊作者在機(jī)械工程學(xué)報(bào)、IEEE TII/TIE/TMECH/TIM、MSSP 等機(jī)械工程、人工智能領(lǐng)域權(quán)威期刊發(fā)表論文 60 余篇，出版英文專著 1 部，授權(quán)專利軟著 30 余項(xiàng)，獲安徽省科技進(jìn)步二等獎(jiǎng)等省部級(jí)科技獎(jiǎng)多項(xiàng)。

胡友民， 華中科技大學(xué)機(jī)械學(xué)院教授、華中科技大學(xué)無錫研究院機(jī)電信息與智能技術(shù)研究所常務(wù)所長、美國佐治亞理工學(xué)院訪問學(xué)者。長期從事數(shù)控裝備、數(shù)字孿生、智能制造與控制、參數(shù)化驅(qū)動(dòng)三維數(shù)字樣機(jī)、機(jī)電設(shè)備狀態(tài)監(jiān)測、可靠性與安全性技術(shù)以及大型成套裝備等的科研和教學(xué)。國家一流本科課程負(fù)責(zé)人、教育部卓越案例建設(shè)首席專家，主講本科《機(jī)械工程控制基礎(chǔ)》（國家精品課程）、《機(jī)電創(chuàng)新決策與方法》和研究生《不確定性系統(tǒng)分析》等課程。研究成果獲得教育部科技進(jìn)步二等獎(jiǎng)等多項(xiàng)省部級(jí)獎(jiǎng)。

胡中旭（通訊作者）， 華中科技大學(xué)機(jī)械學(xué)院教授，入選國家海外高層次（青年）人才、華中大“華中卓越學(xué)者”等人才計(jì)劃，斯坦福全球前2％頂尖科學(xué)家。曾先后在上海華為、新加坡NTU、日本RIKEN等單位工作。圍繞制造系統(tǒng)數(shù)字化與智能化，先后主持/承擔(dān)國家科技重大專項(xiàng)、國家重點(diǎn)研發(fā)計(jì)劃、新加坡國家機(jī)器人計(jì)劃等多項(xiàng)科研項(xiàng)目/任務(wù)。出版英文專著1部，在IEEE匯刊等發(fā)表論文60余篇（ESI高被引10篇、熱點(diǎn)2篇、Engineering高影響力1篇），授權(quán)專利7項(xiàng)（含國際專利1項(xiàng)），榮獲河南省國防科技進(jìn)步二等獎(jiǎng)、Actuators 2023 Travel Award等獎(jiǎng)項(xiàng)。

史鐵林（ 團(tuán)隊(duì)帶頭人）， 華中科技大學(xué)機(jī)械學(xué)院教授，國家級(jí)領(lǐng)軍人才，曾任機(jī)械學(xué)院黨委書記。現(xiàn)任中國振動(dòng)工程學(xué)會(huì)常務(wù)理事，中國振動(dòng)工程學(xué)會(huì)動(dòng)態(tài)信號(hào)分析專業(yè)委員會(huì)主任委員，中國振動(dòng)工程學(xué)會(huì)故障診斷專業(yè)委員會(huì)副主任委員，中國微米納米技術(shù)學(xué)會(huì)理事，《Frontiers of Mechanical Engineering》副主編、《機(jī)械工程學(xué)報(bào)》、《振動(dòng)工程學(xué)報(bào)》、《中國機(jī)械工程》、《中國工程機(jī)械學(xué)報(bào)》、《振動(dòng)與沖擊》、《振動(dòng)測試與診斷》等雜志編委。先后獲國家教委科技進(jìn)步二等獎(jiǎng)（應(yīng)用類），國家教委科技進(jìn)步一等獎(jiǎng)（理論類），機(jī)械工業(yè)部科技進(jìn)步一等獎(jiǎng)，國家科技進(jìn)步三等獎(jiǎng)，中國青年科技獎(jiǎng)，全國優(yōu)秀博士后、湖北省五四青年獎(jiǎng)?wù)隆⒅袊鴻C(jī)械工程學(xué)會(huì)杰出青年科技獎(jiǎng)、首批“新世紀(jì)百千萬人才工程”國家級(jí)人選等榮譽(yù)稱號(hào)等。主持完成或承擔(dān)科研項(xiàng)目40多項(xiàng)，包括國家863項(xiàng)目、國家自然科學(xué)基金重大研究計(jì)劃培育項(xiàng)目、國家自然科學(xué)基金面上項(xiàng)目、總裝預(yù)研項(xiàng)目等。

作 者：胡中旭

責(zé)任編輯：杜蔚杰

責(zé)任校對(duì)：張 強(qiáng)

審 核：張 強(qiáng)

JME學(xué)院簡介

JME學(xué)院是由《機(jī)械工程學(xué)報(bào)》編輯部2018年創(chuàng)建，以關(guān)注、陪伴青年學(xué)者成長為宗旨，努力探索學(xué)術(shù)傳播服務(wù)新模式。首任院長是中國機(jī)械工程學(xué)會(huì)監(jiān)事會(huì)監(jiān)事長、《機(jī)械工程學(xué)報(bào)》中英文兩刊主編宋天虎。

歡迎各位老師掃碼添加小助理-暖暖為好友，由小助理拉入JME學(xué)院官方群！

歡迎關(guān)注JME學(xué)院視頻號(hào)~

尋覓合作伙伴

有一種合作叫做真誠，有一種發(fā)展可以無限，有一種伙伴可以互利共贏，愿我們合作起來流連忘返，發(fā)展起來前景可觀。關(guān)于論文推薦、團(tuán)隊(duì)介紹、圖書出版、學(xué)術(shù)直播、招聘信息、會(huì)議推廣等，請(qǐng)與我們聯(lián)系。

感謝關(guān)注我們！《機(jī)械工程學(xué)報(bào)》編輯部將努力為您打造一個(gè)有態(tài)度、有深度、有溫度的學(xué)術(shù)媒體！

版權(quán)聲明：

本文為《機(jī)械工程學(xué)報(bào)》編輯部原創(chuàng)內(nèi)容，歡迎轉(zhuǎn)載，請(qǐng)聯(lián)系授權(quán)！

在公眾號(hào)后臺(tái)留言需要轉(zhuǎn)載的文章題目及要轉(zhuǎn)載的公眾號(hào)ID以獲取授權(quán)!

聯(lián)系人：暖暖

電話：010-88379909

E-mail：jme@cmes.org

網(wǎng) 址：http://www.cjmenet.com.cn

官方微信號(hào)：jmewechat