秦家虎
中國科學技術大學
教授
報告題目：Multi-Agent Interval Consensus with Flocking Dynamics
報告時間：10:30-11:00，7.25
報告簡介：
In this work, we investigate the interval consensus for a network of agents with flocking dynamics, where each agent imposes an interval constraint on its preferred consensus values, with the aim of driving the agent into a favorable interval. Specifically, we consider two different frameworks of interval constraints, viz., the first one that the node states are constrained in their own constraint intervals and the second one that the node states are constrained in their neighbors’ constraint intervals. For both of the frameworks, we provide a complete solution to the equilibrium seeking problem by resolving a system of nonlinear equations. It is proved that if the underlying graph is strongly connected and the intersection of constraint intervals is empty, then there exists a unique equilibrium point; and if the intersection is non-empty, then there exist multiple equilibrium points, all of which lead to state consensus. We also establish several conditions for the local stability of the unique equilibrium point or local constraint consensus by invoking Lyapunov’s indirect method. As a first step towards the analysis of global behavior of such a flocking dynamics, we show in two special cases that global convergence to the unique equilibrium point or state consensus can be guaranteed by employing Lyapunov stability theory and robust analysis techniques. Some numerical examples are provided to illustrate the theoretical findings.
報告人簡介：
秦家虎，中國科學技術大學教授、博士生導師，主要研究興趣為多智能體系統、信息物理系統、復雜動態網絡，在相關領域發表和錄用SCI期刊論文90余篇。獲中國科學院“優秀導師獎”、基金委“優秀青年科學基金”、教育部“霍英東青年教師基金”。目前擔任中國自動化學會“青年工作委員會”副主任委員；IEEE TIE、IEEE TII、《自動化學報》等期刊和IEEE控制系統學會會議編委會編委。
眭亞楠
清華大學
副教授
報告題目：AI-Assisted Diagnosis and Treatment for Movement Disorders
報告時間：11:00-11:30，7.25
報告簡介：
Artificial Intelligence has great potential to improve medical diagnosis and treatment for neurological diseases, especially for movement disorders. In this talk, I will present our recent progress on developing and utilizing novel technologies in several AI subareas including machine learning, computer vision, speech analysis, and robotics to help patients with neurological disorders such as Parkinson’s disease and spinal cord injury. We design computer vision and speech analysis tools for better understanding of patient behavior towards better diagnosis of movement disorders. New methods are developed for patient privacy protection without losing diagnostic information. We build machine learning algorithms for neuromodulation therapy and robotic control methods for neural rehabilitation. These technologies will also benefit the clinical population with other diseases in the future.
報告人簡介：
眭亞楠，清華大學副教授，致力于機器學習、神經調控和機器人技術等方面的研究。他在清華大學獲得學士學位，并在加州理工學院獲得博士學位。加入清華大學之前，他曾在加州理工學院和斯坦福大學從事博士后工作。他提出了安全機器學習的理論和方法，用于未知安全約束和隱式偏好反饋的在線強化學習。他還致力于將計算機視覺和其他人工智能技術應用于醫療。他所提出的機器學習方法應用獲得了ICRA最佳論文獎，并成功應用于神經系統疾病的臨床治療。
張文安
浙江工業大學
教授
報告題目：運動位姿測量中的多傳感器信息融合估計方法
報告時間：11:30-12:00，7.25
報告簡介：
高精度的位姿服務在眾多領域具有廣泛應用，如無人系統的定位導航、移動目標跟蹤、運動剛體姿態測量等。通常采用多傳感器信息融合方法提高運動體位姿估計的精度和可靠性。異構傳感器的多尺度特征、復雜環境下的傳感器量測不確定性和運動模型不確定性都將影響位姿估計的精度和穩定性。將介紹報告人在這些問題上取得的一些最新研究結果，并探討該方向存在的有待解決的難題。
報告人簡介：
張文安，現任浙江工業大學自動化系教授、博導，主要研究方向為多源信息融合估計及應用。在國內外學術期刊上發表論文 50 余篇，出版中英文學術專著各 1 部，授權國家發明專利 16 項，主持國家級項目 4 項，獲教育部自然科學一等獎（排名第 2）。目前擔任中國自動化學會控制理論專業委員會委員、控制理論專業委員會網絡化控制系統學組秘書長、中國航空學會信息融合分會委員，擔任多個國內外期刊編委，獲德國洪堡基金資助，獲霍英東高校青年教師基金資助，獲國家自然科學基金委優青項目資助。
袁坤
阿里巴巴達摩院
算法專家
報告題目：Exponential Graph is Provably Efficient for Decentralized Deep Training
報告時間：13:30-14:00，7.25
報告簡介：
Decentralized SGD is an emerging training method for deep learning known for its much less communication overhead. The communication efficiency and iteration complexity of decentralized SGD is highly determined by the network topology that connects all GPUs. In this talk, we discuss so-called exponential graphs where every node is connected to O(log(n)) neighbors and n is the total number of nodes. We prove such graphs can lead to both fast communication and effective averaging simultaneously. We also discover that a sequence of log(n) one-peer exponential graphs, in which each node communicates to one single neighbor per iteration, can together achieve exact averaging. This favorable property enables one-peer exponential graph to average as effective as its static counterpart but communicates more efficiently. We apply these exponential graphs in decentralized (momentum) SGD to obtain the state-of-the-art balance between per-iteration communication and iteration complexity among all commonly-used topologies. Experimental results on a variety of tasks and models demonstrate that decentralized (momentum) SGD over exponential graphs promises both fast and high-quality training.
報告人簡介：
袁坤，博士， 2019 年于加州大學洛杉磯分校(UCLA)電子與計算機工程系取得博士學位。之后加入阿里巴巴達摩院。曾于 2018 年到瑞士洛桑聯邦理工學院(EPFL)和微軟 Redmond 研究院做訪問研究員。曾獲得 2017 年 IEEE 信號處理協會青年作者最佳論文獎。研究興趣主要在信號處理、機器學習和優化算法領域。
張亞
東南大學
教授
報告題目：信息物理系統中的攻擊優化配置和防御控制設計
報告時間：14:00-14:30，7.25
報告簡介：
信息物理系統由于網絡的開放性，其安全性受到了一定的挑戰。報告分別從攻擊者和防御者兩個維度，討論如何優化配置攻擊和設計攻擊防御控制器。首先從攻擊者的角度出發，分別對協同估計傳感器網絡和協同控制多智能體網絡優化配置拒絕服務攻擊，在破壞網絡協同估計和協同控制能力的前提下使得攻擊的能耗最小。其次從防御者的角度出發，分別設計彈性控制器和彈性一致性控制策略抵御虛假數據注入攻擊對信息物理系統穩定性和異構多智能體系統一致性的影響，確保系統的控制性能。
報告人簡介：
張亞，東南大學自動化學院教授、博士生導師、副院長。研究方向包括群體智能、網絡安全、強化學習、智能博弈等方面。發表包括Automatica、IEEE匯刊等論文70余篇。2021年指導學生參加中央軍委裝備發展部主辦的“謀略方寸聯合智能”聯合作戰智能博弈挑戰賽，獲得季軍。近年來主持國家自然科學基金項目3項，江蘇省自然科學基金項目1項，參與完成國家軍口863計劃項目1項、國家自然科學基金重點項目等。入選江蘇省“六大人才高峰”高層次人才選拔培養資助項目和東南大學優秀青年教師科研資助計劃。現為中國自動化學會人工智能與機器人教育專業委員會委員，中國人工智能學會智能空天系統專業委員會委員，中國指揮與控制學會集群智能與協同控制專業委員會委員，Frontiers In Control Engineering編委。
張保勇
南京理工大學
教授
報告題目：Push-Sum Distributed Online Nonconvex Optimization Subject to Dynamic Regret
報告時間：14:30-15:00，7.25
報告簡介：
In this talk, we consider the problem of push-sum distributed online nonconvex optimization (PS-DONO) over a time-varying directed graph. We are going to analyze the dynamic regret on the basis of algorithms named PS-DONO with exact gradient feedback, PS-DONO with single-point bandit feedback, PS-DONO with two-point bandit feedback and PS-DONO with 2n-point bandit feedback, respectively. Under some technical assumptions, the upper bounds of the employed dynamic regret are obtained, which are sublinear with respect to the time horizon.
報告人簡介：
張保勇，南京理工大學自動化學院教授、博士生導師。2011 年在南京理工大學獲得工學博士學位，2011 年至 2012 年在香港大學從事博士后研究。2013 年入選教育部“新世紀優秀人才支持計劃”，2015 年獲江蘇省杰出青年基金，2019 年獲國家優秀青年科學基金。獲 2019 年度國家自然科學二等獎（第二完成人）、2015 年度教育部自然科學一等獎（第二完成人）。目前擔任 Journal of the Franklin Institute 編委、IEEE 控制系統協會會議編委、中國自動化學會信息物理系統控制與決策專委會委員、TCCT 隨機系統控制學組成員、江蘇省自動化學會理事。研究興趣包括時滯系統魯棒控制理論、多智能體系統協同控制與優化等。
全權
北京航空航天大學
副教授
報告題目：RflySim: 智能無人機/群開發的 EDA
報告時間：15:00-15:30，7.25
報告簡介：
美國 DAPAR 現有支持的無人機以及相關的集群項目可分為兩個大的方向：一個方向是自主飛行能力算法開發，另一個方向是構建一個集群開發平臺。本報告 RflySim 側重第二個方向。RflySim 是專門為智能無人機/群自動化設計和開發生態系統，包含Matlab/Simulink 代碼自動生成、兼容 ROS、分布式架構體系、模擬高逼真視景的 UE4 虛幻引擎等等功能。利用它，可以大大節省實際飛行的人、財、物、時間和空間等等的花銷。本報告將介紹：1）基于 Matlab/Simulink 的單機/集群自駕儀在環的開發及展示；2）視覺在環的智能單機/分布式集群開發及展示。
報告人簡介：
全權，2013 年 7 月至今，為北京航空航天大學副教授（博導），期間獲北京市青年英才計劃支持，并于 2017 年在加拿大多倫多大學做訪問研究。本人長時間從事可靠飛行控制和健康評估等方向研究，提出加性分解及控制框架，并主持開發 flyeval.com 多旋翼評估和設計網站及 RflySim 視覺集群仿真平臺(rflysim.com)。作為第一作者，完成英文著作三部，其中一部被認為是多旋翼首本入門書和空中機器人領域必讀書，發表文章近 100 篇，獲授權專利 21 項。
趙文虓
中科院系統所
研究員
報告題目：基于隨機差分的無梯度分布式資源分配算法
報告時間：16:00-16:30，7.25
報告簡介：
分布式資源分配問題是指網絡系統的個體通過自身的測量及與鄰居的信息交換，在配置自身資源的前提下來實現網絡功能的整體優化，經典的分布式資源分配算法通常假設目標函數的梯度能被測量。本報告介紹零階分布式資源分配算法的研究進展，具體而言：通過在個體目標函數中引入隨機擾動、構造差分來代替梯度信息，進而構造算法以實現分布式的資源分配；在網絡拓撲滿足連通性條件下，基于常微分方程法(ODE)證明了資源分配算法的最優性和強一致性。
報告人簡介：
趙文虓，畢業于山東大學，在中國科學院數學與系統科學研究院獲得博士學位，現任中國科學院數學與系統科學研究院研究員。他的研究方向主要集中在隨機系統的建模、估計與控制，包括變量選擇與稀疏參數辨識、隨機系統的遞推估計與適應控制、分布式估計與優化等。趙文虓目前擔任《系統科學與數學》編委、IEEE Control Systems Letters編委，IEEE CSS Conference Editorial Board編委以及 IEEE CSS 北京分會秘書長等學術兼職。
莫一林
清華大學
副教授
報告題目：數據驅動的控制算法設計
報告時間：16:30-17:00，7.25
報告簡介：
本演講針對線性系統中常見的 LQG 最優控制問題，提出了數據驅動的在線控制器設計算法，證明了控制器的漸進最優性，并定量刻畫了收斂速率。同時，針對無人駕駛系統，提出了一種機理與數據相結合的控制算法，并在仿真與實際 Racecar 平臺中得到了驗證。
報告人簡介：
莫一林，現任清華大學自動系副教授。他于 2007 年在清華大學自動化系獲得學士學位，2012 年于美國卡內基梅隆大學電子與計算機工程系獲得博士學位。加入清華大學之前，他曾于卡內基梅隆大學，加州理工學院進行博士后研究。2015 年他加入了新加坡南洋理工大學電子與電機工程學院，任助理教授，2018 年返回清華大學自動化系任職。目前擔任控制領域期刊 Automatica 的 Associate Editor。他的主要研究方向包括控制系統安全與網絡化控制系統，及其在智能電網、機器人與無人駕駛領域的應用。
徐大波
南京理工大學
教授
報告題目：Distributed tracking observers for locally jointly observable LTI systems
報告時間：17:00-17:30，7.25
報告簡介：
This talk focuses on a distributed state estimation of continuous-time LTI system having a network of multiple sensors. Each sensor can only access locally partial measurement output of the system and effectively communicates with its neighbors to cooperatively achieve the asymptotic estimation of the target full system state. We use the concept of system immersions and introduce a class of distributed tracking observers for the problem under a mild condition of locally joint observability. As an interesting application, we further present a leader-following consensus design for multi-agent LTI systems.
報告人簡介：
Dabo Xu received his Ph.D. degree in automation and computer-aided engineering from The Chinese University of Hong Kong in 2010. He is currently a professor at School of Automation, Nanjing University of Science and Technology. He was a postdoctoral fellow at The Chinese University of Hong Kong and then a research associate at The University of New South Wales at Canberra. His current research focus is on nonlinear control and distributed control with their applications to modeling and control of robotic manipulators and unmanned aerial vehicles. He serves as a subject editor of International Journal of Robust and Nonlinear Control, a member of the editorial board of Journal of Systems Science and Complexity, and an Associate Editor of Control Theory and Technology.
丁磊
南京郵電大學
教授
報告題目：Multi-Agent Systems Based Distributed Control and Optimization in Smart Grids
報告時間：17:30-18:00，7.25
報告簡介：
With the widespread integration of renewable distributed energy sources, a traditional electrical network has been experiencing a huge revolution towards a smart grid. While, such a revolution poses new theoretical and technical challenges in operation and management of smart grids. To overcome these challenges, in this talk, we will present a multi-agent system based strategy to address control and optimization issues in smart grids, focusing on distributed secondary control in AC microgrids, a multi-objective distributed optimization in DC microgrids and distributed energy management in smart grids. It is shown that the proposed method has its strong ability in improving efficiency, reliability and scalability.
報告人簡介：
丁磊，南京郵電大學教授、先進技術研究院副院長、國家海外高層次人才（青年項目）、江蘇特聘教授。2014 年于大連海事大學獲得博士學位，2015 年至 2019 年分別在澳大利亞西悉尼大學、美國韋恩州立大學、澳大利亞斯威本科技大學從事博士后研究工作，主要研究方向為網絡化群體分布式協同控制及其在智能電網的應用。2篇論文（一作）分別獲得 2020 年 IEEE Transactions on Industrial Informatics 和 2019 年 IEEE Transactions on Cybernetics 最佳論文獎。主持國家自然科學基金面上項目、江蘇省自然科學基金青年項目等。擔任國際期刊 Control Engineering Practice 的 Early Career Advisory Board Member、IEEE Transactions on Systems, Man and Cybernetics: Systems 和 Information Sciences 等專刊客座編委。
來源：論壇組委會
