2021腾讯犀牛鸟精英科研人才培养计划课题（一&二）——机器人相关技术研究&AI医疗

12月11日，2021年腾讯犀牛鸟精英科研人才培养计划正式对外发布。计划截止申报时间为2021年1月28日24:00。

本年度精英科研人才计划将延续人工智能领域顶尖科研人才培养，发布包含机器人、AI医疗、量子计算、智慧城市等12个前沿热议方向，71项研究课题。入选学生将由校企导师联合制定专属培养计划，并获得3个月以上到访腾讯开展科研访问的机会，基于真实产业问题及海量数据，验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将为学生搭建线上和线下学习、交流平台，帮助学生挖掘更多潜能。

本期小编整理了该计划中“方向1：机器人相关技术研究”和“方向2：AI医疗”，欢迎感兴趣的学生关注。

更多课题及方向介绍陆续推出，敬请关注。

（点击了解“犀牛鸟精英科研人才培养计划申请指南”）

方向1

机器人相关技术研究

课题1.1：人居环境下机器人导航，定位与认知技术研究（地点：深圳）

智能机器人在日常人居环境下，如何实现快速、稳定和可靠的运动，目前还存在较大的技术挑战，也是业界的研究热点之一，具有重要的潜在应用价值。本课题拟针对在复杂非结构化环境下移动机器人的导航、定位和认知等关键技术开展研究工作。拟研究方向包括：1、对人居环境下移动机器人导航与运动规划技术需求进行调研分析，实现低成本、高精度、强鲁棒的实时定位和导航控制技术框架；2、基于微分几何理论分析机器人运动学与动力学，开发非线性控制算法，应用于大场景的地图生成、定位、障碍物辨识及避障；3、研究在稠密人群和动静态障碍物环境下的灵活避障和自主导航技术；4、研究如何综合利用机器学习的方法，实现对场景和环境的理解，构建语义地图，进行导航和路径规划；5、将算法在实验室已有的机器人平台上进行功能和性能的测试验证。

导师简介：

导师1：腾讯专家研究员，前新加坡科技研究局（A*STAR）高级科学家，南洋理工大学机器人研究中心研究员。博士毕业于意大利卡西诺大学机械工程系。研究领域集中在机器人的运动学与动力学分析，人机协作与移动操作等。在国际学术会议和期刊上已发表过超过50篇学术论文，获发明专利8项，国家级科技进步奖励2项。目前主要从事智能机器人导航，移动抓取与灵巧操作等方向的研究和产品开发工作。

导师2：腾讯专家研究员，前新加坡科技研究局（A*STAR）研究员。博士毕业于意大利热那亚大学机械工程系。研究领域集中在机器人的抓取与操作，仿生手的设计，光纤触觉传感器、弹性执行器机构与控制等。在顶级学术会议ICRA、IROS和期刊上已发表20余篇学术论文，在申请与获得授权专利50多项。

导师3：腾讯专家研究员、新加坡南洋理工大学自动控制及仪器自动化博士。主要研究领域：非线性控制、故障诊断、Deep learning 人脸识别、机器人蔽障、机器人感知。研究工作为机器人系统架构和机器人仿真器的分析、改造与实现。

课题1.2：高功率密度机器人关节执行器研究开发（地点：深圳）

为实现足式机器人灵敏的运动能力，尤其是跑跳时迅猛的爆发力，需要机器人具备一套高功率密度的关节执行器。该执行器需要在电机控制、驱动开发以及主动散热等功能设计的关键技术上有相当的突破。拟研究方向包括：1、 基于FPGA，SOC的并行化FOC实现以及高带宽的实时通讯协议栈的软硬件搭建（兼容Ethercat）；2、利用电机热阻模型，对定子线圈温度观测进行建模，并利用该信息在上层控制算法中模拟关节疲劳，脱力的工作方式。3、对驱动器进行小型化设计以及基于机构和材料的散热设计；4、在驱动器中增加能量回收，关节冲击能量吸收的电路单元，增加续航的同时减轻机器人关节在面对冲击时（跳跃落地）电机对电源的冲击。

导师简介：

腾讯专家研究员、日本东京大学机器人实验室博士毕业，研究方向为机器人主动感知、视觉传感器开发以及机器人硬件系统架构。先后获得过IEEE AIM学会Best student paper和IEEE ICRA机器人顶级学会Best paper。目前专注于高功率密度驱动器集成与开发以及足式机器人系统开发与研究。

课题1.3：灵巧操作虚拟到真实（地点：深圳）

日常生活中有大量与接触相关的操作需求，可是目前机器人的灵巧操能力不能满足这些需求，在接触型任务中表现不稳定。本项目旨在利用虚拟仿真环境，开发机器人的灵巧操作算法，应对接触任务中的不确定性，并迁移到真实场景中使用。重点突破方向包括仿真环境搭建、真实环境识别、操作技能学习、虚拟到真实环境迁移等。

导师简介：

腾讯专家研究员，曾于伦敦帝国理工担任博士后研究员，曾担任伦敦博士联盟主席。在机器人学习以及抓取操作领域有8年研究经验。在ICRA、IROS等机器人相关会议和期刊上发表多篇学术论文。

方向2

AI医疗

课题2.1：深度图学习模型以及理论研究和其在药物研发上的应用（地点：深圳）

图结构作为在实际应用中广泛出现的数据形式，其相关学习和挖掘问题一直受到广泛关注。本课题的目标是研究最新的深度图学习新理论的研究，例如，图模型的表达力，图的信息瓶颈问题，图的知识蒸馏等。同时，探讨深度图学习在不同领域，尤其是药物研发领域上的应用。我们期望的研究目标包括不仅限于：1、深度图学习在药物生成、虚拟筛选和蛋白质建模上的应用；2、属性预测中的可解释性问题；3、其他深度图学习的应用。

导师简介：

导师1：腾讯专家研究员，美国康涅狄格州大学计算机科学与工程博士。主要研究方向是社交网络分析、分子生成算法以及深度图学习理论研究。在机器学习、数据挖掘顶级会议KDD、WWW、NeurIPS、CVPR、AAAI、ICLR上发表多篇论文。曾经担任ICML、NeurIPS、AAAI、IJCAI、KDD等会议以及TKDE期刊审稿人。

导师2：腾讯高级研究员， 瑞士苏黎世联邦理工学院计算机系机器学习研究所博士。目前主要研究方向是深度图神经网络，药物研发中的虚拟筛选和蛋白质建模以及机器学习优化问题。在机器学习顶级会议NeurIPS、ICML、 AISTATS上发表多篇论文， 曾担任NeurIPS、ICML、AISTATS、AAAI、STOC等会议及JMLR期刊审稿人。

课题2.2：元算法研究以及其在医疗领域的应用（地点：深圳）

目前人工智能的成功依赖于大量监督数据。元学习作为一种机器学习范式，通过从历史任务中学习算法优化的知识，可以减少监督数据的需求，并更好地学会小样本的目标任务，因此，元学习在近期受到广泛关注。本课题目标是研究最新的元学习、迁移学习算法以及它们在医疗领域（监督数据极其稀缺）的应用。

导师简介：

腾讯专家研究员，香港科技大学计算机与工程系博士。研究兴趣包括机器学习、迁移学习和元学习。曾针对城市计算（如空气质量预测）标注稀缺问题提出基于迁移学习的解决方案。现担任AAAI的高级程序委员会委员，并担任ICML、NeurIPS、ICLR、IJCAI、UAI等会议的程序委员会委员以及PAMI、ML等期刊的学术审稿人。

课题2.3：结合物理原理用于分子属性预测的AI算法（地点：深圳）

结合底层物理原理和AI算法是提升分子、蛋白质属性预测精度的重要途径，该问题结果的提升甚至最终解决对许多生物问题，包括制药领域有非常重大的影响。重点研究应用前沿AI算法技术，结合物理学第一性原理，包括量子化学、分子模拟等。

导师简介：

腾讯专家研究员，博士毕业于罗格斯大学。主要研究兴趣包括机器学习，计算机视觉和影像信息学。发表了100多篇有关人工智能的研究论文。曾担任ICML、NeurIPS、AAAI、IJCAI、KDD等的SPC。

课题2.4：AI数字病理（地点：深圳）

病理是疾病诊断的金标准，但是人工诊断存在主观性高、重复度低、难以定量化等缺点。本项目旨在将人工智能与数字病理图像分析相结合，提高病理诊断的速度和精确度，实现基于精准量化分析的诊断方式。研究方向着重于计算机视觉技术（目标识别、物体检测、语义分割等）和深度学习技术（弱监督学习、自监督学习、迁移学习、图学习、对抗网络等）在病理图像分析上的算法开发和应用落地。具体的应用包括细胞或组织自动分割、病灶自动检测和分类，以及生物标识物的识别与量化分析。基于专家精准标注数据难以获取，以及实际数据标注经常存在噪声的难题，课题优先聚焦于开发主动学习、弱监督学习技术减少人工标注的负担。并且开发鲁棒的深度学习技术及噪声数据自动识别方法，解决模型对数据噪声的敏感性并建立数据自动清洗技术。

导师简介：

腾讯专家研究员，本科毕业于中国科技大学，硕士和博士毕业于美国约翰霍普金斯大学。目前主要研究方向是基于深度学习的医疗影像算法开发以及在疾病筛查和诊断上的应用。在医学图像处理、机器学习、深度学习领域有长期的研发经验。发表论文 60 多篇，被引用 5000 多次。获得已授权美国国家技术专利14项。

课题2.5：基于多模态数据融合的精准医疗（地点：深圳）

本项目旨在利用人工智能技术，通过整体分析和融合多源多模态医疗数据(影像、病理、基因组学、代谢组学、临床检验数据)，给出精准的诊断、预后和治疗方案。研究基于无监督和半监督的数据分析方法，开发可视化技术以描述肿瘤相关靶点、微环境和分子信息，辅助医生实现精准、有效的肿瘤治疗。

导师简介：

腾讯专家研究员，博士毕业于美国约翰霍普金斯大学。在病理分析、脊柱影像分析、肿瘤生长预测、结肠癌检测以及影像引导机器人手术方向取得过突出成绩。编辑过多本期刊特刊和专著，并组织多次国际学术研讨会。论文被引用超过13000次，h-index指数43。

课题2.6：医学知识图谱（地点：北京）

医学数据中蕴含了大量的医学知识，目前常用的方法是使用知识图谱进行表示。如何构建并且应用好医学知识图谱，就成了非常重要的研究课题。本课题可选取但不局限于以下几个研究方向：1、KGQA：基于已经建立好的医学知识图谱，针对患者提出的海量医学问题，通过推理，找出答案；2、医学Graph Embedding的生成：基于已经建立好的医学知识图谱和已有的预训练医学语言模型，结合图神经网络的方式，生成疾病，症状，药品等的Embedding，用于医学搜索，问诊分诊，辅助诊疗等任务。

导师简介：

腾讯专家研究员，上海交通大学计算机系博士毕业，主要研究领域是自然语言理解和多模态方向，在NIPS、ACL、WWW、AAAI、IJCAI等顶级会议上发表超过40篇论文，被引用超过1500次，目前主要做医学自然语言理解，医学多模态学习方面的前沿研究工作。

课题2.7：医学内容自动生成（地点：北京）

研究基于深度学习的医学内容生成技术，可以选取但不限于以下研究内容：1、基于医学直播视频，自动抽取出其中的问答对，比如主持人的问题和医生的回答，医生的回答往往比较长，且口语化，需要进行自动剪辑，生成包含问答对的视频片段；2、基于已有的医学知识图谱和医学文档库，给定若干关键词，比如疾病，症状，或者给定大纲，自动生成医学文章；生成的文章作为初稿，供编辑使用；3、基于已有的医学视频，医学图片素材库，给定文章，自动生成相应视频，能达到生成的视频与文章的内容匹配。

导师简介：

腾讯高级研究员，博士毕业于香港大学。主要研究方向包括医学文本的理解、医学知识图谱的构建应用、基于多模态的疾病预测、医疗图像标注和报告生成、医学图像分类预测等。参与的相关工作发表在IJCAI、AAAI、NeurIPS、TKDE等会议和杂志上。

项目申报方式

— 科研人才培养计划 —

手机扫码进入“预申报”，可获得更多项目通知

PC端访问网址，进入“申报”

https://www.withzz.com/project/detail/99

2021年度犀牛鸟精英人才培养计划

本年度犀牛鸟精英人才培养计划包括“犀牛鸟精英科研人才培养计划”和“犀牛鸟精英工程人才培养计划”两部分。其中科研人才计划旨在为致力于前沿科学研究的学生提供更优质的创新科研平台，助力其借助产业真实场景及海量数据，将理论研究和实践结合，验证学术理论，发表论文和专利。工程人才计划旨在以产业真实项目为牵引，在校企双导师指导下，模拟产业研发场景，组建学生研发团队，通过持续深入的挑战进阶式课题目标达成，培养学生系统性思维，拓展前沿技术视野，提升团队协作水平、解决复杂问题等核心创新能力。

了解犀牛鸟精英计划更多详情：

2021腾讯“犀牛鸟精英人才培养计划”申请启动

2021腾讯“犀牛鸟精英科研人才培养计划”申报指南

2021腾讯“犀牛鸟精英科研人才培养计划”FAQ

2021腾讯“犀牛鸟精英工程人才培养计划”申报指南

2021腾讯“犀牛鸟精英科研人才培养计划”FAQ

点击“阅读原文”，进入“科研计划”预申报