马超，上海交通大学人工智能研究院教授，博士生导师。上海市浦江人才、中国图象图形学学会优博。上海交通大学与加州大学默塞德分校联合培养博士。澳大利亚机器人视觉研究中心(阿德莱德大学)博士后研究员。主要研究计算机视觉问题。谷歌学术引用1万4千余次，连续五年入选爱思唯尔中国高被引学者（2020-2024）。任中国图象图形学学会优博俱乐部主席、青年工作委员会副秘书长。担任CVPR、ICCV、ICLR等会议领域主席，IEEE Trans. on Multimedia (TMM)、Journal of Artificial Intelligence Research (JAIR)编委。主持自然基金委青年项目(B类)。获中国图象图形学学会青年科学家奖、第30届多媒体建模会议（MMM 2024）唯一最佳论文奖、华为技术合作领域2021年度优秀技术成果奖。

任文琦，教授，中山大学“百人计划”引进人才，主持国家自然科学优秀青年基金，天津大学与美国加州大学Merced分校联合培养博士，从事计算机视觉与多媒体内容安全领域的研究。在CCF-A类期刊和会议长文发表学术论文80余篇（7篇ESI高被引论文，2篇热点论文），Google学术引用16000余次，入选2022/2023爱思唯尔中国高被引学者，全球前2%顶尖科学家榜单。多次担任CVPR、ICLR、AAAI等AI和CV领域重要学术会议的领域主席和高级程序委员会委员。主持国家自然科学优秀青年基金、联合重点项目，深圳市优秀科技创新人才培养项目，华为、腾讯等企业合作项目20余项。获中国计算机学会优博论文奖、吴文俊人工智能优秀青年奖、中国电子学会自然科学一等奖（2/5）、中国图象图形学学会自然科学一等奖（3/5）。

赵君峤，同济大学计算机科学与技术学院副教授。于2011年获得武汉大学摄影测量与遥感专业博士学位。期间曾得到中德合作项目“三维城市信息解译”资助先后前往德国慕尼黑工业大学和汉诺威大学进行学术访问。2012年至2014年前往荷兰代尔夫特理工大学从事博士后研究。主要研究兴趣为智能无人系统、SLAM、强化学习等。为同济大学“TiEV途灵”智能无人系统研究团队负责人，研发“TiEV途灵”与“TiEV途灵plus”无人车，参与多届基金委举办的“中国智能车未来挑战赛”。目前主持完成国家自然科学基金面上项目一项，国家自然科学基金青年项目一项，参与多个国家重点研发计划项目。近五年在高水平会议和期刊中发表论文近50余篇。

李长升，北京理工大学计算机学院教授，博士生导师，国家级青年人才，基金委联合基金会评专家。在IEEE TPAMI、TIP、TNNLS、TC等著名国际期刊以及AAAI、IJCAI、CVPR等著名国际会议发表论文近60篇。现担任多个国际顶级期刊和会议的审稿人，包括IEEE汇刊IEEE T-NNLS, T-KDE, T-C, T-MM, T-ECS, T-CSVT, T-II，以及中国计算机学会（CCF）A类会议CVPR，ICCV，ECCV，IJCAI，AAAI, NIPS, MM, UbiComP，MICCAI等。担任中国工程院工程科技知识中心专家、中宣部和科技部“宣传思想文化工作与大数据应用”工程论证专家、中国人工智能开源软件发展联盟专家委员会委员、首届太湖信用大数据创新应用大赛专家委员会委员。

赵洋，男，合肥工业大学计算机与信息学院，教授，博士生导师。 2008年、2013年分别于中国科学技术大学获学士与博士学位。2013-2015年在北京大学深圳研究生院从事博士后研究。2016年-2023年任合肥工业大学计算机与信息学院副研究员。 主要研究领域为视频图像处理、计算机视觉、人工智能。近年来，在TPAMI/TIP/TCSVT/IJCV等国际期刊、会议上发表论文50余篇（其中中科院一区及CCF-A类期刊会议论文50余篇）;已授权中国及美国发明专利20余项；曾主持科研项目多项，其中国家自然科学基金项目3项。学术服务方面，任中国图象图形学学会青工委副秘书长，中国人工智能学会模式识别专业委员会委员，中国计算机学会计算机视觉专业委员会委员，视觉与学习青年研讨会执行委员；中国图象图形学报青年编委，TVC国际期刊编委；为多个国际期刊和会议审稿，CVPR等多个期刊和会议的优秀审稿人，曾任多个学术会议主席或程序委员会成员；课题组多项算法被海信、创维、咪咕、优微视觉等相关企业应用。

报告摘要：本报告着眼于服务机器人两大核心功能，即移动与操作，首先对服务机器人产业与技术发展现状、所面临难点进行概述。其次介绍了团队长期攻关移动与操作中核心技术难题所取得的主要成果：针对机器人动态环境下导航问题，提出了一系列定位导航方法，实现了复杂大场景中移动机器人视觉融合的鲁棒感知与定位；针对复杂环境下机器人操作，创建了自适应视觉伺服框架与基于学习的移动操作方法。针对机器人移动操作，形成了一套实用性广的基于视觉的方法体系，提升了服务机器人关键共性技术水平。

讲者简介：王贺升博士，上海交通大学特聘教授，浦江国际学院院长。担任中国自动化学会混合智能专委会副主任， 中国仪器仪表学会智能车与机器人分会副主任。现/曾担任国际期刊TRO， TMECH， TASE， RAL， IJHR， RIA的编委，IEEE/ASME Transactions on Mechatronics 的高级编辑，Advanced Intelligent Systems的顾问编委，Robot Learning的主编。作为项目负责人，主持包括国家重点研发计划项目，国家自然科学基金杰出青年基金、优秀青年基金、联合基金重点等多个项目。获得上海市青年科技启明星，上海市曙光计划等。曾担任RCAR 2016和ROBIO 2022的大会主席。将担任机器人顶会IROS 2025的大会主席。

报告摘要：在自动驾驶场景中，我们期望深度学习模型能持续学习新问题、新类别和新数据。但灾难性遗忘问题导致模型优化新任务时，原有任务性能严重下降。为此，近年涌现出不少连续学习算法。我们的工作主要聚焦两点：利用无标注数据解决小记忆下的连续学习建模问题，以及通过提示建模实现零记忆环境下对下游任务的快速适配。本文将介绍这些近期探索，涵盖从传统图像识别到具身智能的连续学习应用。

讲者简介：郑伟诗Wei-Shi (Jason) Zheng，教授，机器智能与先进计算教育部重点实验室主任，大数据分析与应用技术国家工程实验室 副主任, 中山大学人工智能研究院副院长。获得教育部“长江学者奖励计划”特聘教授 (2022), 国际模式识别协会会士(IAPR Fellow), 英国皇家学会牛顿高级学者(2016), 国家优青(2015), 广东省自然科学基金委卓越青年团队负责人(2023), 广东省科技创新领军人才(2017) 等。目前两个国际人工智能顶级期刊IEEE T-PAMI和Artificial Intelligence Journal的编委，同时是国际模式识别著名期刊Pattern Recognition等国际期刊编委，国际顶级学术会议CVPR、ICCV、ECCV、NeurIPS 等的领域主席，国际多媒体旗舰学术会议ICME 2022程序委员会联合主席、中国模式识别与计算机视觉大会2023/2025程序委员会联合主席等。多年入选中国高被引学者（爱思唯尔）和全球前2%顶尖科学家榜单（斯坦福大学）。发表 CCF-A/中科院1区/Nature子刊约200余篇，其中在IEEE T-PAMI/IJCV/Siggraph/自然通讯发表30余篇；作为负责人，主持承担国家自然科学基金委重大研究计划重点项目、国家自然科学基金委联合基金重点项目、国家重点研发课题(两次)、国家自然科学基金委联合重大项目重点课题、国家自然科学基金优秀青年科学基金。中国图象图形学学会自然科学奖一等奖 (2020)，广东省自然科学奖一等奖 (2019)，国家级教学成果(本科)奖二等奖(2023)，教育部高校优秀成果奖（自然科学）二等奖 (2019)等。

报告摘要：任意轨迹的街景合成使得端到端驾驶策略的闭环评估成为可能。尽管现有方法在录制轨迹上的新视角合成表现出色，但由于记录的驾驶视频通常以有限的视角采集无边界的广阔驾驶环境，这些基于重建的方法在处理新轨迹时仍面临挑战。为了解决这一问题，本报告介绍一种新颖的任意轨迹驾驶视图合成方法，通过利用视频生成先验来优化自由轨迹下的三维模型。并以此为基础构建一个全新自动驾驶仿真引擎，其具备：多模态的（摄像头和激光雷达）逼真场景渲染；支持闭环评估，以适应自由形式的轨迹行为；提供高度多样化的交通场景，以进行全面的评估；支持多智能体协作，以考虑交互动态；并具备高计算效率，以确保经济性和可扩展性。基于这一仿真环境，模拟了三种驾驶类别：非交互性驾驶、安全测试以及多智能体交互模拟，以提供一个可靠且全面的基准，用于评估驾驶代理在现实世界中的表现。

讲者简介：张力，复旦大学大数据学院教授，上海创智学院全时导师，获国家级青年人才计划。博士毕业于伦敦玛丽女王大学电子工程与计算机科学系，曾任职于牛津大学工程科学系博士后，剑桥三星人工智能中心研究科学家。获上海海外高层次人才计划、上海科技青年 35 人引领计划(35U35)、世界人工智能大会青年优秀论文奖；发表人工智能期刊与会议论文 100 余篇，论文总被引两万余次。 担任人工智能国际会议 NeurIPS 2023-2025、CVPR 2023-2026 领域主席、AAAI 2026 高级程序委员会委员。

报告摘要：本报告聚焦大模型赋能的自动驾驶与智能交互新范式，针对传统架构的误差累积、泛化性差等局限，阐述多模态大模型、世界模型如何破解端到端技术瓶颈，实现高效场景理解与安全规划。并将研究思路进一步拓展到更复杂的具身操作与交互场景，介绍领域前沿成果，并深入探讨当前技术仍面临的挑战。

讲者简介：马月昕，上海科技大学研究员、助理教授、博士生导师，博士毕业于香港大学。主要研究方向为三维视觉、具身智能、自动驾驶。共发表相关领域顶会或顶刊论文80余篇，其中一作与通讯论文50余篇，包括Science Robotics、TPAMI、CVPR、ICCV、ECCV、SIGGRAPH等，谷歌学术引用6000余次。参与指导的论文获MICCAI 2024唯一最佳论文奖，ACM MM 2024最佳论文候选。曾获上海市海外高层次人才，上海市优秀教学成果（高等教育类）一等奖，曾获SemanticKITTI、NuScenes、Argoverse等多个国际自动驾驶挑战赛冠军和亚军，曾获China 3DV 2025年度优秀青年学者。

报告摘要：随着时代的进步和科技的快速发展，自动驾驶技术正深刻地塑造未来的交通系统和出行方式。在自动驾驶研究中，动态障碍物多模态轨迹预测和自车决策规划成为关键的技术挑战，直接影响了自动驾驶系统的性能、安全性和可靠性。面对复杂的多模态环境，包括静态要素（例如车道线、交通标识和信号灯）以及动态障碍物（如其他车辆、行人和自行车），自动驾驶汽车必须综合考虑各个动静态因素，考虑它们之间的相互影响，以准确预测周围动态障碍物的未来运动轨迹。通过对预测结果进行综合分析，自动驾驶系统可以做出可靠且安全的决策和规划，这对于实现高效、安全的自动驾驶系统至关重要。本报告主要介绍我们在多模态轨迹预测和自车规划的研究进展，主要包括瞬时轨迹预测、任意轨迹预测、噪声轨迹预测、规划模型压缩等。

讲者简介：李长升，北京理工大学计算机学院教授，博士生导师，入选国家级青年人才。2013年于中科院自动化所取得工学博士学位。在加入北京理工大学之前，先后在IBM研究院，阿里巴巴达摩院，以及电子科技大学计算机科学与工程学院工作。主要研究方向包括机器学习、数据挖掘、计算机视觉等。在CCF A/IEEE汇刊等国际顶级会议及期刊上发表学术论文100余篇。其中，以第一作者发表CCF A/IEEE汇刊17篇。先后主持国家自然科学基金优秀青年科学基金、国家自然科学基金重点项目、国家重点研发计划课题、173国防基础加强重点项目课题等项目10余项；参与国家自然科学基金重点项目、173国防基础加强重点项目、装发装备技术基础等。授权中国、美国、日本等国内外发明专利50余件。现担任多个国际顶级期刊和会议的审稿人、程序委员会委员、高级委员、领域主席等。