第三届人本智造学术会议特别论坛Ⅱ-硕博菁英论坛报告简介

人本智造是将以人为本的理念贯穿于智能制造系统的全生命周期过程。随着产业数智化进程的发展，个性化需求驱动下的智能制造正加速向“以人为本”的范式转变，为进一步促进人本智造的创新发展，“第三届人本智造学术会议”拟定于2025年10月31日-11月2日在北京举办，本次会议将通过学术活动和成果展示，交流人本智造领域的最新研究和应用进展。

01

会议信息与会议组织

时间：

2025年10月31日-11月2日 (周五-周日)

地点：

北京友谊宾馆

地址：

北京中关村南大街1号

会议议程

10月31日

（周五）

注册报到

11月01日

（周六）

上午

开幕式、大会报告

下午

分论坛报告

11月02日

（周日）

上午

大会报告、颁奖闭幕

下午

参观、返程等

会议注册及缴费

2025年10月18日前早鸟价（含），教师或企业人员2500元/人，学生1800元/人；2025年10月18日后，教师或企业人员3000元/人，学生2400元/人。会议住宿和交通费自理。

会务联系人：黄老师18611702891

财务联系人：华经理17706810050

会议网站：

注册二维码

对公转账（转账备注“人本”、姓名和单位）

公司名称：杭州未来智构会展有限公司

开户银行：宁波银行股份有限公司杭州分行

银行账号：71010122002685750

推荐酒店

01

北京友谊宾馆(主会场)

大床房和标间均为550（单早），房间紧张，请尽快扫码预定

马经理：13581603566

02

北京新世纪饭店

(距离主会场3km，安排班车接送)

标间500（不含早）、大床房580（不含早），请扫码预定：

李经理：13910778088

02

特别论坛Ⅱ-硕博菁英论坛报告

(10月31日晚上)

召集人：刘庭煜、丁凯、胡中旭

主席：刘承宝、韩永明、王延杰、李孝斌

报告概览：

报告人及报告简介

褚佳琦 博士研究生

报告人：褚佳琦，中国科学院自动化研究所计算机与应用专业直博生，本科就读于北京邮电大学。研究兴趣包含多变量时间序列预测、知识增强的大模型应用等。发表SCI论文2篇、EI会议1篇，在投SCI论文2篇，申请国家发明专利3项。曾获得北京市优秀毕业生、优秀团干部、三好学生等荣誉称号。

报告题目：赋能人本决策：知识增强大模型驱动的工业指标智能感知与预测方法报告摘要：人本智造以“以人为本”为核心，工业指标的动态感知与精准预测是赋能人机协同决策、优化生产稳定运行的关键支撑。现有深度模型依赖大规模数据训练，难以适配个性化生产场景下的少样本需求，且与操作人员的决策逻辑脱节。受预训练大模型跨模态能力启发，我们提出一种面向复杂制造场景的知识增强大模型框架，通过对齐时序表征与模型语义空间，并融合多变量因果关联等多源知识，辅助模型捕捉工业指标的复杂时序依赖。该方法实现了工业指标的高精度预测，并在少样本/零样本场景下保持强泛化能力，为人本智造中的智能决策提供可靠技术支撑。

黄铭 博士研究生

报告人：黄铭，男，1999年出生，博士研究生，北京理工大学机械与车辆学院工业与智能系统工程研究所；目前围绕复杂工业场景下机器人化制造系统管控、机器人集群控制、人机协作优化、深度强化学习等方面开展研究；以第一作者发表多篇学术论文，包括IEEE Transactions on Fuzzy Systems、Computers & Operations Research、机械工程学报等期刊；IEEE学生会员。

报告题目：面向人机协作的超高柔性机器人化制造系统优化：一种多目标多智能体深度强化学习方法

报告摘要：在全球制造业迈向工业5.0的进程中，智能机器人应用与人机共融成为当前热点。针对由移动加工机器人集群组成的机器人化制造场景，将人类的灵活创造性与机器人的高精度智能化执行深度融合或将成为未来制造新形态。其中机器人的可移动性和柔性，致使加工工位选择具备了极大的灵活性，再叠之人机柔性配置使得该制造形态表现出超高柔性特点。本报告以最大完工时间和人员工时均衡为优化目标，针对工件排产、工位选择以及人机配置构建决策智能体，提出一种多目标多智能体深度强化学习，为面向人机协作的超高柔性机器人化制造系统优化提供解决途径。

武对娣 博士研究生

报告人：武对娣，香港理工大学研究助理、上海交通大学博士生。以第一作者发表及在投SCI期刊论文6篇（含中科院一区3篇），以主要发明人授权专利3项。曾获博士生国家奖学金、中国大学生自强之星、上海交通大学三好学生、优秀学生干部等荣誉。

报告题目：迈向多模态无缝人机协作：生成式AI驱动的少样本感知与技能学习

报告摘要：工业5.0强调以人为中心的智能制造与主动式机器人协作，而大模型的迅速发展正在重塑自动化格局。然而现有系统对非结构化环境的适应性较差，且难以满足工业力控灵巧操作及安全性要求。本研究旨在构建面向制造场景的具身智能：融合视觉–语言–时间的意图识别方法建立人-机语义沟通的桥梁；语言增强的强化学习利用大模型生成优化的奖励函数；虚拟现实辅助的端到端模仿学习实现精细装配技能迁移，为生成式人工智能驱动的人机协作提供了可扩展路径与理论参考。

黄泽川 博士研究生

报告人：黄泽川，四川大学机械工程学院博士生，研究方向为以人为本的产品设计方法与知识图谱应用。在读期间，构建了面向设计领域的多层知识图谱框架，并结合产品设计与工艺设计提出问题求解与方案推荐工具。

报告题目：以人为本下面向宏观工艺规划的多层知识组织框架

报告摘要：在智能制造转型过程中，制造工艺设计面临知识分散、经验依赖强以及设计意图与工艺意图映射偏差等突出问题，导致工艺方案复用效率低、推理缺乏一致性与可追溯性。针对这些挑战，本研究提出了一种以人为本的制造工艺知识组织与推理方法。通过构建多层知识图谱（mKGMPP），将工艺文档与数字模型中的知识进行系统化整合，围绕4M1E要素实现工艺内在知识的组织，并基于TQCSE建立多维度的关联与评价机制。在此基础上，开发了面向人机交互的工艺推理系统（IMPP），能够在数字模型驱动下完成工艺方案的检索、筛选与优化。该方法不仅利用机器的高速计算和结构相似性匹配能力，更强调人的认知参与与决策优势，实现了高效性与解释性的统一。

张益榕 博士研究生

报告人：张益榕，长安大学博士一年级研究生，师从丁凯教授。主要研究方向为人机协同、人机混合智能、深度学习在人机协同中的应用。

报告题目：基于大语言模型的零样本人机协同装配进度识别

报告摘要：在智能制造与柔性装配场景中，准确且自适应的装配进度识别是实现高效人机协同的关键。传统方法严重依赖大量标注数据与专用模型训练，难以应对任务频繁更迭与组件多样化的动态环境。为应对这一挑战，本研究探索基于大语言模型的零样本视觉-语言推理方法。该方法无需引入任何新组件或装配步骤的训练样本，仅通过输入装配文本序列与实时场景图像，借助模型的跨模态语义理解与推理能力，实现当前装配状态的自动识别与判断。

万嘉昊 博士研究生

报告人：万嘉昊，北京航空航天大学机械工程及自动化学院2023级博士生，导师为北航具身智能机器人研究院陶永教授。主要研究方向为移动操作机器人的人机协作安全运动规划算法、具身智能灵巧操作等。聚焦工业与服务场景中机器人与人类的安全高效交互问题，研究安全姿态场框架、利手性感知轨迹优化等方法，相关成果已发表SCI、EI论文3篇。后续将进一步融合视触觉等多模态感知，研究人机信任动态建模与机器人主动协作策略，深化具身智能灵巧操作在精密装配、家庭服务等场景的适配，探索人机共融系统向更智能、更自然的方向演进。

报告题目：人本导向下的人机共融安全运动规划与具身智能应用

报告摘要：人本智造要求机器人从“工具”演进为“伙伴”，其核心在于构建以人为中心的安全运动规划与具身智能闭环。本研究立足人本导向，在安全运动规划层面，通过对人类利手性等固有生理学特性的感知，量化操作员个体差异，构建安全姿态场融合人体运动预测，实现动态环境下的自适应避障；在具身智能应用层面，将优化后的人机交互数据作为高质量协作经验，赋能机器人通过模仿学习等实现技能进化，为构建人机双向适配、安全高效共生的人本智造系统探索可落地的前言技术方案。

赵明瑞 博士研究生

报告人：赵明瑞，南京航空航天大学机械电子专业在读博士生。研究方向为智能制造与人机交互，侧重增强现实与柔性生产系统设计。具有国防项目研发经历，参与电子舱狭小空间装调的工艺优化与系统集成，负责电子舱装调的检测/引导/控制闭环实现。

报告题目：面向电子舱狭小空间的人机交互智能装调

报告摘要：针对导弹电子舱“空间极端受限、视野遮挡严重、一次合格率要求高”的装调难题，构建了“检测—引导—控制”一体化的人机交互智能装调系统。系统以五维数字孪生为组织中枢，耦合改进YOLO的微小目标检测、语义分割与工业异常检测，实现错漏装、引脚弯曲、线缆弯曲半径等质量要素的在线量测；AR模块将三维工艺与检测回执叠加到实景，实现步骤化低负荷引导；孪生控制在虚拟域安全下发至物理执行端，形成“虚拟预判—现场执行—视觉校核—双向修正”的闭环。

田诗晨 博士研究生

报告人：华中科技大学博士研究生，主要研究方向为装配作业车间调度、资源约束下复杂产品的装配车间调度。曾获中国研究生数学建模竞赛一等奖、IEEE进化计算大会竞赛冠军，以第一作者发表SCI/EI收录论文5篇。

报告题目：总装拉动生产模式下的分布式装配作业车间多目标调度方法

报告摘要：在实际生产中，由于装配工艺复杂、配置需求多样，大型复杂产品的交付往往采用订单驱动的总装拉动生产模式，通过分布式加工和集中装配的模式完成生产。因此，对机器速度可调的分布式装配作业车间调度问题进行了研究，以最小化最大完工时间和总能耗为优化目标，提出了一种带变邻域搜索的非支配排序遗传算法，分别面向两个优化目标设计了不同的机器速度调整策略。实验结果表明所提算法框架和局部搜索方法均能有效改善调度方案。

支钰鑫 硕士研究生

报告人：支钰鑫，郑州轻工业大学机械工程专业硕士研究生。研究方向为基于数字孪生的人机协作随动控制，专注于在数字孪生场景下对人机协作系统的随动控制与交互优化。

报告题目：基于数字孪生的人机协作装配疲劳检测与优化方法

报告摘要：本研究面向工业5.0“人本智造”理念，提出了基于数字孪生的人机协作装配疲劳检测与优化方法。构建了物理装配空间、高负荷工位识别、人体疲劳多源数据综合评价及虚拟孪生模型四模块体系框架。通过融合多模态数据，结合深度学习、层次分析与模糊综合评价，实现作业人员疲劳的动态量化评估；利用随机Petri网与马尔科夫链识别高负荷工位，并在孪生空间中实现疲劳状态的可视化与优化调控，为人机协作系统的智能化与人因优化提供了新路径。

潘一帆 博士研究生

报告人：潘一帆，2024年毕业于河海大学机械工程专业，获工学硕士学位，目前河海大学博士在读，研究方向聚焦于跳跃机器人、仿生机器人领域。研究生期间主持过江苏省研究生科研创新计划项目1项（多运动模式跳跃机器人的结构设计与控制研究）。

报告题目：Tumro: A Tunable Multimodal Wheeled Jumping Robot Based on the Bionic Mechanism of Jumping Beetles

报告摘要：The implementation of multi-modal motion ensures the stable operation in complex terrain environments, thus providing an effective guarantee for system performance. The crawling-jumping robot exhibits a promising potential for diverse applications, as it demonstrates the capability to navigate through various road conditions utilizing different motion modes. However, the mobility of the current multi-modal jumping robots remains somewhat constrained by their jumping capability and the recovery time required for torso attitude change after each jump. Drawing inspiration from the energy storage jumping mechanism of jumping beetles, we present a tunable multi-modal jumping robot (Tumro) capable of executing multi-modal movements including wheeled locomotion and ground-based jumping, which can achieve a jump height of up to 3 m and swiftly recover its wheeled crawling state without requiring posture correction post-jump. Through a specific structural design, the robot can storage energy and switch motions to jump in the desired direction based on the preset angle according to actual demand. The jumping process is thoroughly analyzed, and the kinematics and dynamics models are derived in meticulous detail. Besides, the performance of the robot was comprehensively assessed from aspects of wheel-action versus vertical jump capability, power consumption, and endurance across various motion modes. The simulation scene experiment demonstrates the robot's exceptional jumping capability and efficient wheeled mobility.

李浩然 博士研究生

报告人：李浩然，硕士毕业于华中科技大学机械科学与工程学院，目前正在华中科技大学攻读博士学位，研究方向是车间调度理论方法，智能优化及强化学习在车间调度中的应用。

报告题目：SERL：融合群体智能与强化学习的可重构制造调度优化

报告摘要：可重构制造系统（RMS）在满足个性化大规模生产中具有重要价值，但其调度问题复杂，主要由于配置之间高度耦合以及有限辅助模块的竞争。本研究提出了一种新型调度方法——群体增强进化强化学习（SERL），通过将调度建模为马尔可夫决策过程，避免了繁琐的配置-模块编码。设计了关系感知异构图融合网络，通过多路径图注意力捕捉优先级、竞争与协作信息，从而提升决策质量。进一步，SERL将人工蜂群（ABC）与近端策略优化（PPO）进行双向协作，实现策略注入和知识共享，加速进化并优化调度结果。实验结果显示，在1,560个实例中，SERL显著优于现有方法，平均重构时间较最佳基线缩短24%，验证了其在资源受限和多模块配置环境下的高效性与实用性。

李姗姗 博士

报告人：李姗姗，博士，大连民族大学副教授。研究方向为人工智能与数字孪生驱动的能源系统智能优化，聚焦建筑节能减排与热力学系统快速设计。主持国家级、省部级科研项目6项。

报告题目：面向建筑群综合能源的数字孪生轻量化框架与低碳运行策略

报告摘要：推动建筑运行阶段的节能减排，对实现我国“双碳”目标与可持续发展至关重要。本文提出一套面向建筑群综合能源系统的数字孪生轻量化框架与低碳运行策略。该框架构建了“模型-感知-分析-功能-应用”五层架构，融合GIS、BIM与无人机实景建模技术实现建筑群轻量化三维实景重构，并集成多源数据与机器学习算法，实现照明、空调等多系统的协同感知与节能优化。通过在某高校园区的应用，验证了该框架的可行性，为建筑领域节能降碳提供了关键技术参考。

岳淼 博士

报告人：岳淼，博士，浙江建设职业技术学院副教授，浙江省高级“双师型”教师，浙江省青年科学技术协会会员、住建部国家科技专家库专家、中国知网评审专家库专家。

报告题目：数据驱动的校园环境健康绩效智能评估与优化

报告摘要：校园环境作为师生长期学习生活的主要场所，其健康绩效日益成为衡量校园品质的关键。传统环境评估方法多依赖于静态指标与主观问卷，难以动态捕捉人-环境-活动的复杂交互机制。本研究旨在构建一个数据驱动的智能框架，通过多源数据采集、机器学习分析与人本智能体验证的闭环，实现校园环境健康绩效的精准评估与方案优化。本研究首先通过部署物联网传感器网络，并结合校园数字孪生体、无人机航拍及校园数字足迹，构建了高精度的校园环境数字基底，实现了对环境状态的实时、全面感知。在此基础上，运用随机森林、梯度提升树等机器学习算法对海量异构数据进行挖掘，精准量化了各类环境因子（如绿地可视率、自然声景占比、空间开阔度）对师生健康感知（如压力水平、注意力恢复度）与行为模式（如停留时长、活动类型）的影响权重。分析结果表明，例如道路绿化率超过30%时，对人群的聚集度有显著正向影响。为验证优化策略的有效性，本研究拟进一步开发基于智能体的人工社会模型。在该模型中，智能体被赋予模拟师生现实行为规则（如趋光避噪、路径选择、社交聚集等）。通过在虚拟的校园数字孪生体中，对不同的亲生物设计或空间布局方案（如增加绿地斑块、优化步行路径、调整设施布局）进行模拟测试，预测其对师生空间使用模式、活动强度以及主观舒适度的潜在影响。本研究的创新性在于将数据驱动与智能仿真深度融合，实现了校园环境评价从“经验驱动”到“科学量化”、从“静态描述”到“动态预测”的范式转变，为创建更健康、高效且充满人文关怀的智慧校园提供了强有力的理论工具与实践指南。

张晓薇 硕士研究生

报告人：张晓薇，湖南大学建筑学硕士，师从张荣鹏教授。研究聚焦于健康建筑与智慧建筑领域，致力于以数据驱动“人本”设计。研究通过计算模拟与交叉学科方法，将健康安全需求转化为精准的设计准则与智能交互策略，主要应用于医院建筑的感染风险控制与空间环境优化。

报告题目：基于人员感染风险时空异质性特征分析的医院候诊空间平面形式优化

报告摘要：在医院建筑设计中，保障患者与医护人员的健康安全，是“以人为本”理念的核心体现。医院门诊候诊区作为人员高度聚集且病原体携带者众多的空间，是呼吸道传染病风险集中体现的关键节点，也是落实人本建造理念的重点区域。自然通风被认为能有效降低室内感染风险，但其在医院候诊空间中对人群健康保护的潜力尚缺乏系统性量化评估。现有研究多局限于特定季节或地区的静态分析，缺乏对感染风险时空异质性特征及其与平面通风耦合机制的系统探讨。为此，本研究以流感样疾病为研究对象，基于中国国家流感中心发布的监测数据，构建了北方冬春单一高峰、南方冬夏双周期高峰、南方春夏单一高峰等3种典型流行高峰场景，并结合医院门诊候诊区设计参数，识别候诊空间人员感染风险时空异质性特征。研究将该特征融入耦合计算流体动力学（CFD）的Wells-Riley感染风险模型的框架中，考虑人员行为的随机性，采用蒙特卡洛模拟方法对医院候诊空间的感染风险进行了动态量化评估。研究结果表明：1）在考虑时空异质性后，流行病高峰期的整体感染风险为未考虑条件下的1.3–2.5倍；2）候诊空间的平面形式显著影响自然通风效率及感染风险分布，其中L形平面展现出最优的风险控制潜力，其感染风险较T形和U形平面分别降低42.6%与62.5%；3）动态感染者数量是驱动空间绝对风险水平的关键因子，每增加1名感染者，感染风险的相对增幅可超过150%。本研究通过整合宏观流行病学特征与微观建筑环境参数，为实现以患者与医护人员健康安全为核心的的医院候诊空间被动式设计提供了科学依据与决策支持。

李克强 硕士研究生

报告人：李克强，郑州轻工业大学机械工程硕士。研究方向为工业数字孪生、人机自然交互与大模型，专注于智能设计与数字化制造领域。深入研究自然语言处理与三维快速建模技术，致力于解决传统CAD软件的高门槛与迭代低效问题。

报告题目：基于自然语言交互的三维模型快速生成

报告摘要：在现代产品设计中，三维建模作为关键环节，长期面临高操作复杂度与低迭代效率的挑战。本研究提出一种基于自然语言交互的三维快速建模方法。通过在Siemens NX中集成对话接口，系统利用大语言模型将用户指令解析为结构化JSON数据，由Agent模块智能匹配参数化模板，并通过实时参数注入与动态编译技术，直接于当前会话生成三维实体。同时该系统支持多轮流式交互，实现模型的实时迭代优化，构建了一种高效、低门槛且支持快速迭代的智能设计环境。

宋义天 硕士研究生

报告人：宋义天，上海大学机电工程与自动化学院硕士生，研究方向为数据与AI驱动的复杂批产质量控制，参研国家自然科学基金项目，已在Journal of Manufacturing Systems等国际知名期刊及会议发表学术论文6篇，申请发明专利及软件著作权3项，获研究生国家奖学金、山东省优秀毕业生、青岛市千名优秀大学生等荣誉。

报告题目：自然语言交互驱动的生产工艺优化算法自生成

报告摘要：面对工业软件创新与“AI+制造”融合的战略需求，针对当前工艺优化算法开发依赖专家、效率低、工程师参与弱等问题，本研究提出一种基于自然语言交互的工艺优化算法自生成框架。该框架以大语言模型为核心，融合进化计算，通过结构化提示与双重反思机制，实现以自然语言描述动态生成优化算法。在柴油机装配工艺优化上的实验表明，所生成算法在优化精度上优于传统方法，提升了开发效率，为构建以人为本、自进化的新一代制造系统提供了可行路径。

庄炜斌 博士研究生

报告人：Weibin Zhuang, from Nantong, Jiangsu Province, is a Ph.D. candidate at the Institute of Intelligent Manufacturing, Donghua University. His main research interests include rehabilitation assistive device design, personalized product design, intelligent design methods, and AI-Agent systems.

报告题目：LLM-PDAgents：A Self-Organizing Multi-Agent Framework for Personalized Rehabilitation Assistive Device Design

报告摘要：With the growing prevalence of age-related diseases and disabilities, the demand for personalized rehabilitation assistive devices (RADs) is increasing. Traditional design methods fail to meet diverse user needs. To address this, this study proposes LLM-PDAgents, an innovative large language model (LLM)-driven self-organizing multi-agent framework for personalized RAD design. A knowledge graph linking phenomenon–symptom–function–behavior–structure was built to form a design reasoning chain, enhancing agents’ interpretability and reasoning ability. A self-organizing task-planning mechanism with four predefined agents—one planner and three supervisors—enables autonomous planning, role definition, and collaboration for personalized design generation. Furthermore, a progressive reflection strategy allows agents to iteratively refine designs based on user feedback, achieving continuous optimization toward user satisfaction. Taking the real-world design of knee joint RADs as an example, the smooth interaction between human users and LLM-PDAgents significantly improved the procedure and quality of the whole design process. Meanwhile, the outcomes of LLM-PDAgents outperformed other multi-agent frameworks on key evaluation metrics such as economic viability, manufacturing feasibility, user pertinence, and generated costs, indicating an efficient and reliable approach for the personalized design of RADs.

张滋雨 博士研究生

报告人：张滋雨，1998-，四川泸州人，华中科技大学机械科学与工程学院机械工程专业博士研究生。主要研究方向为车间调度、智能优化。

报告题目：基于异步更新的增强型Memetic算法求解带多外协中心的双资源柔性作业车间调度问题

报告摘要：为满足高度定制化需求，现代离散制造系统通常需要对内部车间的设备和人力资源进行综合调度，而外协车间的服务时间窗口则带来了额外的跨车间协同挑战。为了解决这些问题，本文定义了具有多外协车间的双资源柔性作业车间调度问题（DRFJSP-MO），并开发以总加权拖期（TWT）为优化目标的混合整数线性规划模型。基于此，提出一种基于异步更新的增强型Memetic算法（AUEMA），包含三个关键创新：首先，设计协同权重来评估紧急程度高且制造难度大的作业。其次，引入异步更新策略来驱动进化算子，从而加速劣解的淘汰。同时，定义DRFJSP-MO的唯一关键路径，并设计三种知识驱动的邻域结构帮助算法有效搜索更优解。在30个基准算例上的实验结果表明，所提 AUEMA 方法在收敛性和稳定性方面优于其他调度方法，其在 93.33%的算例中取得了最优均值。最后，AUEMA被应用于一家大型船舶结构件制造企业的实际案例。优化后的调度方案使TWT减少56.05%，生产周期缩短23.20%，且拖期率降低28.57%。

王俊杰 硕士研究生

报告人：王俊杰，男，硕士研究生机械专业在读，来自郑州航空工业管理学院，目前的主要研究方向为数字孪生、工业机器人，热爱学术交流。

报告题目：基于数字孪生的航空叶片加工车间监控系统研究

报告摘要：本报告基于数字孪生研究了OPC UA技术在车间监控系统方面的应用，并结合机器学习算法的方法预测叶片打磨质量。首先，以数字孪生五维模型为基础，构建了面向航空叶片加工车间的数字孪生监控系统总体框架，确定了数字孪生车间的设计技术路线。然后，针对于车间设备孪生体的构建、基于OPC UA的多源异构设备数据的采集和传输、车间设备虚实双向控制以及基于宽度神经网络的叶片打磨质量预测等方面展开了详细阐述。

黄溢良 硕士研究生

报告人：黄溢良，男，硕士研究生，郑州航空工业管理学院，航空宇航科学与技术专业在读，主要研究方向为机器人视觉感知与抓取，主持校级科研项目一项，发表SCI论文1篇，热爱学术交流。

报告题目：基于深度学习和合成数据增强的机械臂杂乱紧固件抓取

报告摘要：针对杂乱紧固件抓取困难和人工标注过程昂贵的问题，本文提出了一个基于深度学习的级联抓取模型和一种紧固件合成数据生成流程。级联抓取模型首先通过改进的YOLO v8n检测出可抓取的紧固件，再通过改进的生成残差卷积神经网络 (GRCNN) 模型估计最佳抓取位姿。合成数据生成流程通过具有域随机化的物理模拟场景生成杂乱紧固件合成数据，从而增强真实数据集，有效减少了对人工标注的依赖和非独立同分布 (non-IID) 数据的产生。

严田欣 硕士研究生

报告人：严田欣，中国美术学院工业设计专业硕士在读，主要研究方向为智能设计，两篇SCI论文收录。

报告题目：Meta-X Design: From Tools to Partners in Human-Machine Co‑creation for Industry 5.0

报告摘要：The advent of Industry 5.0, emphasizing human‑centricity, sustainability, and resilience, is reshaping Industrial Design (ID) and fostering the rise of Human‑Machine Co‑creation (HMCr). In this paradigm, machines are envisioned not merely as tools but as collaborators. However, current HMCr systems remain constrained by cognitive misalignment and unstable control, limiting the realization of genuine human‑machine partnership. To address these challenges, this paper introduces Meta‑X Design (MXD), a dynamic framework for ID 5.0. MXD integrates intelligent capabilities, meta‑design principles, and human‑centred values to achieve cognitive synergy. At its core lies a four‑layer architecture—Infrastructure, Model, Cognitive, and Application—designed to elevate AI from a functional assistant to an active creative partner. Specifically, this study (i) reviews advances in human‑machine collaboration, (ii) identifies unresolved gaps in cognitive alignment and adaptive control, and (iii) presents the MXD framework as a pathway toward next‑generation design ecosystems. Ultimately, by linking conceptual innovation with practical implementation, MXD establishes a foundation for design futures where humans and machines collaboratively drive transformative solutions.

黄锦瀚 硕士研究生

报告人：黄锦瀚，男，硕士研究生机械专业在读，来自郑州航空工业管理学院，目前的主要研究方向为工业机器人、数字孪生。

报告题目：基于工业机器人的叶片磨抛系统

报告摘要：叶片是航空发动机上作用最核心的部件之一，传统的航空叶片通常经过锻造之后由人工手动进行型面的磨抛，人工磨抛存在材料去除不均导致零件一致性差的问题。本文基于六轴工业机器人搭建了机器人砂带磨抛叶片平台，并针对叶片磨抛过程中工件表面粗糙度以及材料去除率预测问题，提出材料去除率机理模型和表面粗糙度机理模型与机器学习模型串联的方法，基于Preston 方程构建材料去除率数学机理模型，基于Rayleigh分布及未成形切屑厚度模型构建表面粗糙度数学机理模型，通过CatBoost模型学习机理模型的预测残差，构成机理模型与机器学习模型串联的预测模型。结果表明，机器人砂带磨抛叶片平台能够实现叶片的自动化磨抛，有效提高了磨抛效率和磨抛质量；串联预测模型能够有效弥补磨抛机理模型对影响磨抛质量的特征学习不足的问题，提高预测精度。

责任编辑：杜蔚杰

责任校对：张 强

审 核： 张 彤

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注机械工程学报视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！我们《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

版权声明：

特别声明：本微信转载文章出于非商业性的教育和科研目的，如转载稿涉及版权等问题，请立即联系我们，我们会予以更改或删除相关文章，保证您的权益。

微信投稿、转载等：

联系人：暖暖

电话：010-88379909

E-mail：jme@cmes.org

网 址：http://www.cjmenet.com.cn

官方微信号：jmewechat