秦家虎

中国科学技术大学

教授

报告题目：Multi-Agent Interval Consensus with Flocking Dynamics

报告时间：10:30-11:00，7.25

报告简介：

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.

报告人简介：

秦家虎，中国科学技术大学教授、博士生导师，主要研究兴趣为多智能体系统、信息物理系统、复杂动态网络，在相关领域发表和录用SCI期刊论文90余篇。获中国科学院“优秀导师奖”、基金委“优秀青年科学基金”、教育部“霍英东青年教师基金”。目前担任中国自动化学会“青年工作委员会”副主任委员；IEEE TIE、IEEE TII、《自动化学报》等期刊和IEEE控制系统学会会议编委会编委。

眭亚楠

清华大学

副教授

报告题目：AI-Assisted Diagnosis and Treatment for Movement Disorders

报告时间：11:00-11:30，7.25

报告简介：

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.

报告人简介：

眭亚楠，清华大学副教授，致力于机器学习、神经调控和机器人技术等方面的研究。他在清华大学获得学士学位，并在加州理工学院获得博士学位。加入清华大学之前，他曾在加州理工学院和斯坦福大学从事博士后工作。他提出了安全机器学习的理论和方法，用于未知安全约束和隐式偏好反馈的在线强化学习。他还致力于将计算机视觉和其他人工智能技术应用于医疗。他所提出的机器学习方法应用获得了ICRA最佳论文奖，并成功应用于神经系统疾病的临床治疗。

张文安

浙江工业大学

教授

报告题目：运动位姿测量中的多传感器信息融合估计方法

报告时间：11:30-12:00，7.25

报告简介：

高精度的位姿服务在众多领域具有广泛应用，如无人系统的定位导航、移动目标跟踪、运动刚体姿态测量等。通常采用多传感器信息融合方法提高运动体位姿估计的精度和可靠性。异构传感器的多尺度特征、复杂环境下的传感器量测不确定性和运动模型不确定性都将影响位姿估计的精度和稳定性。将介绍报告人在这些问题上取得的一些最新研究结果，并探讨该方向存在的有待解决的难题。

报告人简介：

张文安，现任浙江工业大学自动化系教授、博导，主要研究方向为多源信息融合估计及应用。在国内外学术期刊上发表论文 50 余篇，出版中英文学术专著各 1 部，授权国家发明专利 16 项，主持国家级项目 4 项，获教育部自然科学一等奖（排名第 2）。目前担任中国自动化学会控制理论专业委员会委员、控制理论专业委员会网络化控制系统学组秘书长、中国航空学会信息融合分会委员，担任多个国内外期刊编委，获德国洪堡基金资助，获霍英东高校青年教师基金资助，获国家自然科学基金委优青项目资助。

袁坤

阿里巴巴达摩院

算法专家

报告题目：Exponential Graph is Provably Efficient for Decentralized Deep  Training

报告时间：13:30-14:00，7.25

报告简介：

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.

报告人简介：

袁坤，博士， 2019 年于加州大学洛杉矶分校(UCLA)电子与计算机工程系取得博士学位。之后加入阿里巴巴达摩院。曾于 2018 年到瑞士洛桑联邦理工学院(EPFL)和微软 Redmond 研究院做访问研究员。曾获得 2017 年 IEEE 信号处理协会青年作者最佳论文奖。研究兴趣主要在信号处理、机器学习和优化算法领域。

张亚

东南大学

教授

报告题目：信息物理系统中的攻击优化配置和防御控制设计

报告时间：14:00-14:30，7.25

报告简介：

信息物理系统由于网络的开放性，其安全性受到了一定的挑战。报告分别从攻击者和防御者两个维度，讨论如何优化配置攻击和设计攻击防御控制器。首先从攻击者的角度出发，分别对协同估计传感器网络和协同控制多智能体网络优化配置拒绝服务攻击，在破坏网络协同估计和协同控制能力的前提下使得攻击的能耗最小。其次从防御者的角度出发，分别设计弹性控制器和弹性一致性控制策略抵御虚假数据注入攻击对信息物理系统稳定性和异构多智能体系统一致性的影响，确保系统的控制性能。

报告人简介：

张亚，东南大学自动化学院教授、博士生导师、副院长。研究方向包括群体智能、网络安全、强化学习、智能博弈等方面。发表包括Automatica、IEEE汇刊等论文70余篇。2021年指导学生参加中央军委装备发展部主办的“谋略方寸联合智能”联合作战智能博弈挑战赛，获得季军。近年来主持国家自然科学基金项目3项，江苏省自然科学基金项目1项，参与完成国家军口863计划项目1项、国家自然科学基金重点项目等。入选江苏省“六大人才高峰”高层次人才选拔培养资助项目和东南大学优秀青年教师科研资助计划。现为中国自动化学会人工智能与机器人教育专业委员会委员，中国人工智能学会智能空天系统专业委员会委员，中国指挥与控制学会集群智能与协同控制专业委员会委员，Frontiers In Control Engineering编委。

张保勇

南京理工大学

教授

报告题目：Push-Sum Distributed Online Nonconvex Optimization Subject to  Dynamic Regret

报告时间：14:30-15:00，7.25

报告简介：

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.

报告人简介：

张保勇，南京理工大学自动化学院教授、博士生导师。2011 年在南京理工大学获得工学博士学位，2011 年至 2012 年在香港大学从事博士后研究。2013 年入选教育部“新世纪优秀人才支持计划”，2015 年获江苏省杰出青年基金，2019 年获国家优秀青年科学基金。获 2019 年度国家自然科学二等奖（第二完成人）、2015 年度教育部自然科学一等奖（第二完成人）。目前担任 Journal of the Franklin Institute 编委、IEEE 控制系统协会会议编委、中国自动化学会信息物理系统控制与决策专委会委员、TCCT 随机系统控制学组成员、江苏省自动化学会理事。研究兴趣包括时滞系统鲁棒控制理论、多智能体系统协同控制与优化等。

全权

北京航空航天大学

副教授

报告题目：RflySim: 智能无人机/群开发的 EDA

报告时间：15:00-15:30，7.25

报告简介：

美国 DAPAR 现有支持的无人机以及相关的集群项目可分为两个大的方向：一个方向是自主飞行能力算法开发，另一个方向是构建一个集群开发平台。本报告 RflySim 侧重第二个方向。RflySim 是专门为智能无人机/群自动化设计和开发生态系统，包含Matlab/Simulink 代码自动生成、兼容 ROS、分布式架构体系、模拟高逼真视景的 UE4 虚幻引擎等等功能。利用它，可以大大节省实际飞行的人、财、物、时间和空间等等的花销。本报告将介绍：1）基于 Matlab/Simulink 的单机/集群自驾仪在环的开发及展示；2）视觉在环的智能单机/分布式集群开发及展示。

报告人简介：

全权，2013 年 7 月至今，为北京航空航天大学副教授（博导），期间获北京市青年英才计划支持，并于 2017 年在加拿大多伦多大学做访问研究。本人长时间从事可靠飞行控制和健康评估等方向研究，提出加性分解及控制框架，并主持开发 flyeval.com 多旋翼评估和设计网站及 RflySim 视觉集群仿真平台(rflysim.com)。作为第一作者，完成英文著作三部，其中一部被认为是多旋翼首本入门书和空中机器人领域必读书，发表文章近 100 篇，获授权专利 21 项。

赵文虓

中科院系统所

研究员

报告题目：基于随机差分的无梯度分布式资源分配算法

报告时间：16:00-16:30，7.25

报告简介：

分布式资源分配问题是指网络系统的个体通过自身的测量及与邻居的信息交换，在配置自身资源的前提下来实现网络功能的整体优化，经典的分布式资源分配算法通常假设目标函数的梯度能被测量。本报告介绍零阶分布式资源分配算法的研究进展，具体而言：通过在个体目标函数中引入随机扰动、构造差分来代替梯度信息，进而构造算法以实现分布式的资源分配；在网络拓扑满足连通性条件下，基于常微分方程法(ODE)证明了资源分配算法的最优性和强一致性。

报告人简介：

赵文虓，毕业于山东大学，在中国科学院数学与系统科学研究院获得博士学位，现任中国科学院数学与系统科学研究院研究员。他的研究方向主要集中在随机系统的建模、估计与控制，包括变量选择与稀疏参数辨识、随机系统的递推估计与适应控制、分布式估计与优化等。赵文虓目前担任《系统科学与数学》编委、IEEE Control Systems Letters编委，IEEE CSS Conference Editorial Board编委以及 IEEE CSS 北京分会秘书长等学术兼职。

莫一林

清华大学

副教授

报告题目：数据驱动的控制算法设计

报告时间：16:30-17:00，7.25

报告简介：

本演讲针对线性系统中常见的 LQG 最优控制问题，提出了数据驱动的在线控制器设计算法，证明了控制器的渐进最优性，并定量刻画了收敛速率。同时，针对无人驾驶系统，提出了一种机理与数据相结合的控制算法，并在仿真与实际 Racecar 平台中得到了验证。

报告人简介：

莫一林，现任清华大学自动系副教授。他于 2007 年在清华大学自动化系获得学士学位，2012 年于美国卡内基梅隆大学电子与计算机工程系获得博士学位。加入清华大学之前，他曾于卡内基梅隆大学，加州理工学院进行博士后研究。2015 年他加入了新加坡南洋理工大学电子与电机工程学院，任助理教授，2018 年返回清华大学自动化系任职。目前担任控制领域期刊 Automatica 的 Associate Editor。他的主要研究方向包括控制系统安全与网络化控制系统，及其在智能电网、机器人与无人驾驶领域的应用。

徐大波

南京理工大学

教授

报告题目：Distributed tracking observers for locally jointly observable LTI  systems

报告时间：17:00-17:30，7.25

报告简介：

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.

报告人简介：

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

南京邮电大学

教授

报告题目：Multi-Agent Systems Based Distributed Control and Optimization in  Smart Grids

报告时间：17:30-18:00，7.25

报告简介：

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.

报告人简介：

丁磊，南京邮电大学教授、先进技术研究院副院长、国家海外高层次人才（青年项目）、江苏特聘教授。2014 年于大连海事大学获得博士学位，2015 年至 2019 年分别在澳大利亚西悉尼大学、美国韦恩州立大学、澳大利亚斯威本科技大学从事博士后研究工作，主要研究方向为网络化群体分布式协同控制及其在智能电网的应用。2篇论文（一作）分别获得 2020 年 IEEE Transactions on Industrial Informatics 和 2019 年 IEEE Transactions on Cybernetics 最佳论文奖。主持国家自然科学基金面上项目、江苏省自然科学基金青年项目等。担任国际期刊 Control Engineering Practice 的 Early Career Advisory Board Member、IEEE Transactions on Systems, Man and Cybernetics: Systems 和 Information Sciences 等专刊客座编委。

来源：论坛组委会