01物理世界
经验高效的物理学习
研究机器人如何从少量、连续的真实交互中形成可行动、物理可解释的知识，并判断何时还需要进一步交互。
真实世界学习物理辨识信息驱动交互
查看方向 
核心研究问题
自主机器人如何建立对物理世界的可靠知识、理解自身变化的本体，并在人类参与的科学系统中安全使用这些能力？
研究方向
02机器人自身
自我认知与韧性机器人学
研究机器人如何建立自身本体与能力的运行模型，识别变化或损伤，并在无需重新人工工程化的情况下安全适应。
本体发现能力推理损伤适应
查看方向 03人机系统
可信机器人科学
研究机器人、模型与科学家如何组成可审计、可恢复的实验系统，并在设备、证据或流程偏离预期时保持安全。
人在回路韧性实验室AI for Science
查看方向 三个方向都强调物理扎根且可检验的表示：可解释性不只是事后生成解释，而是让机器人的内部信念能够对应到物理原因、不确定性，以及能够验证这些信念的行动。
技术专长
可微分物理系统辨识物理信息机器人学习分层强化学习可供性学习机器人操作可变形与颗粒材料操作三维感知与点云技能与轨迹优化无地图导航
关于我
我目前是卡迪夫大学工程学院与药学和制药科学学院的研究助理，同时担任机器人与自主系统实验室经理。我的研究位于物理学习、机器人操作、系统辨识、韧性机器人和自主科学实验的交叉点；三维与多模态感知则作为支撑机器人在不完整物理信息下推理和行动的重要技术工具。
真实机器人无法假设无限数据、完全已知的本体或始终可重复的环境。因此，我关注如何从少量交互中提取有用的物理知识、判断机器人当下真正具备哪些能力、识别这些假设何时失效，并主动获取安全适应所需的新证据。
我于 2023 年在卡迪夫大学获得博士学位，博士期间主要研究机器人操作中的分层强化学习与可供性学习。在此之前，我在广东工业大学获得机械与工业工程学士和硕士学位。
近期动态
- 关于可微分物理优化数值可靠性的工作在 IROS 2026 DOM-R3 Workshop 进行了报告。
- DDBot 论文发表于 IEEE Transactions on Robotics。
- Celebi's Choice 论文发表于 IROS 2025。
- 关于弹塑性材料可微分物理系统辨识的研究被 IJRR 接收。
- 我加入了卡迪夫大学一项由 BBSRC 资助的机器人与自动化生物实验室项目。
教学与公众参与
我是英国高等教育学会会士（FHEA）。2023–2024 年，我在卡迪夫大学担任 EN3062 Robotics and Image Processing 与 EN4062 Advanced Robotics 的课程讲师。
我也参与机器人实验室参观、研究演示、学生培养以及面向公众的机器人与自主系统科普活动。