01
物理世界经验高效的物理学习
机器人如何把有限、连续的真实物理经验转化为可行动的知识，识别仍然存在的不确定性，并选择最有价值的新交互来消除关键歧义？
真实世界学习物理辨识信息驱动交互可微分物理
研究体系
物理学习、韧性机器人与机器人科学
我的研究关注机器人如何从有限物理经验中学习、理解并适应自身不断变化的本体，并在科学实验及其他重要系统中可靠使用这些能力。整个研究体系围绕三个相互连接的层次展开：世界、自身与系统。
返回个人主页 · 研究演示 · Google Scholar
世界学习哪些物理事实真正成立。
自身知道机器人当前真正能做什么。
系统在人类参与的重要任务中安全行动。
三个研究方向
02
机器人自身自我认知与韧性机器人学
机器人如何建立自身结构、传感器、执行器、软件接口与能力的运行模型，并在本体发生变化、退化或损伤时重新判断自己还能做什么？
本体发现能力推理损伤适应受约束自主
03
人机系统可信机器人科学
机器人、AI、机理模型与科学家如何形成可审计的实验系统，并在实验结果、设备状态或流程偏离预期时保持安全、韧性和科学有效性？
AI for Science人在回路实验室机器人韧性实验
贯穿三个方向的研究原则
它们不是独立方向，而是连接整个研究体系的方法论主线。
从稀缺的真实经验中学习
物理数据昂贵、缓慢且有后果。我关注如何从真实机器人能够实际获得的有限交互中提取最大价值。
让物理信念可以被检验
可解释性应把内部知识连接到物理原因、不确定性，以及能够验证或证伪假设的实际行动。
面向有边界的韧性自主
自主系统应验证假设、监测失败、在证据允许时恢复，并在证据不足时把决策权交还给人。
研究活动
项目与资助
- — UKRI Network+ | DisCouRSE — Developing dRTP Leadership for Reliable AI-Driven Autonomous Laboratories
角色：Co-I、Lead Researcher | 总金额：GBP 14,693.09 - — Cardiff-Xiamen Collaboration Fund
角色：Co-I | 总金额：GBP 4,910 - — PHYDL: Physics-Guided Differentiable Learning for Robotic Manipulation of Deformable and Granular Materials
角色：Research Associate | PI: Ze Ji | 资助：EPSRC New Horizon - — Almond: Autonomous Laboratory for Molecular Discovery
角色：Research Associate | PI: Oliver Castell; Co-I: Ze Ji, Jin Li | 资助：BBSRC
学生指导
- Minglun Wei — 共同指导博士生，卡迪夫大学（在读）— 可变形物体操作
- Boliang Cai — 曾共同指导博士生，现为拉夫堡大学 Research Associate — 自动驾驶
合作研究者
Prof Ze Ji · Honorary Professor, Cardiff University
机器人与自主系统、机器人 AI、计算机视觉
Prof Yu-Kun Lai · Professor, Cardiff University
3D 几何、计算机图形学、AI
Dr Oliver Castell · Reader, Cardiff University
合成生物学、单分子科学、人工细胞
Dr Jin Li · Senior Lecturer, Cardiff University
微流控与纳流控、合成生物学
Dr Jing Wu · Lecturer, Cardiff University
计算机视觉、AI