科研进展-北京大学人工智能研究院

科学研究

首页 >> 科学研究 >> 科研进展

似然比前向学习：北大彭一杰团队四年探索，重塑AI训练底层范式

在机器学习的各领域中，梯度计算始终是模型训练的核心步骤，其中由诺贝尔奖得主Geoffrey Hinton教授提出的反向传播（Backpropagation, BP）算法长期以来占据着主导地位。然而，在BP算法作为AI最重要的基石于近年取得的广泛成功之后，其对模型形式的严苛要求、潜在的数值问题，以及串行的递归式计算，已经逐渐成为限制AI模型设计自由度与训练效率的关键瓶颈。研究院多智能体与社会智能研究中心执行主任彭一杰教授团队长期深耕仿真优化领域，...

2026-03-25

人工智能研究院燕博南、梁一韬课题组提出ESTroM 元素流架构，为稀疏可处理概率模型…

在人工智能向神经符号融合发展的浪潮中，概率电路作为可处理概率模型的核心代表，凭借参数高效性和强大的概率推理表达能力，成为解决精确推理问题的关键技术。然而，概率电路的稀疏有向无环图结构带来了严重的稀疏 - 并行性鸿沟，现有 GPU 基于块稀疏的计算方式存在大量计算空位，传统 DAG 处理单元又无法利用节点重复特性，导致吞吐量低下。为解决这一问题，北京大学人工智能研究院团队联合新加坡国立大学、加州大学洛杉矶分校等机构的研究团队提出了ESTroM ...

2026-03-21

TacThru：让机器人指尖“边摸边看”的同步视触觉感知与多模态操作学习框架

机器人在复杂真实环境中的操作常常面临感知不足的挑战——在关键时刻的一瞬间信息不够：末端执行器靠近物体时，腕部或第三视角相机易被遮挡；执行器与物体发生交互时，触觉传感器只能在接触后提供局部信号，难以覆盖接触前的精准定位与接触过程中的连续纠偏。在视觉受限而触觉未被激活的“最后一厘米”关键阶段，环境感知能力的空白使机器人在精细和接触丰富的任务中表现受限。为解决“感知断档”这一问题，北京大学朱毅鑫助理教授团队联合北京通用人工智能研究院提出TacThru：...

2026-03-13

张牧涵课题组及合作者在《细胞》提出PocketXMol：突破多模态分子生成长期分裂问题

小分子药物设计、多肽生成、片段连接与逆折叠等任务，长期以来分别由不同模型与流程处理。小分子通常依赖图模型与3D生成框架，多肽设计则分为backbone构建、序列设计与侧链打包等多个阶段。不同任务拥有不同表示方式与训练数据，模型之间难以共享知识，也难以实现跨模态迁移。尽管近年来扩散模型和图生成模型快速发展，但“是否可以用一个统一模型同时处理多种3D分子生成任务”这一问题，一直缺乏清晰答案。2026年2月21日，北京大学人工智能研究院博士生彭鑫港、...

2026-03-03

Vi-TacMan: 视触觉融合的铰链物体操作框架

无需显式运动学模型，也能精准操控各类铰链物体。北京大学朱毅鑫团队提出的 Vi-TacMan 框架，创新性融合视觉全局感知与触觉局部反馈，以"粗引导+精执行"的分层架构，系统性解决机器人操作铰链物体时"在哪里抓"和"往哪里拉"两大核心问题。相关论文Vi-TacMan: Articulated Object Manipulation via Vision and Touch已被IEEE International Conference on Robotics and Automation (ICRA) 2026接收。家居环境中的铰链物体（柜门、冰箱、...

2026-02-27

首页上页12345...17下页尾页