世界模型与因果建模
融合运行数据与物理机理，研究系统状态演化及控制动作的影响，为预测与策略学习提供模型支撑。
物理建模动态预测因果发现
从理解，到行动。
我们的目标
研究面向真实系统的智能决策方法
提升工业与物联网系统的运行效率
探索机器学习在商业管理中的应用
RESEARCH DIRECTIONS
研究方向
理解系统动态，学习决策策略，探索可复用的工业智能。
强化学习与决策优化
研究探索、经验复用与策略学习，关注连续控制中的长期目标、运行约束与泛化问题。
探索与学习策略优化多任务泛化
工业时序基础模型
面向温度、压力、流量与功率等运行序列，探索可复用的状态表征、动态预测与跨设备、跨站点适配。
时序表征动态规律跨站点适配
工业智能体与协同控制
研究多智能体协作、分布式决策与模型驱动的控制方法，探索感知、决策、执行与反馈的闭环。
多智能体协作协同决策闭环控制
工科 × 商科
探索商科研究将因果分析与机器学习延伸到商业数据挖掘、会计与管理决策。
连接理论、算法与应用
理论突破
算法设计
场景应用
学术合作伙伴
- 澳门大学
- 香港理工大学
- 武汉大学
- 南洋理工大学
- 香港大学
- 数字经济与人工智能广东省实验室
产业合作伙伴
- 澳门超智技术有限公司
- 江苏精创股份有限公司
- 中国电信南京公司
- 汉威集团
本实验室的日常运营由
澳门超智技术
独家赞助支持！
