视觉是人类了解外部环境结构及其变化的重要感知通道。作为人工智能的核心领域之一，计算机视觉试图充分利用认知科学原理与计算机技术来实现人类的视觉功能，使智能机器能够自主理解环境及其变化，并与环境进行高效的互动。主要研究内容包括：图像识别与检测、图像与视频的语义分割、生物特征识别、三维场景重建、动态视觉与主动视觉、人体行为分析与意图理解等。主要目的是赋予智能感知系统可靠的环境分析与理解能力，使其能够...
自然语言处理是以计算机为工具对人类特有的书面形式和口头形式的自然语言信息进行各种类型处理和加工的技术，是计算机、人工智能领域的重要学科方向，与语言学、心理学、脑科学、机器人及机器学习等专业方向交叉融合，是实现通用人工智能的核心任务之一。以通用自然语言处理技术为目标，重点研究具有高精度、高效率、高鲁棒性、可解释性、低资源适应性的多模态环境下的自然语言处理任务。主要研究内容包括：自然语言语义分析技...
听觉、言语与音乐方向以通用智能为目标，基于脑科学与类脑智能的研究范式，采用身体与环境交互的具身学习进路，重点开展复杂声学环境的场景分析、人机言语交互、音乐智能创作等方面的理论、方法和应用研究，构建和完善听知觉加工模型、言语知识表达与心智发展的新框架。主要研究内容包括：听觉的机理与建模，机器人复杂声学环境中主/被动目标声源检测、定位和增强，言语知觉、理解与生成，音乐信号多声源分离、分析，以及自动作...
智能图形与交互是研究如何数字化创造、模拟、展示高逼真世界并与之自然交互的学科，它广泛应用于数字内容创建与信息可视化，随着数字孪生、具身智能、AIGC等相关领域的快速发展，已成为人工智能的基础性技术。主要研究内容包括：几何表达、动态模拟、真实渲染、数据可视化、人机交互等对真实世界的建模、仿真、呈现与交互方法和技术。本方向以计算机图形学、可视化与人机交互为基础，与计算机视觉、语言等认知学科互为表里，与...
机器学习是研究如何使计算机模拟或实现人类学习活动的学科，它一方面研究学习机制，注重探索模拟人的学习机制，另一方面研究如何有效地利用信息，注重从数据中获取隐藏的、有效的、可理解的知识，其方法与技术支撑了人工智能的诸多领域。主要研究内容包括：机器学习理论、监督学习、弱监督学习、无监督学习、强化学习、高效训练算法、机器学习应用等。主要目的是赋予机器自主建模和决策的能力，并在运行中逐步自我提升自主建模...
通过类比人类发展过程中的里程碑事件，认知推理关注如何从原始信号（视觉、听觉、触觉或多模态）中展现“小数据，大任务”的类人学习能力，以实现对复杂物理世界和社会交互的精准建模，推动实现新一代强人工智能。认知推理是一个高度交叉的前沿方向，融汇了计算机科学、统计学、发展心理学、人类学、语言学、神经科学等最前沿的发现与实验手段。主要研究内容包括：可供性、功能性、直觉物理、因果推理、工具与模仿、非言语沟通...
多智能体方向是深度强化学习、多智能体系统、博弈论的交叉领域，主要解决在具有多个决策主体的复杂环境中，每个智能体在合作、竞争、混合博弈场景下如何通过优化自身效用函数、通过智能体之间的交互博弈寻找最优策略的问题。它是探索群体智能的重要方法之一，是实现新一代人工智能这个必达终点的途径之路。主要研究内容包括：开放环境下的通用单智能体、多智能体强化学习理论、方法与应用；智能群体机器人与工程应用；游戏环境...
智能机器人以实现高度智能化的机器人系统为目标，重点解决环境感知和运动行为能力学习问题，以期推动智能机器人领域的尖端研究发展，实现智能机器人技术在多行业服务协作中更广更深的应用落地。主要研究内容包括：聚焦于复杂动态场景的环境感知技术、基于具身智能的机器人认知架构技术、借鉴人认知机理的发展学习与推理决策技术、基于感知运动协调机理与联合协同机制的机器人自主行为控制技术等。承担国家级、省部级以及其它科...
以服务于高度智能化的机器感知和机器认知系统为核心，数据驱动和知识引导相结合，以结构化与非结构化数据为对象，开展数据智能、计算智能、智能信息系统等层面的研究工作，实现以数据为基础、计算为手段的人工智能新方法。主要研究内容包括：面向序列数据、自然语言、图像数据等多模态数据的语义表征，复杂系统状态的智能感知、语义分析和挖掘，大规模图结构数据的管理（知识图谱等）、表征学习（图神经网络等）和挖掘，知识抽...
智能芯片是实现人工智能的硬件实体载体。智能芯片方向匹配集成电路前沿技术与通用人工智能需求，以形成颠覆性通用人工智能处理器架构为总体研究目标，为智能体提供算力基础。主要研究内容涵盖机器学习加速器芯片、认知架构处理器芯片、类脑智能芯片、多智能体博弈芯片、智能系统安全与隐私保护芯片等方向，开发面向通用人工智能的处理器硬件微架构、软硬件接口库、自动化设计工具与高效率算法-芯片部署工具链等。对接通用人工智...
