欢迎加入我们同济空间智能团队！

同济空间智能团队致力于计算机科学与技术、人工智能等学科在空间智能方面的学科建设，团队发展，人才培养，科学研究与技术应用。建设的目标是从事国际最前沿、最顶尖的学术研究与系统实现，同时培养杰出人才，承担国家重大科研项目和转化科研成果。团队正快速发展，现有欧洲科学院外籍院士1人，ACM/IEEE/OSA Fellow 1人，国家级人才及教授/研究员17人。团队成员均来自国内外著名大学的博士，已形成一支以名校博士为学术骨干和高素质研究生为后备力量的有活力的高峰团队。团队围绕空间智能布局三大研究方向：1）多模态数据引擎，针对空间数据稀缺性问题，打造可自主迭代的空间数据引擎，为空间智能研究提供知识养料；2）多模态世界模型，针对模型空间泛化性弱的问题，解决跨空间、跨任务、跨本体的核心挑战，为空间智能构建决策中枢；3）多模态具身智能，针对空间智能在实际物理空间落地难的问题，突破传统具身模型存在的不灵活、难迁移等技术难点，为空间智能插上物理应用的翅膀。

团队以“让智能真正理解并作用于真实物理世界”为使命，通过“多模态数据引擎—多模态世界模型—多模态具身智能”三位一体布局，在“空间数据、基础模型、具身应用”三大研究要素上协同进化，为空间智能在多学科的创新发展注入新动能。团队在IEEE TPAMI、ACM MM、CVPR、ICCV、AAAI、VLDB、IEEE TIP、IEEE TKDE、IEEE TMM、IEEE TNNLS等著名会议和期刊上发表论文600余篇，荣获教育部自然科学一等奖、电子学会自然科学奖一等奖、吴文俊人工智能自然科学一等奖，获得10多项国际会议和期刊最佳论文奖项，如ACM MM最佳论文奖、IEEE TMM最佳论文奖、IEEE TFS最佳论文奖、ACM SIGIR最佳论文提名奖、VLDB杰出演示奖等，100多篇论文入选ESI高被引/热点论文。团队承担过3项国家科技部科技创新2030—“新一代人工智能”重大项目等数十项国家级项目。在人才培养方面，团队成果显著，毕业生广泛进入字节跳动、阿里巴巴、腾讯等头部企业，多名研究生获“华为天才少年”、优秀博士/一级学会硕士学位论文及CCF A类会议最佳论文（提名）等奖励。

团队聚焦空间智能这一人工智能前沿方向，兼具基础研究价值与广泛产业应用前景，是推动未来智能技术突破的重要领域。团队科研资源充足、算力保障完善，依托高水平科研平台及国家和上海市重大项目支撑，既能开展高水平学术研究、产出顶级论文，也能深度参与真实系统研发与落地实践，全面提升科研创新能力与工程实践能力。

欢迎对课题组感兴趣的不同专业背景（计算机、软件、自动化、控制、数学等）的同学加入！

1.ARC Centre of Excellence,  ARC Centre of Excellence for Children and Families over the Life Course

2.Australian Research Council, Embracing Changes for Responsive Video-sharing Services

3.Australian Research Council, Responsible Modelling Respecting Privacy, Data Quality, and Green Computing

4.国家自然科学基金委员会, 面上项目, 62576236, 面向专业领域低资源场景的实体关系抽取方法研究

• 1.Peng-Fei Zhang, Zi Huang, Guangdong Bai. Universal Adversarial Perturbations for Vision-Language Pre-trained Models. In Proceedings of the International ACM SIGIR Conference on Research and Development in Information Retrieval. 2024, pp. 862-87.
• 2.Peng-Fei Zhang, Zi Huang, Xin-Shun Xu, and Guangdong Bai. Effective and robust adversarial training against data and label corruptions. IEEE Transactions on Multimedia. 2024, 26: 9477-9488.
• 3.Peng-Fei Zhang, Guangdong Bai, Hongzhi Yin, and Zi Huang. Proactive privacy-preserving learning for cross-modal retrieval. ACM Transactions on Information Systems. 2023: 1-23.
• 4.Peng-Fei Zhang, Guangdong Bai, Zi Huang, and Xin-Shun Xu. Machine unlearning for image retrieval: A generative scrubbing approach. In Proceedings of the ACM International Conference on Multimedia. 2022, pp. 237-245.
• 5.Peng-Fei Zhang, Yang Li, Zi Huang, Xin-Shun Xu. Aggregation-Based Graph Convolutional Hashing for Unsupervised Cross-Modal Retrieval. IEEE Transactions on Multimedia. 2021, 24: 466-479.
• 6.Peng-Fei Zhang, Jiasheng Duan, Zi Huang, and Hongzhi Yin. Joint-teaching: Learning to refine knowledge for resource-constrained unsupervised cross-modal retrieval. In Proceedings of the ACM International Conference on Multimedia. 2021, pp. 1517-1525.
• 7.Peng-Fei Zhang, Yang Li, Zi Huang, and Hongzhi Yin. Privacy protection in deep multi-modal retrieval. In Proceedings of the International ACM SIGIR Conference on Research and Development in Information Retrieval. 2021, pp. 634-643.
• 8.Peng-Fei Zhang, Zi Huang, and Xin-Shun Xu. Proactive privacy-preserving learning for retrieval. In Proceedings of the AAAI conference on artificial intelligence. 2021: pp. 3369-3376.
• 9.Peng-Fei Zhang, Zi Huang, Guangdong Bai, and Xin-Shun Xu. IDEAL: High-order-ensemble adaptation network for learning with noisy labels. In Proceedings of the ACM international conference on multimedia. 2022, pp. 325-333.
• 10.Peng-Fei Zhang, Chuan-Xiang Li, Meng-Yuan Liu, Liqiang Nie, and Xin-Shun Xu. Semi-relaxation supervised hashing for cross-modal retrieval. In Proceedings of the ACM international conference on Multimedia. 2017, pp. 1762-1770.