2024年10月28日上午，加拿大皇家学会院士、加拿大工程院院士、加拿大工程研究院院士、滑铁卢大学庄卫华教授以及IEEE通信学会副主席、IEEE Fellow、新南威尔士大学张伟教授受邀来到北京大学深圳研究生院进行论坛分享，宋令阳教授主持。

宋令阳教授进行主持介绍

首先，庄卫华教授介绍了自动驾驶场景中的协作感知和计算研究。在全球交通出行朝着智能化、自动化加速迈进的大背景下，自动驾驶汽车的可靠态势感知已然成为确保交通安全、提升出行效率的关键。庄教授重点剖析了在利用人工智能实现自动驾驶可靠态势感知过程中面临的主要挑战。接下来，庄教授介绍了感知数据选择、目标分类任务部署以及计算资源分配的联合优化问题，在满足延迟和准确性要求的同时最小化总资源成本。针对这一优化问题，庄教授提出了一种基于遗传算法的迭代解决方案。此外，庄教授还并介绍了能够精准捕捉目标分类准确性与所选感知数据质量之间关系的监督学习模型，为传感数据选择提供支持。仿真表明，与现有的基准解决方案相比，该方案能够更精准地识别道路上的各类物体，有效降低了整体的资源消耗。最后庄教授对此次讲解进行了总结，并且介绍了未来进一步的研究工作。

庄教授具体介绍协同方案

随后，张伟教授进行了AI驱动6G通信的报告。张教授首先介绍了AI在智能反射面通信领域的应用。智能反射面是一种前景广阔的6G技术，它将无线通信从“适应无线信道”转变为“改变无线信道”。目前，智能反射面的优化需要建立数学模型并估计信道，在实际无线电环境中复杂度过大。为此，张教授提出了一种无模型的智能反射面优化方法。该方法将智能反射面的控制建模为马尔可夫决策过程，然后应用深度强化学习对智能反射面进行实时相位控制，不需要提前建立超表面模型。张教授还介绍了AI驱动的无线电地图技术。该技术利用深度学习方法可从多输入多输出系统的原始信道状态信息数据生成无线电地图。此外，张教授提出了一个端到端的神经网络架构，可以基于位置数据生成多输入多输出系统的波束成形向量。最终，张教授展示了算法的仿真结果，体现了该算法利用位置信息替代信道状态信息的潜力。

张教授介绍智能反射面相关研究

本次论坛介绍了机器学习技术在协作感知、无线通信等领域中的应用，为同学们提供了宝贵的知识、经验与启发。论坛结束时，参会老师进行了合影留念。

论坛主要参与人员合照