本次学术报告将于2026年9月3日15:30在深圳大学粤海校区校友广场303会议室举行，由香港岭南大学数据科学学院侯志民博士主讲，报告题目为“Task-Level Generalization in Physical Interaction Control（物理交互控制中的任务级泛化探索）”。报告将围绕具身智能、强化学习与物理人机交互控制展开，重点探讨机器人如何在不同任务和真实交互场景中实现更强的适应性、泛化能力与安全控制，为康复机器人、可穿戴机器人及人机协作等领域提供新的研究思路。

Biography:

侯志民博士，现任香港岭南大学数据科学学院 Tenure-track 助理教授，主要从事具身物理人机交互与智能机器人控制研究。2016年本科毕业于同济大学机械工程专业，获工学学士学位；2019年获清华大学机械工程硕士学位，主要研究面向机器人操作任务的数据高效强化学习方法，相关成果获评清华大学优秀硕士学位论文。期间，曾以访问研究员身份赴加拿大阿尔伯塔大学强化学习与人工智能实验室开展研究，与强化学习领域奠基人、图灵奖获得者 Richard S. Sutton 教授合作，探索强化学习理论及其在机器人智能控制中的应用。2024年，侯志民博士于新加坡国立大学获得生物医学工程博士学位，博士期间主要围绕康复机器人与可穿戴机器人的物理人机交互控制开展研究，重点研究基于串联弹性驱动器的柔顺交互与按需辅助智能控制方法，致力于提升机器人辅助过程中的安全性、适应性与个性化水平。博士毕业后，于2024–2025年先后在美国北卡罗来纳州立大学和纽约大学开展博士后研究，主要研究面向可穿戴机器人的仿真到现实强化学习（Sim-to-Real Reinforcement Learning），推动学习型智能控制方法从仿真环境向真实机器人系统迁移与部署。整体研究围绕具身智能、强化学习与物理人机交互的交叉融合，致力于发展具有高适应性、高泛化性和安全交互能力的智能机器人控制方法，并推动其在康复机器人、可穿戴机器人及人机协作等场景中的应用。