核心领域：人工智能、移动机器人、机器感知、多传感器数据融合。
主要技术方向：
多传感器融合与目标跟踪：集成视觉（RGB-D/热成像）、激光雷达（LiDAR）、RFID 等多模态传感器，实现人/物体检测、跟踪与重识别，基于贝叶斯滤波（卡尔曼/粒子滤波）的鲁棒状态估计；
人机交互与空间推理：利用定性轨迹演算（QTC）建模人-机器人空间交互，进行人类活动识别（HAR）与社会行为预测；
因果推断与学习：从机器人传感器数据中学习动态因果模型，用于人机交互中的运动预测与异常检测（CANDOI 框架）；
辅助技术：为视障人士开发主动视觉与音频导航系统（ActiVis）、老年人智能照护机器人（ENRICHME）；
持续学习与边缘 AI：在资源受限的嵌入式系统上部署目标检测模型（TinyML、Latent Distillation）。
关键能力：从感知、跟踪到行为建模与预测的完整机器人认知链路，具备将因果推断引入机器人行为建模的跨学科研究能力（获 CLeaR 2023 等会议认可）。
专家详情：
【重要履历】曾在英国林肯大学计算机科学学院任教逾十年，曾在牛津大学工程科学系从事博士后研究。获埃塞克斯大学计算机科学博士学位（博士论文聚焦服务机器人的多传感器数据融合用于同时人员跟踪与识别），获帕多瓦大学电子工程硕士学位。其研究专长涵盖人工智能、移动机器人、机器感知与计算机视觉，并担任欧盟 Horizon 2020 多个项目（DARKO、ENRICHME、FLOBOT）的 PI，总科研经费约170万欧元，还曾获 Google 教师研究奖。
【技术能力】专长于多传感器融合（视觉、激光雷达、热像仪、RGB-D）用于人员检测、跟踪与识别，基于因果发现与神经符号模型的人类行为预测与活动识别，以及面向视觉障碍人群的辅助技术（主动感知与导航）。精通移动机器人自主导航与长期自治、在线迁移学习与持续学习在机器人感知中的应用，并具备从传感器数据处理到人机交互的全链条研发能力。其研究方法涵盖贝叶斯滤波（卡尔曼/粒子滤波）、定性轨迹演算（QTC）与深度学习。
【标志性成果】发表期刊与会议论文100余篇，其中多篇发表于 IEEE Transactions on Intelligent Transportation Systems、International Journal of Robotics Research、IEEE T-NNLS 及 Robotics and Autonomous Systems 等顶级期刊。其研究成果涵盖行人模型用于自动驾驶车辆、ENRICHME 辅助机器人系统、以及基于 LiDAR 的人类检测在线学习方法。曾获 VISAPP 2023 最佳工业论文奖、Journal of Intelligent Service Robotics 最佳论文奖及多个国际会议最佳论文奖。其领导的 DARKO 项目聚焦动态敏捷生产机器人的学习与优化，推动了工业环境中人机交互与智能导航的前沿发展。指导了5名博士后研究员和14名博士生，并担任 IEEE Robotics and Automation Letters 副主编及多个顶会（ICRA、IROS、BMVC）的领域主席。