01. 成果简介 为适应未来水下航行器技术发展的要求，海工装备界在开发具有广域活动能力和高机动性的新型水下航行器的同时，也正在为传统水下航行器寻找更优良的推进和操纵系统。仿生技术则成为水下航行器的重要研究方向。 水生动物经过上亿年的演变和进化，早已在优胜劣汰中将其在水中的运动能力发挥到了极至，其中鱼类和鲸类等哺乳动物的游动方式具有高速、灵活、低噪等特点，其游动和控制姿态能力，是任何装备传统操纵与推进系统的人造水下航行器所无法比拟的。水下仿生技术，通过对鱼类游动机理的研究，利用机械结构、电子设备和功能材料来开发模仿鱼类的操纵和推进模式，并将其应用于水下航行器。 与传统的螺旋桨推进器相比，将仿鱼尾推进器应用于水下航行器，成为新型的仿生水下航行器，具有如下特点：（1）高推进效率，节能；（2）高机动性，灵活；（3）推进系统与操纵系统合二为一，共型；（4）噪声低、环保，隐身能力强。本项目旨在开发“仿蓝鳍金枪鱼潜航器”，以实现产业化为目标，依托清华大学电子工程系和天津高端装备研究院，经前期数年研发，已完成实验室原理样机和试验样机I型，并于2018年10月份在天津东丽湖进行了水试，验证了核心技术。仿蓝鳍金枪鱼潜航器试验样机I型体长2.6米，设计潜深100米，最大航速1.7米/秒（3.5节），速度体长比0.65，功耗0.88kW，处于国际领先水平。经进一步研发和改进，2019年9-10月将进一步试验，预计航速达6~8节，远高于螺旋桨推进平均2-3节的航速。图1 仿蓝鳍金枪鱼潜航器-试验样机I型 总装图 图2 仿蓝鳍金枪鱼潜航器-试验样机I型 下水吊装图 图3 仿蓝鳍金枪鱼潜航器-试验样机I型 水试图02. 应用前景 本成果的新型仿生AUV，推进效率高、自体噪声小、机动性好，速度接近4节，成熟度达到产品化标准，在智慧海洋、智慧海防迅猛发展的新时代，可广泛用于现代渔业养殖、勘探开发、抢险救援、科考研究、水下检修、观光旅游等民用市场，为海洋经济产业发展提供新型支撑手段；同时，也可用于海防等军用市场。03. 知识产权 已申请专利和软件著作权近20项。04. 团队介绍 本项目以电子工程系任勇教授团队为核心，成立了海洋信息与智能装备研究所，隶属于清华大学天津高端装备研究院。研究方向以自主式水下潜航器（Autonomous Underwater Vehicle，简称AUV）和多AUV水下蜂群为主，包括水下机器人的运动学机理研究、深海环境下的信息交换与处理、深海环境下定位与协同、深海AUV装备的研发制造技术、机器学习理论及其应用技术、复杂生产制造过程的建模与优化调度技术等。近五年来，在IEEE Transactions、IFAC Automatica、EJOR等专业顶级期刊发表国际权威期刊论文30余篇。05. 合作方式 投融资 / 商务合作。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn

RML63系列超轻量仿人机械臂为睿尔曼公司自主研发生产的6自由度长臂展机械臂，本系列共有三款产品型号：RML63-B标准版、RML63-ZF一维力版、RML63-6F六维力版；

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov11等前沿模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。

本项目折流湿地滤池+侧向潜流湿地床污水处理系统设计了全新的厌氧竖向 折流湿地和兼（好）氧侧向潜流湿地组合。其解决的关键技术体现在：湿地系统 中合理设置了自然复氧区、湿地床深度和内回流系统（在高浓度进水和低温时启 动），突破了现有人工湿地技术氧传递能力低的局限，达到系统内溶解氧的科学 分布，供氧效率是现有人工湿地的约4倍，显著提升了侧向潜流湿地床的溶解氧 水平；在无能耗下大幅提升了湿地系统内的微生物作用强度，极大地提高了氮及 有机物的去除效率；优化了湿地流态，提高了水力效率，解决了现有技术池容利 用率低的缺陷。

人工智能技术飞速发展,我国大体上能够与世界先进国家发展同步。我国拥有自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等很多智能科技成果已进入市场,但是9%以上是软件、算法产品，在人工智能神经网络芯片研发方向上,我国又是落后于美国5-10年左右，可以预见的是,将来我国的人工智能神经网络硬件又将进口大量的IBM、Google、NVIDA、Braodcom等公司的产品,遵循的标准又将按美国的标准,在市场上处于弱势地位。

主要研究自然语言处理研究领域的算法和应用实践。涉及语义解析、意图识别、FAQ 问答、多轮对话、知识图谱等关键技术，研究内容包括分词、向量表示、分类等文本预处理技术，以及将自然语言处理核心算法应用落实到智能客服、NLP 引擎、航天空管交互等实际场景中，团队研发的 AI 产品已经跟国内企业、研究所开展了长期合作并动态跟踪，获得了广泛的一致好评。 人工智能 NLP 引擎项目是基于多语种分词、多语种情绪识别、词句关系分析、意图识别、文本聚类等自然语言处理技术实现对海量录音文本的知识挖掘，识别重要信息。为录音服务行业下游业务的分析人员提供分析思路，以便得到多维度、多形式分析结果，将发现转换为可落地的业务决策，这些数据驱动的业务决策，包括客户体验、座席行为、产品改进、风险监测等多个方面，帮助企业改善用户体验、降低成本、提升效率、提升业绩、降低风险等。 1.多语种分词。分词指的是将一个字序列切分成一个一个单独的词，是将连续的字序列按照一定的规范重新组合成词序列的过程。文本在入库时调用接口进行了分词，分词可用于模型的匹配和热词的统计。 2.词句关系分析。根据词句关系接口识别的中心词，然后用中心词进行词频的统计，对于目标样本，统计出高频中心词用来概括目标样本中主要描述的对话内容。 3.意图识别。识别出客户语句的意图，以便进行相应的功能操作、信息推荐等。 4.多语种情绪识别。情绪识别是对包含主观信息的文本进行情感倾向性判断，正向或者负向（如果能提供训练数据集，可以识别更多种类的情绪）。为客户之声下游任务的口碑分析、话题监控、舆情分析等应用提供帮助。目前支持中文、粤语的情绪识别。根据情绪标识，用情绪进行搜索和统计分析。 5.文本聚类。文本聚类将一大段文本中心词和中心词的关联词、近义词生成一个图，用于可视化文本的内容。 6.自定义分词、意图。对分词分词、意图种类进行增删、扩展、微调等。

湍流-噪声-振动耦合与控制研究所作为人工智能控制湍流的先驱，结合机器学习方法，开创性地提出并研发具备“思维、创新”能力的人工智能控制湍流平台，并用于湍流射流控制，研究发现文献中从未报道过的湍流结构，其混合速率远超传统方法，主要成果即将在流体力学顶级期刊Journal of fluid mechanics上发表。鉴于该项成果在工程应用的重要前景，获国家自然科学基金“湍流结构的生成演化及作用机理”重大研究计划重点支持项目，亦作

（一）项目背景 针对现实场景中，存在需要对服务行业录音文件内容进行详细分析， 但是面对海量录音文件无法仅通过人力资源去逐一分析的弊端，本项目旨 在通过实际应用场景结合计算机和人工智能技术开发一个人工智能 NLP 引 擎，用以解决海量录音文件经过 ASR 转文本后，对录音内容进一步按需分 析，最终得到较为完整的分析结果，以便于企业进一步采取商业策略。 （二）项目简介 人工智能 NLP 引擎项目是基于多语种分词、多语种情绪识别、词句关 系分析、意图识别、文本聚类等自然语言处理技术实现对海量录音文本的 知识挖掘，识别重要信息。为录音服务行业下游业务的分析人员提供分析 思路，以便得到多维度、多形式分析结果，将发现转换为可落地的业务决策，这些数据驱动的业务决策，包括客户体验、座席行为、产品改进、风 险监测等多个方面，帮助企业改善用户体验、降低成本、提升效率、提升 业绩、降低风险等。 （三）关键技术 1.多语种分词。分词指的是将一个字序列切分成一个一个单独的词，是 将连续的字序列按照一定的规范重新组合成词序列的过程。文本在入库时 调用接口进行了分词，分词可用于模型的匹配和热词的统计。 2.词句关系分析。根据词句关系接口识别的中心词，然后用中心词进行 词频的统计，对于目标样本，统计出高频中心词用来概括目标样本中主要 描述的对话内容。 3.意图识别。识别出客户语句的意图，以便进行相应的功能操作、信息 推荐等。 4.多语种情绪识别。情绪识别是对包含主观信息的文本进行情感倾向性 判断，正向或者负向（如果能提供训练数据集，可以识别更多种类的情绪）。为客户之声下游任务的口碑分析、话题监控、舆情分析等应用提供帮助。目前支持中文、粤语的情绪识别。根据情绪标识，用情绪进行搜索和统计 分析。 5.文本聚类。文本聚类将一大段文本中心词和中心词的关联词、近义词 生成一个图，用于可视化文本的内容。 6.自定义分词、意图。对分词分词、意图种类进行增删、扩展、微调等。

近日，东南大学化学化工学院青年教师陈旭漫博士在国际顶级期刊《Angewandte Chemie（德国应用化学）》上发表题为“Efficient Near-Infrared Emissive Artificial Supramolecular Light-Harvesting System for Imaging in Golgi Apparatus”的学术论文。 光捕获过程作为将自然光进行捕获、能量转化并利用的步骤，是植物光合作用中第一个也是十分重要的过程。构筑人工光捕获体系对于光能的利用具有重要意义，但目前构筑具有高效人工光捕获体系仍存在很大挑战。 东南大学研究团队利用“杯芳烃诱导聚集”策略，设计合成两亲磺化杯芳烃和阳离子型萘基吡啶衍生物作为荧光给体在水溶液中自组装，并引入尼罗蓝作为荧光受体分子，成功构筑了近红外发射的超分子人工光捕获体系。 通过进一步研究，团队发现该体系在细胞内依然保持很高的光捕获效率和高度稳定性，同时证明了其对高尔基体染色的选择性。该研究对于人工超分子光捕获体系传感、成像、诊断等方面的研究有着重要的推动作用。论文第一作者为东南大学化学化工学院青年教师陈旭漫，东南大学为第一通讯单位。

神兽们一批批“归笼”，对于家长们来说，真是大舒一口气。不过为了孩子们的安全，各个学校可都费尽了心思。 为了迎接学生返校，温州大学的南北校区大门口，都装上了人工智能防疫的神器。这套由学校大数据与信息技术研究院自主研发的“人工智能防疫系统”，是学校教师自己的研究成果，为学校即将到来的复学工作奠定基础，做好充分的安全准备。 “人工智能防疫系统”是温州大学大数据与信息技术研究院基于数据挖掘技术自主创新研发的智能系统，在传统“亮码+人工核验登记”的通行方式上进行改进升级，与校园大数据、市民卡健康码等数据平台共享，通过人脸识别打造非接触式体征识别与统计管理方式。 除此以外，这套系统还结合人流高峰与日常人行、车行、访客管理等多重场景模式，为师生数字化信息后端服务提供有效防疫应用保障，可实现无接触高精度体温检测，精准掌握风险点，降低防控成本、减少感染风险，大大提升防疫管理水平，提前阻断疫情蔓延渠道。 此外，这套智能防疫系统可在学校数据库中搜集比对师生基本属性及假期行为数据，通过后台分析算法挖掘和模拟用户画像，自动摸排并动态监测师生异常，为学校相关管理部门提供管理和决策依据，提前做好疫情防护及应急预案工作。 温州大学大数据与信息技术研究院成立于2019年10月23日，位于温州市龙湾区浙南云谷，是依托温州市人民政府与中国交通通信信息中心战略合作协议，由交通安全应急信息技术国家工程实验室、温州高新区（浙南科技城）管委会和温州大学共同建设、共同组织管理的研究开发机构。研究院科研主力多为温州大学计算机与人工智能学院博士教师。 为保障开学，研究院向温州大学捐赠了两套系统，学校各部门对即将到来的开学潮充分调研，做好了充足准备。