控制科学与工程学科发展报告学术资讯

自动化科技将人从单调而繁复的重复性工作中解放出来，极大地拓展了人类认知和改造世界的能力。自动化程度已经成为当今世界衡量一个国家科技发展水平和综合国力的重要标准之一。经过几十年的发展，基础理论已经日趋发展成熟，计算机、网络和通信等信息技术的发展催生新的学科增长点。在过去的三年内，随着国家在科研方面的支持力度的加大，我国在自动化学科方面取得了长足的进步，在人工智能、无人系统技术、学习控制等新兴方向上有了重大的进展。

在本次《控制工程与科学学科发展报告（2016-2017）》的撰写中，围绕控制科学与工程领域（控制理论与控制工程；模式识别与智能系统；系统工程；检测技术与自动化装置；导航、制导与控制）五个二级学科以及社会计算等新兴领域，以近三年的数据库文献资源为研究对象，采取定性与定量分析相结合的知识自动化化的方法，以图谱呈现、共词分析、词频计量等为技术手段，较为全面地总结了国内控制科学与工程领域在近三年来的主要研究热点与重要进展，并对学科的发展现状与未来趋势进行了分析和预测。

三年间，自动化除了传统方向上的重要发展外，在交叉学科和新兴应用方面展现出前所未有的爆发与旺盛，主要体现在社会计算、信息物理社会融合系统、自适应动态规划等基础理论方面，同时在自主无人系统、智慧农业、智能制造、智能交通、智能电网、航空航天等领域内的应用也硕果累累。

从我国相应学科的战略需求来看，为促进控制科学与工程发展，主要提出以下5 点战略需求：一是重点关注交叉学科，科学上的新理论、新发明的产生，新的工程技术的出现，经常是在学科的边缘或交叉点上；二是重视产学研一体化，加强科技成果转化；三是基础人才的培养和支持，自动化创造智慧社会，而当今智能制造领域的人才紧缺呼唤智慧教育体系的建立；四是基础和重点研究的资金支持与投入；五是提高科研人员的社会地位和经济收入，鼓励更多青年才俊投身到自动化、信息及智能科学相关领域科学研究和工程实践中，为中国科技事业的发展储备人才力量。

化学学科重大研究进展及研究成果

视觉场景理解的模式表征与计算理论及方法

视觉场景理解是人工智能领域长期关注的科学问题，本项目对视觉模式表征与计算的联合求解框架开展了深入的研究，主要发现点有：（1）建立了视觉场景模式对应问题的随机场计算理论，解决了对应中光照变化、纹理缺失、深度/运动不连续及遮挡等关键问题，成为国际公认的立体匹配与运动估计问题的标志性工作及评测标准；（2）提出了场景理解的视觉注意力统计学习方法，克服了经典Bottom-up视觉注意计算模型的局限性，形成实现Top-down 视觉注意力的新理论；（3）建立了视觉场景的紧凑模式表征与配准模型，为复杂视觉场景中的对应和模式分类问题奠定了重要的理论基础；（4）提出了视觉主导的复杂交通场景计算与理解方法。项目成果中的 20 篇核心论文发表在国际知名期刊和顶级会议上，总他引 3187 次，两篇代表作为ESI高被引论文。主要成果被引用并评价为“基准性工作”、“代表性工作”、“通用方法”；部分成果成功应用于自主驾驶验证平台，获IEEE智能交通学会杰出研究团队奖。

来源：中国自动化学会