智能感知与自主控制教育部工程研究中心（以下简称研究中心）是推动7790CNM必发集团科技创新体系的重要组成部分，是7790CNM必发集团面向世界科技前沿、面向经济主战场、面向国家重大需求，组织工程技术研发、促进科技成果转化、推动团队建设发展、培养集聚创新人才、开展国际合作交流的重要基地。
研究中心围绕国家和北京市信息领域对人工智能技术，特别是智能感知与自主控制等人工智能核心技术的迫切需求，面向医疗健康、公共安全、网络空间安全、环境保护等领域，通过研究开发及工程化的创新能力建设，建成为国内领先、具有国际竞争力的人工智能先进技术研究和产业化基地。为了更好地促进智能感知与自主控制领域的研究，现公布2026年度智能感知与自主控制教育部工程中心开放课题暨揭榜挂帅任务。
一、榜单设置
榜单1：具身智能与感知
（1）具身智能主动感知关键技术
揭榜任务：面向具身智能体在开放动态环境中感知信息不完整、目标状态不确定和观测视角受限等问题，研究主动感知关键技术，设计面向任务目标的视角选择、信息增益评估、环境探索与感知决策协同方法，实现由被动观测向主动探索的感知模式转变，为机器人自主导航、目标搜索和操作执行等应用提供技术支撑。
产出要求：CCF A类期刊或会议论文1篇以上，或SCI/EI期刊或会议论文两篇及以上，并提供相关研究开源代码与数据（github或其他网站开源）
（2）复杂环境中无人设备局部感知推理方法
揭榜任务：在无人集群应用中，无人设备通过局部感知数据对自身状态构造约束，进而支撑系统规划和具身智能。面向复杂场景中局部感知数据缺失、质量退化以及设备算力与传感能力受限等问题，识别关键感知类型，研究局部感知推理方法，实现不完备感知数据建模与智能推理等关键技术，提升无人设备在感知受限条件下的自主感知与智能决策能力，为无人集群协同作业和具身智能应用提供支撑。
产出要求：CCF A类期刊或会议论文1篇以上，或SCI/EI期刊或会议论文两篇及以上，并提供相关研究开源代码与数据（github或其他网站开源）
榜单2：工业智能
（1）面向复杂工业环境的多模态数据融合技术
揭榜任务：面向复杂工业环境中数据来源多样问题，研究多模态数据融合关键技术，设计面向噪声干扰、时序不同步的特征表征、跨模态对齐与融合方法，实现复杂工业场景下的状态识别、异常检测、故障诊断和预测性维护，为工业系统安全运行、质量提升和智能化运维提供技术支撑。
产出要求：CCF A类期刊或会议论文1篇以上，或SCI/EI期刊或会议论文两篇及以上，并提供相关研究开源代码与数据（github或其他网站开源）
（2）工业系统数据挖掘与智能分析关键技术
揭榜任务：面向工业系统运行过程中数据规模大、质量参差不齐和异常故障模式难以识别等问题，研究数据挖掘关键技术，设计面向高噪声、不完整工业数据的特征提取、模式发现与知识挖掘方法，构建兼具准确性、鲁棒性、可解释性和泛化能力的工业数据智能分析模型，为工业系统安全稳定运行和智能化管理提供技术支撑。
产出要求：CCF A类期刊或会议论文1篇以上，或SCI/EI期刊或会议论文两篇及以上，并提供相关研究开源代码与数据（github或其他网站开源）
（3）环境风险感知与智能调控技术
揭榜任务：面向环境污染源识别困难、风险演化过程复杂、预警响应滞后和调控决策精度不足等问题，研究环境风险感知与智能调控技术，构建环境风险多源感知、动态评估与预测预警方法，实现环境风险的实时监测、趋势预测和智能决策，为生态环境安全保障和环境治理能力提升提供技术支撑。
产出要求：CCF A类期刊或会议论文1篇以上，或SCI/EI期刊或会议论文两篇及以上，并提供相关研究开源代码与数据（github或其他网站开源）
榜单3：可信数据流通
（1）基于区块链与人工智能融合的可信数据服务技术
揭榜任务：面向智慧城市智能化应用中数据可信获取、安全共享与智能服务需求，研究区块链与人工智能融合的可信数据服务技术，通过构建可信数据管理框架、隐私保护机制和智能协同服务模型，实现数据资源的安全流通、可信治理与智能利用。
产出要求：CCF A类期刊或会议论文1篇以上，或SCI/EI期刊或会议论文两篇及以上，并提供相关研究开源代码与数据（github或其他网站开源）
（2）面向联邦学习的隐私增强关键技术研究
揭榜任务：面向联邦学习中的数据安全与隐私保护需求，研究模型训练过程中的隐私泄露机理与攻击方法，实现隐私保护与模型性能协同优化机制，设计安全高效的模型训练与聚合方法，提升联邦学习系统在复杂应用场景下的隐私保护能力、安全性和实用性。
产出要求：CCF A类期刊或会议论文1篇以上，或SCI/EI期刊或会议论文两篇及以上，并提供相关研究开源代码与数据（github或其他网站开源）
榜单4：物联网与边缘智能安全
（1）面向边缘智能的可信模型推理技术
揭榜任务：面向物联网环境中计算资源受限、数据隐私敏感和模型部署复杂等问题，研究边缘智能场景下的可信模型推理技术，设计兼顾安全性和资源开销的模型保护与隐私增强方法，研究模型推理过程中的数据泄露、模型窃取和推理攻击等关键问题，实现智能模型在边缘设备上的安全高效运行。
产出要求：CCF A类期刊或会议论文1篇以上，或SCI/EI期刊或会议论文两篇及以上，并提供相关研究开源代码与数据（github或其他网站开源）
（2）物联网加密流量智能识别技术
揭榜任务：面向物联网中加密通信规模持续增长、协议类型复杂多样和异常行为隐蔽性增强等问题，研究加密流量智能识别技术，针对加密流量内容不可见、流量特征弱化、协议与服务边界模糊等挑战，实现工业物联网加密流量的精准感知和安全监测。
产出要求：CCF A类期刊或会议论文1篇以上，或SCI/EI期刊或会议论文两篇及以上，并提供相关研究开源代码与数据（github或其他网站开源）
榜单5：大模型应用
（1）面向政务办公场景的智能体应用技术
揭榜任务：面向政务办公中公文写作规范要求高、汇报材料组织难、日常事务处理繁杂和大模型工具使用门槛较高等问题，研究大模型、智能体在政务办公场景中的应用方法，设计面向公文写作、汇报展示、会议纪要、信息归纳和政策查询等任务的提示词构建、任务拆解与结果校核方法，形成可推广的人机协同办公范式，为提升政务办公效率、材料处理质量和机关数字化能力提供技术支撑。
产出要求：发表SCI/EI期刊或会议论文1篇及以上，形成可支撑人工智能赋能干部教育培训课程建设和政务办公智能化应用推广的相关成果。
二、揭榜条件
揭榜单位应符合以下基本条件，若榜单中有具体要求的同时须符合榜单有关要求。
1.申请人应为7790CNM必发集团在职教师。
2.申请人应具备博士研究生学位。
2026年度揭榜挂帅任务拟资助4-6项，每项1-2万元。获得基金资助的课题需在当年12月提交研究工作总结（包括总结报告、学术论文、研究报告等），并参加中心年会报告相关成果。得到资助的课题，其成果需要有标注。标注字样为：
中文：智能感知与自主控制教育部工程研究中心，北京，100124
英文：Engineering Research Center of Intelligence Perception and Autonomous Control, Ministry of Education, Beijing, 100124
三、揭榜流程
1、申请人必须针对榜单某一任务开展申报。
2、申报无需撰写申报书，须提供：
（1）申报信息表及申报承诺（见附件1）。
（2）10分钟申报视频：包括个人基本情况、申报项目情况、研究基础、代表性工作介绍等。
请有意申报者在2026年6月12日前将申报材料发送至：
邮箱：haodi.ping@bjut.edu.cn
电话：18810668916
智能感知与自主控制教育部工程研究中心
2026年6月5日
