报告题目：《迈向开放世界多模态具身智能》

演讲摘要：近年来，大模型和具身智能的研究取得一系列进展，但已有具身智能往往针对封闭环境，存在闭集假设和大样本假设等局限。而现实世界中的具身智能体往往面对开放环境，存在以下关键挑战：1）开放环境中存在大量数据域偏移，已有方案难以适应新数据域、对新场景进行准确理解；2）开放环境中新的类别动态出现，无法及时获得标注，已有方案难以在少量标注下准确识别新事物。本次分享将针对上述挑战，介绍一系列增强开放世界多模态具身智能的泛化能力，使其自动适应新环境、识别新事物的研究工作。针对Corner Case等问题提出新型持续泛化学习范式，并重点介绍近期关于具身智能多模态大模型的研究工作。

讲者简介：北京大学计算机学院研究员、博士生导师、博雅青年学者、智源学者。致力于开放环境泛化机器学习理论与系统研究，在人工智能顶级期刊和会议上发表论文100余篇，Google Scholar引用数1.2万次。荣获世界人工智能顶级会议AAAI’2021 最佳论文奖。作为编辑和作者由Springer Nature出版英文书籍《Deep Reinforcement Learning》，至今电子版全球下载量超二十万次，入选中国作者年度高影响力研究精选。于2018年入选美国“EECS Rising Star”，于2023年入选“全球AI华人女性青年学者榜”、“中国科协青年百人会”。曾获国际人脑多模态计算模型响应预测竞赛第一名，ICCV持续泛化学习竞赛第一名。曾多次在国际顶级会议NeurIPS、ICML上组织Workshop，担任AAAI 2022&2023&2024 高级程序委员。仉尚航于2018年博士毕业于美国卡内基梅隆大学，并于加州大学伯克利分校从事博士后研究。