Yu Xiang
更新-260416 | 发布-260416
基本信息
- 高校：德克萨斯大学达拉斯分校（The University of Texas at Dallas）（美国）
- 院系：Erik Jonsson School of Engineering and Computer Science Computer Science
- 职称：助理教授
- 性别：男
- 研究领域：机器人技术/计算机视觉/机器学习
- 博士毕业院校：密西根大学
- 本科毕业院校：复旦大学
个人研究情况
Yu Xiang 现任美国德克萨斯大学达拉斯分校（UT Dallas）计算机科学系助理教授，也是 Intelligent Robotics and Vision Lab（IRVL） 的负责人。UT Dallas 官方资料显示，他的研究标签主要是 computer vision 和 robotics，办公室在 ECSS 4.702。在加入 UT Dallas 之前，他曾于 2018–2021 年在 NVIDIA Research 担任机器人方向高级研究科学家；更早之前，他于 University of Michigan, Ann Arbor 获得电子与计算机工程博士学位，导师是 Silvio Savarese；随后在 University of Washington 做博士后研究，合作导师是 Dieter Fox；博士期间还曾在 Stanford AI Lab 做访问学生研究员。再往前，他的硕士和本科都毕业于 复旦大学计算机科学专业。
从研究定位看，Yu Xiang 属于非常典型的 机器人 + 计算机视觉 + 3D 感知 交叉型青年 PI。他个人主页对自己的研究目标概括得很清楚：关注如何让智能系统或机器人从传感数据中理解三维环境，并在真实世界中完成任务；核心思路是把 perception（感知）、planning（规划）和 control（控制） 系统性地结合起来，并借助机器学习，尤其是深度学习，解决机器人在复杂现实环境中的感知与操作问题。主页还特别提到，他很重视把 几何约束等领域知识 融入神经网络表示学习中，以更有效地建模 3D 场景。
更具体地看，他的研究大致可以分成三条主线。第一条是 机器人感知（robot perception），包括 unseen object instance segmentation、6D object pose estimation、semantic mapping、multi-object tracking、transparent object recognition 等，也就是让机器人在复杂、遮挡、多样化的环境中更准确地识别和理解物体。第二条是 机器人操作与抓取（manipulation），例如 6D robotic grasping、manipulation trajectory optimization，重点是让机器人不仅“看得懂”，还能够真正“抓得住、操作得动”。第三条是 感知-规划-学习一体化，包括通过深度学习和自监督方式，让机器人从与三维环境的交互中学习技能，并逐步形成更通用的任务执行能力。
从成果风格来看，Yu Xiang 的研究很有“机器人视觉强组”特征。个人主页列出的代表性方向覆盖 PoseCNN、6D object pose estimation、robot manipulation、object-centric perception、RGB-D scene understanding 等主题；近年的公开报告题目也集中在 cross-embodiment robotic manipulation、object-centric perception、learning robotic manipulation from human demonstration videos 等前沿问题上。2026 年，UT Dallas 研究办公室还公布他获得一项约 39.9 万美元的 NSF 资助，项目主题是让机器人通过分析人类示范视频学习新的操作技能，减少对手工编程和预构建物体数据的依赖，这也说明他当前正在向 从人类演示中学习机器人操作 的方向积极推进。
学术影响力
- 谷歌学术引用：14768
- H指数：58
整体评价
A