2026年3月26日，人工智能学院在15栋322召开了科研六组例会，杨老师汇报了课题组在强化学习方向的研究进展，重点介绍了为解决策略梯度算法训练不稳定、样本效率低等问题所设计的PPO算法框架。主要内容如下：
项目进展汇报：杨喆老师牵头汇报《基于边缘计算的物联网设备异常检测系统》《物联网多传感器数据融合的环境监测平台》两项核心项目进展，明确已完成工作、阶段性成果及现存问题：
1.《物联网设备异常检测系统》：已完成边缘端数据采集模块部署、设备运行日志数据集构建，初步搭建了基于时序分析的异常检测模型，当前瓶颈为低功耗设备数据传输延迟高、异常误报率偏高；
2.《环境监测平台》：已完成温湿度、PM2.5等多传感器数据采集节点的硬件调试，当前存在不同传感器数据时间同步误差大、数据融合算法鲁棒性不足的问题。
3.技术研讨：别岳超老师针对项目中涉及的边缘端模型轻量化、多传感器数据对齐等技术难点展开专题讨论，分享方案与优化思路：
针对边缘端模型部署，提出来用模型量化+剪枝的轻量化方案，适配低算力物联网设备，降低推理延迟；
针对多传感器数据同步与融合，推荐引入时间戳校准算法与卡尔曼滤波，解决数据时序错位问题，提升融合数据的准确性。
数据管理规范：许子龙老师牵头讨论物联网设备运行数据与多传感器环境数据的全流程管理方案：
明确数据采集、清洗、标注、存储及共享的标准流程，制定设备日志与传感器数据的统一格式规范；
强调物联网数据的隐私与安全要求，确定数据存储权限划分，制定边缘端数据加密传输方案，确保数据安全满足项目研发需求。
校企合作交流：规划与相关企业的合作项目推进计划：
与工业物联网企业对接，明确设备异常检测系统的工业场景适配优化方向与需求清单；
与智慧城市相关企业沟通，推进环境监测平台的落地部署与数据可视化系统开发，同步后续对接节点与分工。
后续工作安排：
各项目负责人于4月4日前提交阶段性优化方案与实验计划。
图为例会讨论现场
