8月15日下午，美国肯塔基大学机械工程系教授金旭应邀来我院作《ILC with Non-Repetitive Reference Trajectories, Iteration Varying Trial Lengths, and Asymmetric Output Constraints》学术报告。报告由信息工程学院教授陈强主持，相关学科教师与学生代表参加。

报告会上，金旭教授从非重复参考轨迹、迭代变化试验长度和不对称输出约束三方面来介绍迭代学习控制的研究现状，并详细介绍现有的相关迭代学习控制方法在处理试验长度不一致时遇到的问题与挑战。随后，基于他自身的科研经历重点介绍了如何基于复合能量函数分析方法设计学习控制律来避免迭代变化的试验长度问题，以及如何构建通用障碍函数来处理机器人操纵器的关节角度约束的研究，并对未来的热门研究方向进行展望。最后，金旭教授与在座师生展开了讨论，现场气氛热烈，参会人员收获颇多。

报告人简介：

金旭，美国肯塔基大学助理教授、博士生导师。2013年获得新加坡国立大学电子计算机专业一等荣誉学士学位，2015年获得加拿大多伦多大学电子计算机专业硕士学位，2018年获得美国佐治亚理工大学数学硕士学位，2019年获得美国佐治亚理工大学航天工程博士学位。2019年至今在美国肯塔基大学机械工程系工作。发表论文70余篇，引用量3900余次。获2024年度美国国家自然科学基金(NSF)CAREER奖项。独立主持美国国家自然科学基金(NSF)项目两项，并多次担任美国国家自然科学基金委(NSF)评审专家。另主持美国航空航天(NASA)州级项目一项。金博士在全球前2%各领域科学家榜单的斯坦福“2022年度科学影响力排行榜”总排名7562。主要方向包括智能控制理论、非线性多智能体协同、非线性系统受限问题等研究。