[1] 复杂系统的智能控制（大数据模型，深度强化学习理论等）

主要应用：考虑复杂工业系统中难建模、长时滞等问题，基于历史数据信息引入大数据模型，结合深度强化学习理论构建最优控制策略。

[2] 多机器人/物流车的多任务最优分配策略研究（深度强化学习理论等）

主要应用：自动化仓储系统的任务分配与调度等，考虑多任务的动态新增与取消、电池充电里程约束与自充电规划、全局多路径选择等。另外，在JG作战场景下，基于知识库构建，实现已有专家经验与未知场景识别结合的快速反应策略。

[3] 多机器人的协同搬运与协同感知研究（图论，非线性系统理论，地面力学理论等）

主要应用：多机器人协同搬运，使用多个带有机械臂的移动平台，协同搬运物体，实现复杂场景下的物体搬运与姿态精准控制；多月球车的月面联合巡视探测与松软月壤信息联合感知等，分布式感知并构建未知区域内的月壤分布规律。

[4] 无人驾驶车辆的智能驾驶控制与感知研究（非线性系统理论等）

主要应用：针对无人驾驶车辆/AGV的智能导航与控制任务，实施SLAM、RTK、IMU等传感器的信息融合，进一步实现复杂条件下的轨迹跟踪控制等。

场景1：多车/车联网-跟驰控制

场景2：多机器人编队控制——视野约束