人机物三元融合实验室
HCPS实验室研究方向
我们实验室致力于构建人-信息-物理融合系统（HCPS）的创新框架，以解决医疗和自动驾驶等高安全性领域在动态、部分可观测环境中的关键决策难题。与传统以"全自主"为核心的网络物理系统（CPS）不同，我们聚焦于人机协同决策范式——在严格伦理与监管约束下，通过人类责任主体与智能系统的深度协作，实现安全、透明、可靠的决策优化。
针对现有系统的两大核心缺陷：
- 物理-信息因果鸿沟：传统AI依赖数据相关性而非环境因果机制，导致在复杂动态场景中产生脱离物理规律的决策偏差
- 人机认知不对称：系统既无法实时适配人类认知状态，又缺乏可解释的因果决策依据，造成信任断裂与协作失效
我们开创性地提出双数字孪生协同架构：
- 环境数字孪生：通过不确定性量化建模与反事实因果推理，构建动态场景的个性化因果表征
- 认知数字孪生：基于多模态行为数据实时推断人类决策者的隐性认知参数，预演人机交互轨迹
通过双孪生的协同演化，我们的框架实现了物理因果约束与人类认知动态的双向对齐，在时间压力与信息不完备条件下提升人机共识度。目前研究涵盖两大方向：
1. 个性化医疗诊断与治疗优化
- 融合患者特异性生理指标、治疗环境变量与医生经验知识，建立可解释的适应性治疗路径
- 开发多模态数据驱动的动态剂量调控系统，在化疗、重症监护等场景中平衡治疗效果与医疗伦理约束
2. 安全协同驾驶决策智能
- 构建驾驶意图-交通物理场-法规边界的三维协同模型，设计人机控制权动态分配机制
- 基于因果风险预测的碰撞规避系统，在极端工况下实现人类驾驶员与自动驾驶的平滑责任过渡
