研究
我研究智能系统如何从人类行为与神经活动中学习，同时保持对监督者透明、可理解。
Physical AI
我的 Physical AI 研究聚焦于真实、高负荷场景中的具身智能体。通过闭环系统将人类反馈，尤其是隐式错误信号，转化为对视觉、听觉和触觉提示的在线调整，从而在保持人类有效参与的前提下提升自主系统安全性。
脑机接口
我面向运动想象、触觉感知、情感识别与神经语言建模开发脑电解码方法和沉浸式 BCI 系统。其中一个持续目标是提升跨用户鲁棒性：学习可迁移的表征，同时保留有意义的个体差异。
可解释人工智能
我研究面向细粒度识别与神经解码的反事实解释方法。这些方法超越通用显著图，从物体和局部区域两个层面识别与误分类相关的证据，使研究者能够真正分析模型失败原因。
当前方向
我目前将这些研究主线汇聚到面向人类—具身智能协同的神经自适应接口，并期待围绕具身智能体、多模态神经信号、自适应监督与可信机器学习开展国际合作。