Je suis professeur associé à l’École d’automatisation et de détection intelligente de l’Université Jiao Tong de Shanghai, où je travaille au sein du laboratoire de robotique autonome. J’y ai suivi des études en automatisation et en contrôle avant de rejoindre l’Institut royal de technologie de Stockholm (KTH), où j’ai obtenu mon doctorat en mathématiques appliquées et computationnelles en 2019, avec une spécialisation en optimisation et en théorie des systèmes. Après deux ans passés dans le secteur privé, je suis revenu à l’Université Jiao Tong de Shanghai en 2021.

Mes recherches s’appuient sur les statistiques et l’optimisation pour l’identification de systèmes, le contrôle optimal inverse et la prise de décision robotique. Dans le domaine du contrôle optimal inverse, je déduis les objectifs sous-jacents à un comportement observé, avec des applications aux mouvements humains et à la rééducation. Mes travaux connexes portent notamment sur les jeux dynamiques inverses. Je m’intéresse aux conditions dans lesquelles ces objectifs peuvent être identifiés et à la question de savoir si un estimateur converge vers la réponse correcte à mesure que davantage de données deviennent disponibles. Cela m’a conduit à développer des méthodes statistiquement cohérentes tant pour les systèmes linéaires-quadratiques que pour les systèmes non linéaires.

Cette même perspective statistique sous-tend mes travaux sur la localisation et la cartographie simultanées (SLAM). Pour le radar 4D, nous estimons le mouvement en faisant correspondre les moments généralisés de nuages de points successifs, sans avoir besoin de correspondances entre les points individuels, et nous intégrons ces estimations dans l’optimisation du graphe de pose. Je travaille également sur la planification de mouvement, où l’incertitude liée à la localisation et au mouvement des obstacles influe sur le risque de collision. Nos formulations robustes au niveau de la distribution rendent les contraintes liées au risque de collision gérables sur le plan informatique sans nécessiter une connaissance exacte de la distribution des erreurs. Cela relie les modèles statistiques des erreurs de détection à des contraintes explicites sur le risque accepté par le planificateur de mouvement. Les applications concernent notamment les robots à roues et à pattes ainsi que les dispositifs d’assistance.

J'ai animé un séminaire au GERAD en juin 2026 et j'aimerais poursuivre ces discussions avec des collègues spécialisés dans le contrôle optimal, la théorie des jeux et l'optimisation sous incertitude. Une question que j’espère approfondir avec eux concerne la manière d’intégrer l’incertitude liée aux objectifs déduits et aux états estimés dans la planification et le contrôle par rétroaction, tout en garantissant la faisabilité des calculs en temps réel. Le GERAD me donnerait également l’occasion de découvrir comment les chercheurs d’autres domaines d’application abordent des problèmes connexes d’inférence et d’optimisation. Je me réjouis à l’idée de mener des projets communs et des échanges impliquant des étudiants, et d’intégrer les problèmes liés à nos systèmes robotiques dans ces collaborations.