2022年8月27日上午，应浙江大学机械工程学院邀请，美国加州州立大学北岭分校副教授Bingbing Li为我院师生举行了一场线上学术报告会，主题为“Affordable Artificial Intelligence-Assisted Smart Connected Worker System for the Small and Medium-Sized Manufacturers”。报告会由我院祝毅副教授主持，来自我院近百名师生线上参加。

Prof. Bingbing Li是加州州立大学北岭分校制造系统工程副教授，担任美国宇航局STEAHM自主研究中心(ARCS)副主任，加州大学欧文分校DOE工业评估中心(IAC)和CSUN (SMART-IAC)的联合主任，可持续和增料制造实验室主任。他还是Terasaki生物医学创新研究所的兼职教授。Prof. Bingbing Li从事增材制造(金属AM、3D生物打印、AM设计)、人工智能设计与制造(智能连接工人、数字双胞胎、制造AR/VR、铝辅助知识图设计)和可持续制造(可持续分析、能源效率、生命周期评估、再制造)的研究。他发表了50多篇期刊和会议论文，还获得了200万美元的外部经费资助，以及600多万美元的合作经费资助，主要来源于NASA、DOD、DOE、NSF、CEC和工业合作伙伴(Autodesk、Lineage Logistics)等。Prof. Bingbing Li是NASA资助的ARCS、NIH资助的构建多样性来促进教育和研究多样性和USDE资助的HSI-STEM/ AIMS2的导师之一。

本次报告会，Prof. Bingbing Li分享了他在人工智能辅助互联工作系统方面的研究。报告会伊始，Prof. Bingbing Li指出，随着数字技术的进步，大型制造商已经能够利用智能制造大幅提升生产效率，大型制造商正在实现由人工操作的生产模式过渡到由数据驱动的高效生产模式的转型，而中小型制造商在这一转型升级道路上远远落后于大型制造商，所以需要创建一个针对中小型企业的，可拓展的、可访问的、便携式的智能制造解决方案。接着，Prof. Bingbing Li向大家介绍了一种智能连接工人（SCW）系统方法，该方法利用视觉系统描述和其他传感器数据相关的工作流程，使得系统做出决策，为环境建模创造计算工作流，同时创建ML方法关联能源消耗和系统工作流程，并创建用于优化工作流的计算程序。该系统集成了最先进的机器学习技术与先进制造系统的工作场景，采用目标检测和文本识别模型来改进劳动密集型的机器状态监测过程，同时引入人工神经网络，实现实时能量分解以进一步优化。该系统实现了对长时间工作环境的高效监控和实时准确的信息分析，有效降低了人力成本。随后，Prof. Bingbing Li向大家介绍了该系统在3D打印、AR耳机、工厂装配等领域的应用。最后，同学们与Prof. Bingbing Li积极热烈地讨论了今天的讲座内容。

本次学术报告会是浙江大学机械工程学院M.E Global云端系列讲座第四期的第十六讲，Biofabrication and Bio-inspired Devices专题系列讲座第五讲，报告会邀请境外高校学者讲述前沿学术研究进展，旨在开拓学生国际化视野，拓宽学生科研思路，培育具有国际竞争力的高水平人才。