2026年5月15日至17日，我院2023级通信工程专业研究生崔丽娜、新一代电子信息技术专业研究生胡晋暄，2024级航空宇航科学与技术专业研究生徐航、通信工程专业研究生王飞、新一代电子信息技术专业研究生刘凯凯同学参与在郑州举办的2026航空航天电子信息与智能系统国际学术会议（AEIIS 2026），并分别在会议上作了题为“GSC-ByteTrack: A Motion-Aware and Scale-Adaptive Multi-Object Tracking Framework”、“A Two-Stage Multi-AGV Task Allocation Method Based on Capacity-Constrained K-Means Clustering and Improved Genetic Algorithm for Smart Logistics Parks”、“Model-Free 6D Pose Estimation for Non-Cooperative Space Targets Driven by Implicit Surface Anchors”、“Intelligent Autonomous Navigation for UAVs: A Strategic Hierarchical Path Planning Framework”、“Intelligent Scheduling of Aerospace Precision Forgings Based on Deep Reinforcement Learning and Graph Neural Networks”的口头报告。

报告中，崔丽娜同学围绕无人机场景下多目标跟踪任务中存在的小目标尺度小、目标分布密集以及无人机运动导致关联不稳定等关键问题，提出了一种运动感知与尺度自适应的多目标跟踪框架 GSC-ByteTrack。该方法在ByteTrack框架基础上，引入全局运动补偿、尺度自适应关联以及类别一致性门控机制，以提升复杂场景下的目标关联稳定性与身份一致性。实验结果表明，所提出的方法在VisDrone2019-MOT数据集上取得了较好的跟踪性能，在HOTA与IDF1等指标上均实现了明显提升，为无人机交通监测与智能视觉感知研究提供了新的技术思路。

胡晋暄同学聚焦智慧物流园区多AGV协同作业场景下任务分配效率低、车辆负载不均衡、总行驶成本高等关键问题，提出了一种基于容量约束K‑means聚类与改进遗传算法的两阶段多AGV任务分配方法。

徐航同学聚焦非合作空间目标6D位姿估计任务中缺乏先验CAD模型、大深度变化下精度下降、复杂空间光照环境下特征提取困难等关键问题，提出了一种由隐式表面锚点驱动的无模型6D位姿估计框架。该方法通过融合可见光与深度图像的跨模态特征，自主学习目标局部规范空间中的三维锚点，并结合可微BPnP层实现端到端位姿求解，从而提升了非合作空间目标在复杂环境下的位姿估计精度与实时性。

王飞同学聚焦无人机在复杂环境导航中强化学习方法易陷入局部最优及轨迹振荡 、传统规划方法动态适应性差等问题 ，提出了一种无人机智能自主导航的战略性分层路径规划框架 。

刘凯凯同学首先介绍了航空航天精密锻件生产调度的行业背景与技术挑战，指出传统调度方法难以适配多工序强耦合、多资源动态冲突的复杂制造场景，且面对突发扰动时鲁棒性不足。针对上述问题，他创新性地将图神经网络用于生产系统拓扑与工艺约束的特征建模，结合深度强化学习实现了全局最优的实时调度决策。该方法突破了传统数学规划算法求解速度慢、泛化能力弱的局限，为航空航天高端制造的智能化生产管理提供了新的技术路径。

口头报告的背后，是科研训练、导师指导和学院支持共同作用的结果。学院将把国际学术交流更深地融入研究生培养过程，完善从参会选题、报告打磨到成果总结的衔接机制，让研究生在真实学术对话中检验研究、发现不足、明确方向，持续提升学术创新能力与综合素质，助力研究生在学科专业领域走得更稳、更远。