马叶涵，电院约翰·霍普克罗夫特计算中心助理教授、博士生导师，上海市晨光学者、上海市青年领军人才（海外）。2020年博士毕业于美国圣路易斯华盛顿大学计算机科学专业。两次受邀到波士顿三菱电子研究所实习。研究方向为信息物理综合控制。担任IEEE RTSS（CCF-A）和SECON（CCF-B）程序委员会成员并担任RTSS 2022宣传负责人，以及TC、TCPS、TAC、TOSN、RTAS等知名期刊会议审稿人。在国际旗舰学术会议和期刊中共发表论文19篇，其中第一作者12篇，获美国专利授权2项。

- 每周一次对大创项目进展进行讨论以及指导。

- 科研成果专利、论文署名权，根据具体贡献比重决定排序。

- 本课题组保研、直博优先考虑。

- 如果考虑出国，可在项目中与国外大学合作，并优先提供推荐信。

边缘计算近年来被?泛应用于有低延时、?能效需求的领域，如移动计算、视频分析、自动驾驶和智慧城市等，成为智能产业发展的催化剂。无人系统控制的计算平台向端-边计算层拓展。本地端多为可编程逻辑控制器或单片机，运?简单控制策略。边缘计算平台位于边缘服务器上，相较于本地端，边缘层计算性能的优势促进了模型预估控制、机器学习等智能控制策略的应用。本项目将侧重基于学习的多回路边缘智能控制器设计，面向多个控制回路级联、耦合的特点，如何发挥机器学习和边缘计算的优势，实现边缘层之间的数据共享和结合多回路信息进行数据驱动的智能控制。

通过综合考虑工业物联网子系统之间级联、耦合关系，创新性地提出了基于边缘计算和机器学习的多回路控制协同优化方案，发挥边缘计算低时延、高性能的优势，有效应对工业物联网系统中子系统关系复杂、时空动态性强的挑战。