报告题目：Learning to Interact for Dexterous Robotic Grasping and Manipulation
报告人简介：
赵超，香港科技大学电子与计算机工程学院博士研究生。成果发表在RA-L, ICRA, IROS等会议和期刊上。研究方向:具身智能，机器人操纵，机器人学习。个人主页: https://robotll.github.io/czhao/
报告摘要：近两年，我们见证了在基础模型(Foundation model，FMs)与新商业模式相结合的推动下，在实际应用中实施AI技术带来的巨大变化。一般来说，FM指的是在大量数据上训练的模型，这些模型可以针对各种下游任务进行微调，包括CLIP、SAM、ChatGPT、BLIP和扩散模型。普通人可以利用这些工具生成带有定制提示的个性化内容，这不可避免地会引起重大的安全问题。为了确保基础模型的安全性，我们关注两个关键方向:探索针对FM的对抗性攻击，以发现先进模型中的漏洞，并开发有效的防御机制以增强。在本报告中，我们将从可转移性和效率等不同角度介绍我们最近在攻击FM方面的研究成果，包括视觉语言模型和扩散模型。此外，我们将深入研究我们最近的工作，利用视觉重采样原理来防御潜在的攻击，从而在不改变模型权重的情况下提高FM的可靠性。
报告时间：2025年3月13日（星期四)上午9:00
报告地点：正新楼3楼人工智能学院报告厅
主办单位：吉林大学人工智能学院
