王博洋 - 北京理工大学 - 机械与车辆学院

个人简介

教育及工作经历 2022/06-至今，北京理工大学，机械与车辆学院，预聘助理教授/特别副研究员 2020/07-2022/06，北京大学，智能学院，博士后 2013/09-2020/07，北京理工大学，机械与车辆学院，博士 2017/09-2019/07, 法国科学院，机器人实验室，联合培养 2009/09-2013/06，北京理工大学，机械与车辆学院，工学学士研究项目国防基础研究项目，挑战赛数据深度挖掘及数据测试题库设计，2020-2021，项目金额200万元，结题，主持十四五预研项目，高环境适应性无人XXXX自主机动控制技术，2022-2025，项目金额400万元，在研，参与国防基础研究项目，基于数据融合的路面环境信息重构，2020-2022，项目金额350万元，在研，参与十三五预研项目，基于驾驶行为学习的决策规划与运动控制技术，2017-2020，项目金额140万元，结题，参与国防基础研究项目, XXXX无人车辆运动规划与控制技术，2015-2017，项目金额200万元，结题，参与国家自然科学基金青年项目，智能车辆类人驾驶行为知识迁移原理与在线学习建模方法研究，2018-2020，项目金额25万元，结题，参与成果及社会服务 2022年获国防技术发明三等奖，排名第5，项目名称为“履带装甲车辆无人化驾驶操控系统” 作为团队核心成员获跨越险阻2016/2018/2021地面无人系统挑战赛各组别多项奖励 2019 IEEE Intelligent Vehicles Symposium 大会主题报告 ICUS 2021 会议最佳论文，ICUS 2020 分论坛副主席第五届全国大学生机械创新设计大赛一等奖（参赛队员），第六届全国大学生机械创新设计大赛一等奖（指导教师）担任IEEE TITS, IEEE RA-L, Part D: JAUTO, IV, ITSC, ICRA, IROS等多个国际期刊和会议的审稿人

研究领域

1）驾驶行为数据与车辆模型相融合的规划控制方法 2）面向无人车训练与测试的场景库构建方法 3）线控底盘的一体化操控系统课题组长期从事智能驾驶的理论与实践研究，具备自动驾驶软件层全栈自主研发能力，拥有模块化的成体系软件架构，在实验中积累了丰富的场景数据库，并且提供多型自主可控的实车平台用于算法验证。

近期论文

查看导师最新文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

Wang B, Gong J, Chen H. Motion primitives representation, extraction and connection for automated vehicle motion planning applications[J]. IEEE Transactions on Intelligent Transportation Systems, 2020, 21(9): 3931-3945. 王博洋, 龚建伟, 张瑞增, 等. 基于真实驾驶数据的运动基元提取与再生成[J]. 机械工程学报, 2020, 56(16): 155-165. Guan H, Wang B*, Wei J, et al. Generation and Selection of Driver-Behavior-Based Transferable Motion Primitives[J]. Chinese Journal of Mechanical Engineering, 2022, 35(1): 1-15. 王博洋, 关海杰, 龚建伟, 等. 面向异构履带车辆的统一运动规划方法[J]. 兵工学报, 2022, 43(2): 241. 王博洋, 龚建伟, 熊光明, 等. 有级转向履带车辆的驾驶员操控行为模型[J]. 兵工学报, 2020, 41(12): 2379. 陆瑶敏, 龚建伟, 王博洋*, 等. 基于多重示范的智能车辆运动基元表征与序列生成[J]. 兵工学报, 2021, 42(4): 851. Wang B, Gong J, Zhang R, et al. Learning to segment and represent motion primitives from driving data for motion planning applications[C]//2018 21st International Conference on Intelligent Transportation Systems (ITSC). IEEE, 2018: 1408-1414.(Best Student Paper Candidate) Wang B, Gong J, Liang W, et al. Regeneration and Joining of the Learned Motion Primitives for Automated Vehicle Motion Planning Applications[C]// 2019 IEEE Intelligent Vehicles Symposium (IV). IEEE, 2019.(Oral Presentation)