IEEE官方网站上正式发布了2026 IEEE新晋Fellow名单。今年共有350人当选，新晋成为IEEE Fellow。IEEE Fellow是为在IEEE所关注的领域中做出了非凡成就的IEEE会员保留的一项荣誉，每年由同行专家在做出突出贡献的IEEE会员中评选产生。
IEEE网站链接：
https://ieee-org.widen.net/s/qqrqr2nrk6/fellow-class-announcement-2026
2026 NEWLY ELEVATED FELLOWS – Chinese mainland
2026年度新入选会士 – 中国大陆地区
Xiang Bai 白翔，华中科技大学
Huazhong University of Science and Technology
China
for contributions to document image processing and understanding
入选理由：对文档图像处理和理解的贡献。
Chunlin Chen 陈春林，南京大学
Nanjing University
China
for contributions to reinforcement learning and quantum learning systems
入选理由：对强化学习和量子学习系统的贡献。
Mou Chen 陈谋，南京航空航天大学
Nanjing University of Aeronautics and Astronautics
China
for contributions …

IEEE Open Journal of Vehicular Technology (OJVT) 是一本开放获取的全电子期刊，发表原创高质量论文，涵盖移动无线电、机动车辆和陆地交通领域电气和电子工程的理论、实验和操作层面。我们的期刊不仅欢迎原创高质量论文，也欢迎以行业为中心的出版物，重点关注研究成果并提出对进行类似研究的人员有用的想法。
我们十二月的第一篇推荐论文由卡尔顿大学、梅德尼耶特大学、蒙特利尔理工学院、加拿大国家研究委员会和 MDA 的作者合作完成。论文主要探讨在自由空间光卫星网络中，网络时延和卫星发射功率之间的取舍：想让通信更快，就需要卫星用更多功率来发射信号。研究还发现，云层天气会明显影响激光上下行通信的稳定性，这说明这类卫星网络对大气条件非常敏感。
Free-Space Optical (FSO) Satellite Networks Performance Analysis: Transmission Power, Latency, and Outage Probability
Jintao Liang; Aizaz U. Chaudhry; Eylem Erdogan; Halim Yanikomeroglu; Gunes Karabulut Kurt; Peng Hu; Khaled Ahmed; Stephane Martel
Published in volume 5, IEEE Open Journal …

当一辆自动驾驶汽车必须在耄耋老者与未成年儿童之间做出生死抉择时，经典的“电车难题”已从伦理假设演变为AI系统必须直面的现实挑战。这一困境深刻揭示：人工智能在现实世界中的决策，已触及价值判断、生命权衡与责任归属的核心伦理议题。
要系统化地应对此类涉及算法透明度、数据隐私、系统偏见与终极问责的全球性挑战，任何单一企业或国家都难以独立承担。这迫切需要一个具备公信力、开放协作的全球治理体系作为支撑。
2024年联合国人工智能（AI）咨询机构发布《以人为本的人工智能治理》（Governing AI for Humanity），将“建立国际AI标准交换机制”列为全球AI治理的关键需求。该报告直接促成了国际人工智能标准交换平台（International AI Standards Exchange，以下简称Exchange）的设立，从而为各国政府、企业与开发者提供集中、可信的标准资源。面对透明度、隐私、算法偏见与问责等全球性挑战，政策制定者、开发者与监管机构急需开放、协作且高可信度的技术资源。
作为全球最大的非盈利性技术行业学会，电气电子工程师学会（IEEE）及其标准协会（IEEE SA）凭借100余项AI相关国际标准被联合国报告点名认可，并受邀成为Exchange的创始合作伙伴，奠定了其在AI伦理与治理领域的权威地位。100余项AI相关国际标准包括IEEE 7000™系列、伦理化设计（EAD）框架、IEEE CertifAIEd™ AI伦理认证项目等治理工具在全球层面集中开放。
随着国际标准框架逐步落地，亟需能够深刻理解并熟练运用相关国际标准的人才。而这也正是IEEE CertifAIEd™ AI伦理认证项目当前开放报名的核心目标。该项目并非普通培训，而是基于IEEE 7000系列国际标准的权威符合性评估体系。它涵盖了算法偏见、伦理透明度、隐私和问责制等标准，并与欧盟人工智能法案等即将出台的法规兼容。该项目旨在符合美国、中国、欧盟、加拿大、英国及其他司法管辖区正在考虑或实施的全球法规。
在AI治理的新时代，信任源于标准
IEEE CertifAIEd™ 由IEEE标准协会——权威推出，是您构建、证明与管理可信AI的权威资质。
选择 IEEE CertifAIEd™ AI伦理认证项目，意味着您所遵循的AI伦理规范，与全球产业和立法要求兼容同步。
立即认证，请点击查看文章：。
任何疑问，请与IEEE数据库在中国大陆地区独家供应商iGroup 中国-长煦信息技术咨询（上海）有限公司联系。邮箱：[email protected]电话：010-82331971(北方)       021-64453169(南方)

介绍
人工智能 (AI)、深度伪造和自动决策系统的迅速崛起，使得人们越来越难以分辨自己是在与另一个人、人工智能，还是两者的混合体进行交流。这引发了关于信任、安全和社会凝聚力的严峻问题，尤其是在医疗、金融和媒体等影响深远的领域。
IEEE 3152 （正式名称为《透明人机代理识别标准》 ）旨在解决这一日益严重的问题，它通过定义清晰的标记和准则来识别我们正在与谁（或什么）交互。它建立在这样一个原则之上：个人不应被误导，误以为他们正在与一个隐藏其本质的实体对话或接收其内容。通过提供结构化的音频、视频和基于元数据的“标记”，该标准为提高透明度奠定了基础，并促进了值得信赖的人工智能与人类协作。
标准概述
目的和范围
IEEE 3152的核心是提供一个透明的框架，确保人们能够识别他们是否正在与以下对象进行通信：
1.一个真实的人（未经过滤或未经改变）。
2.一个自主的人工智能系统。
3.在人类监督下运作的混合实体。
4.人类的行为受到人工智能的操控。
5.被人工智能（合成或深度伪造）显著改变的媒体。
该标准不再关注人工智能系统如何在“幕后”做出决策，而是聚焦于谁或什么在控制内容或通信。这种清晰性对于减少在线聊天、电话通话、社交媒体帖子、视频或任何其他平台上的混乱和欺骗至关重要。
相关领域和应用
IEEE 3152 可以在多种用例中实现：
●客户服务：标记部分或全部由人工智能驱动的呼叫中心支持。
●远程医疗：披露健康应用程序或远程呈现机器人是否处于人类主动控制之下。
●媒体和娱乐：标记合成的、人工智能生成的内容，例如深度伪造视频。
●财务：让用户了解财务建议是自动化的还是人工主导的。
●社交媒体：识别人工智能生成的帖子或账户。
主要特点和优点
1.清晰的识别标记：
○在交互开始时出现的视觉图标（在屏幕上或物理显示在机器人/设备上）。
○电话或仅语音频道的音频免责声明。
○元数据“标签”可实现自动化工具检测和跨平台的可追溯性。
2.提高信任度和安全性：
○有助于防止恶意冒充企图，例如深度伪造诈骗或人工智能驱动的欺诈。
○通过明确对话背后是人还是机器，降低情感或心理伤害的风险。
3.降低监管和法律风险：
○协助组织遵守新兴的国家和国际人工智能披露法规。
○提供一致的标签方法，减轻企业创建临时透明度解决方案的负担。
4.增强的互操作性：
○该标准的元数据模型与 EXIF、XMP、DID 或 C2PA 等现有框架集成，以确保内容真实性。
○可能补充与人工智能伦理、安全和数据治理相关的其他标准。
5.跨行业适应性：
○足够灵活，适用于面向消费者的系统和更复杂、安全关键的环境（例如医疗机器人或大型企业平台）。
采用和影响
●当前采用者：越来越多专注于人工智能的组织和媒体正在尝试或试行此类“机构识别”标记，特别是在远程医疗或数字银行等高风险环境中。
●行业和社会效益：当人们能够自信地区分人机交互时，就能构建一个更加诚实可靠的数字生态系统。误解和操纵将变得更加难以发生。
●广泛应用的潜力：随着人工智能在主流应用中的持续增长，IEEE 3152 等标准可以成为行业规范，有助于建立对人工智能增强型产品和服务的广泛信任。
未来发展
●正在进行的修订：随着人工智能的快速发展，IEEE 3152 的未来迭代将完善“混合”系统的定义以及下一代沉浸式技术（例如增强现实）的强大标记。
●与新工具的互操作性：预期与加密水印、合成媒体的高级“指纹识别”以及新的监管框架（如欧盟或国家人工智能法）的集成将确保该标准的持续相关性。
●工作组：
○人类或人工智能交互透明度工作组领导核心开发，广泛代表学术界、工业界和道德界。
○C/AISC（IEEE 计算机学会人工智能标准委员会）负责协调与其他相关标准的更广泛协调，并与 IEEE 的全球网络保持联络，以保持标准的最新状态。
结论
在人工智能能够无缝模仿人类语音、面部表情和决策的时代， IEEE 3152是透明度的重要灯塔。它使我们能够识别交互背后的“谁或什么”，增强了人们对人工智能驱动通信的信任，并为更合乎道德、更负责任地开发新兴技术奠定了基础。
如果您希望探索IEEE 3152或在您的组织中采用它，请访问官方IEEE标准商店了解更多信息或购买已发布的标准。

作者：袁小军，田野，潘荣壮，张慧源
引言
《轨道交通知识图谱应用指南》(Guide for Application of Knowledge Graphs for Rail Transit，项目编号 P2807.9)是一项对轨道交通行业影响深远的开创性标准。该指南为轨道交通行业知识图谱的开发与实施提供了一个系统完整框架，即面向轨道交通的知识图谱(rail-transit-oriented KG，RTKG)。它满足了业界对一致的知识模式和统一接口标准的迫切需求——长期以来，行业标准的缺失严重阻碍了不同轨道交通企业间有效地交换和集成知识。指南提出的 RTKG 框架涵盖数据与模式要求、RTKG 构建流程、RTKG 集成、性能评估以及多种应用场景，如图1所示。从事轨道交通领域知识图谱开发的机构和企事业据此可以遵循通用的实施方法，确保兼容性和互操作性。此外，该指南还支持供应商在统一的知识模型和接口规范下提供兼容的知识图谱，如图2所示。通过此指南，各个独立的知识图谱可以便捷高效地组合集成，为轨道交通行业构建更完整、更准确的知识服务生态系统。
图1: RTKG组织的主要活动
图2: RTKG 模型框架
在轨道交通行业中开发与实施 RTKG 是一项复杂而多元的工作，需要各方利益相关方的积极参与与突出贡献。个人层面的贡献对于此类工作的成功与有效性至关重要，专家、研究人员、行业专业人士以及数据科学家都能带来独特的见解与专业知识，这对于创建一个全面而准确的 RTKG 至关重要。除个人贡献外，还需要来自不同来源的输入，例如历史数据、实时运营数据、检修维护记录与安全报告等。这些多元的数据源为构建稳健可靠的 RTKG 提供了所需的原始材料。此外，机构与企业之间的协同合作对于共享知识、最佳实践与技术进步同样至关重要。通过协作，各方能够共同克服知识模式不一致与接口标准不统一所带来的相关挑战，最终推动创建一个更具凝聚力和互操作性的 RTKG 生态体系。
参与的重要性
参与与本标准相关的标准化活动，将为个人及其所在机构带来显著优势。对个人而言，参与活动可提供分享知识、汲取同行见解的平台，并促进职业成长与发展；这种投入还能提升在行业内的公信力与知名度，进而可能带来新的职业机会。对组织层面而言，积极参与有助于塑造推动创新、提高效率并确保符合监管要求的行业标准，同时也使企业能够影响未来的趋势和技术，使其处于行业前沿。
专业人士可通过多种途径为本标准的制定作出贡献。可以加入 IEEE 计算机学会知识工程标准委员会（IEEE Computer Society Knowledge Engineering Standards Committee），尤其是轨道交通知识图谱工作组（Knowledge Graph Working Group for Rail Transit），直接参与标准的编制与修订。上述委员会通常面向不同领域的专家开放，提供跨学科协作的机会。参加与本标准相关的会议、研讨会和工作坊，有助于了解在研项目并与利益相关方建立联系。专业人士还可参与公开征求意见，对拟议标准提出反馈，确保自身观点得到考虑。发表相关主题的研究论文或白皮书，也有助于夯实本标准的技术基础。
当前项目与倡议
IEEE计算机学会知识工程标准委员会正积极推进与知识图谱相关的标准制定项目和倡议。本项目旨在为轨道交通行业建立知识图谱标准，解决长期存在的知识模式不一致与接口标准不统一等问题。
P2807.9项目目前已成功组织四次会议。这些会议促成了一个专门工作组的成立，确认了工作组章程，并对P2807.9标准大纲进行了多轮修改和确认，最终形成D1.0版本草案。基于D1.0版本，项目目前正进行D2.0版本草案的修改与制定，将进一步细化标准规范，以确保其实用性和前瞻性。
我们鼓励读者参与这些正在进行的项目与倡议。 您的参与不仅有助于推动计算机科学的发展与进步，也为您提升专业技能、拓展人脉并对行业产生积极影响提供宝贵机会。欲了解更多关于如何参与的信息，请访问IEEE官方网站或发送邮件至[email protected]表达您的意向并咨询加入流程。
通过参与这些项目和活动，您可以帮助塑造计算机科学与技术的未来，推动创新并促进全球社区的合作。
结语
IEEE P2807.9标准的制定对于克服现有的知识模式不一致与接口标准不统一相关障碍至关重要。该标准旨在促进不同轨道交通企业之间的无缝知识交换和整合，从而推动构建更具凝聚力的轨道交通行业知识图谱生态系统。
对于有志于为IEEE P2807.9标准做出贡献的人士，您可以在官方网站(https://sagroups.ieee.org/kesc/)上找到更多信息，或发送邮件至[email protected]表达您的意向并咨询加入流程。
免责声明：作者对本文内容负完全责任。文中观点仅代表作者本人，不代表 IEEE、IEEE 计算机学会或其领导层的立场。

IEEE Open Journal of Vehicular Technology (OJVT) 是一本开放获取的全电子期刊，发表原创高质量论文，涵盖移动无线电、机动车辆和陆地交通领域电气和电子工程的理论、实验和操作层面。我们的期刊不仅欢迎原创高质量论文，也欢迎以行业为中心的出版物，重点关注研究成果并提出对进行类似研究的人员有用的想法。
本月第二篇专题文章由爱尔兰戈尔韦大学(University of Galway)与Valeo Vision Systems联合发表。研究团队提出了一种用于自动驾驶系统的轻量化感知方法，专门检测未见或异常物体。研究团队通过多摄像头输入与新型NuScenesOOD数据集，实现了鸟瞰图空间中分布外物体的有效识别，显著提升了车辆对新型及不规则障碍物的探测能力。
Towards Robust Autonomous Driving: Out-of-Distribution Object Detection in Bird’s Eye View Space
Muhammad Asad; Ihsan Ullah; Ganesh Sistu; Michael G. Madden
Published in volume 6, IEEE Open Journal of Vehicular Technology
https://ieeexplore.ieee.org/document/11031213
有监督的自驾驶感知算法能够有效识别常见类型物体，如汽车、公交车、信号灯与行人。然而在真实环境中，可能存在训练数据未涵盖的任意物体，这类对象被称为分布外（Out-of-Distribution, OOD）物体。本研究提出了一种在车辆俯视图（鸟瞰图，BEV）中检测此类物体的方法。
我们的方法具有轻量化特性，可便捷集成至现有BEV系统。通过融合多摄像头输入数据，系统能够生成OOD概率图。在训练阶段，我们在可行驶区域网格的车辆上添加随机遮挡块以完全遮蔽车辆特征。图中每个物体将获得一个异常评分，用于量化其与已知物体均值分布的偏离程度——高分值即表明该物体属于OOD。这种机制使系统在遇到新型物体（如道路动物、随机杂物或异常物体）时，能够避免产生高置信度的错误分类。即使无法具体命名这些物体，系统仍可准确定位其空间位置。
我们同时推出了名为NuScenesOOD的新数据集。该数据集通过对车辆施加不同纹理模式与数据增强技术，构建了具有异常特征的车辆样本。该数据集也被用于模型评估验证。本方法专注于BEV空间中的类车辆异常体检测，在保持已知物体高识别精度的同时，显著提升了对未知物体的探测能力。该研究通过增强自动驾驶系统对环境中类车辆OOD物体的识别能力，为提升未来自动驾驶安全性提供了重要支持。

一、引言
电子产品的快速发展，使得升级现有电子产品生产线（EPL）或设计新的电子产品生产线的需求日益迫切。产品订单的变化也导致电子产品生产线需要频繁重组。然而，由于设计不合理，许多电子产品生产线无法实现初始目标。本推荐规程提出了一种优选技术，可帮助从业者高效设计高性能的电子产品生产线。
二、标准概述
本推荐规程为电子产品生产线的变型设计提供了相关技术方法，涵盖的内容包括需求文档编制、生产线改造、变型设计流程、迭代设计模式及结果评估。
本推荐规程对计算机辅助设计软件供应商、仿真软件供应商、信息系统供应商、制造商、工业控制系统供应商及设备供应商可能具有参考价值。
三、主要特点与优势
本推荐规程包含结构设计、行为规划、控制架构设计及性能优化等核心内容。规程推荐电子产品生产线的定制化设计与实施方案，以满足制造商的差异化需求——例如场地空间限制、产能目标、成本控制、个性化制造流程及遗留设备集成等场景。
此外，本推荐规程可帮助从业者高效设计高性能的电子产品生产线。
四、采用情况与影响
本推荐规程以智能手机装配线的变型设计为案例研究对象。由于智能手机装配线的变型设计均基于场地、遗留设备及产能预期的个性化需求，设计方案能够快速制定。
整条生产线的物理结构及改造方案的性能会因个性化需求的不同而存在差异，设计人员可根据具体需求选择不同的设计方案。该案例研究表明，本推荐规程已有效提升了制造商的生产线设计能力。
五、未来发展
由IEEE计算机学会智能制造标准委员会（IEEE Computer Society Smart Manufacturing Standards Committee）管理的工作组，确定了生产线设计的三个未来研究方向，具体包括：
1. 电子产品生产线（EPL）典型参考模型
2. 生成式人工智能（AIGC）驱动的生产线概念设计
3. 多学科融合与跨维度生产线设计
六、结论
本推荐规程为电子产品生产线的变型设计提供了相关技术方法，涵盖需求文档编制、生产线改造、变型设计流程、迭代设计模式及结果评估等内容。该规程对计算机辅助设计软件供应商、仿真软件供应商、信息系统供应商、制造商、工业控制系统供应商及设备供应商可能具有参考价值。
同时，案例研究表明，本推荐规程已有效提升了制造商的生产线设计能力。
链接：https://ieeexplore.ieee.org/document/10707151

引言
辅助仓库是智能工厂生产线或车间/单元旁的专用仓库。辅助仓库的建设已成为智能工厂零部件管理与供应的核心设施，亟需积极推广并广泛应用。工厂零部件供应的效率与精度，将直接影响智能制造的效率与质量。传统制造工厂的物流作业多依赖人工方式，无法满足智能制造对零部件供应的效率与质量要求。因此，智能辅助仓库的建设已成为支撑智能工厂平稳运行的关键设施，可为多批次大规模定制生产提供高效、高质量、低成本的制造保障。IEEE 3145™-2024 标准为智能辅助仓库的发展积累经验，其封面如图1所示。
图1 IEEE 3145™-2024 标准封面
标准概述
本标准的制定目的，是为离散制造模式下智能工厂辅助仓库的标准化设计与建设提供支撑。标准化的辅助仓库对提升智能工厂运行效率具有重要作用。
在适用范围方面，本标准规定了智能工厂辅助仓库的通用技术要求，涵盖设施、设备、系统、安全、故障处理等方面的技术要求，以及空间布局和智能算法要求。
此外，本标准聚焦的核心技术领域是辅助仓库的系统性通用技术要求，尤其侧重于智能算法要求。具体而言，该标准对辅助仓库的以下内容进行了规范化：空间布局要求、设施技术要求、设备技术要求、智能算法要求、系统技术要求、安全技术要求及故障处理技术要求。
本标准适用于采用离散制造模式的智能工厂相关行业。此外，标准采用了案例研究法，选取了两个智能工厂辅助仓库案例——分别来自通信行业和汽车行业，并结合标准内容，记录并总结了这些案例中具有行业特色的最佳实践。标准概述如图2所示。
图2 标准概述
主要特点与优势
从理论层面来看，当前行业标准多聚焦于智能工厂建设，仅对智能工厂中基础智能生产设施的配置进行了界定，而缺乏针对智能工厂辅助仓库定义与应用的专项标准。行业亟需一项标准来推动仓库运营从人工模式向智能模式转型，进而提升智能工厂的运营效率——本标准恰好填补了这一空白。
从实践层面来看，该标准可为辅助仓库通用技术要求的建设与运营提供指导，因此能为计划建设离散制造模式智能工厂的企业提供良好参考。此外，辅助仓库可支撑智能工厂平稳运行，为多批次大规模定制生产提供高效、高质量、低成本的制造保障。值得一提的是，除文本中的通用要求外，标准还提供了通信行业和汽车行业的定制化实践方案。
采用情况及影响
IEEE 3145™-2024 标准发布后，已引起海尔集团、京东物流、华为技术有限公司、鞍山钢铁集团有限公司等多家知名企业的关注。
这些企业向标准工作组提供了诸多建设性反馈，并表示 IEEE 3145™-2024 标准在指导其完成智能工厂建设方面发挥了良好作用，其中智能算法要求等多项内容已被企业采纳。此外，标准附件中收录的通信行业与汽车行业案例均为优质实例，充分体现了该标准的通用性与影响力。
未来发展
IEEE 3145™-2024 标准目前为现行有效标准，其具体发布日期为2024年10月25日。
未来，IEEE计算机学会智能制造标准委员会（IEEE C/SM）将推动该标准的应用，让更多企业受益于标准；同时，该委员会还将致力于积累实践经验，为标准后续的更新完善提供支持（IEEE C/SM 官方网站链接：https://sagroups.ieee.org/smsc/）。
IEEE 3145™-2024 标准工作组的成员单位包括：鞍山钢铁集团有限公司、北京京邦达贸易有限公司、北京小米移动软件有限公司、中远海运工程物流有限公司、海尔衣联网（天津）智能生态研究院、河北宏宇通信设备有限公司、河北华通线缆集团股份有限公司、华为技术有限公司、科捷智能科技股份有限公司、昆船智能技术股份有限公司、日日顺供应链科技股份有限公司、山东京博物流股份有限公司、深圳顺丰泰森控股（集团）有限公司、天津大学、品冠物联科技有限公司。感谢各成员单位的辛勤付出，同时衷心欢迎更多企业加入工作组，参与标准的后续更新工作。
结论
IEEE 3145™-2024 标准为离散制造模式下智能工厂辅助仓库的标准化设计与建设提供支撑，其核心内容涵盖辅助仓库的通用技术要求，包括空间布局要求、设施技术要求、设备技术要求、智能算法要求、系统技术要求、安全技术要求及故障处理技术要求。
该标准可为辅助仓库通用技术要求的建设与运营提供指导，能为计划建设离散制造模式智能工厂的企业提供良好参考——因为辅助仓库可支撑智能工厂平稳运行，为多批次大规模定制生产提供高效、高质量、低成本的制造保障。此外，除文本中的通用要求外，标准附件中还提供了通信行业和汽车行业的定制化实践案例，具有极强的实用性。
读者可参考本标准开展智能工厂建设实践，同时我们衷心欢迎更多企业加入工作组，参与标准的后续更新工作。未来，若您能提供宝贵建议或参与标准工作，我们将不胜感激。标准全文链接如下：https://ieeexplore.ieee.org/document/10735144

2025年11月9日，第七届IEEE WIE女工程师领导力峰会（IEEE Women in Engineering China Leadership Summit, IEEE WIE CLS）在北京市中关村展示中心召开。众多杰出女性汇聚一堂，共同探讨AI浪潮下女性领导力的发展与突破。本届峰会由IEEE WIE北京分会、IEEE中国联合会、IEEE中国代表处主办，IEEE WIE上海分会、IEEE WIE哈尔滨分会、IEEE PCCC女工委、北京图象图形学学会、中国图象图形学学会女工委、她原力联合协办。
本届峰会含有7个主旨演讲和4个圆桌讨论，现场有来自学术界、企业界和投资界共100余人参会。大家共同探讨在人工智能深刻重塑科技与社会的背景下，如何突破性别障碍，释放女性在创新生态中的潜力。峰会聚焦女性在技术发展与伦理建设中的关键作用，探索更具包容性和协作性的领导力新模式。通过汇聚全球经验与智慧，推动构建一个更公平、更有韧性的科技未来。
上午9点，峰会正式拉开帷幕，由IEEE女工程师协会北京分会 (IEEE WIE BJ AG) 主席、北京邮电大学人工智能学院副院长张曼教授主持。
在开幕式中，2025 IEEE主席兼首席执行官Kathleen A. Kramer教授，IEEE 第十区主席、Takako Hashimoto教授，2025 IEEE女工程师协会主席Winnie Ye教授，IEEE中国联合会主席闻映红教授，IEEE亚太区执委、中国活动促进特别委员会主席董晶教授分别为峰会致辞。各位致辞嘉宾强调，IEEE WIE作为全球科技领域推动性别平等的重要平台，始终致力于赋能女性工程师、科学家与创新者，平台通过构建跨地域、跨学科的协作网络，持续扩大女性在全球科技生态中的影响力。嘉宾们期待与会者在本次峰会中深入交流前沿洞见、碰撞创新火花，在深度对话中激发推动变革的力量，并预祝本次峰会取得圆满成功。
致辞过后，2023-2024 IEEE女工程师协会主席Celia Shahnaz教授带来题为“AI and Deep Learning for Smart City, Empowerment and Advancement”的主旨报告。Celia教授介绍了团队的研究方向和IEEE WIE组织在全球范围内的活动及其影响力，呼吁大家积极参与女性在工程与科技领域的赋能行动，共同推动包容性创新与性别平等。
好未来集团执行总裁位晨女士带来了题为“AI时代下的教育创新与组织发展”的主旨报告。她分享了AI为公司管理和教育行业赋能带来的积极影响，并展望“爱和科技助力终身成长”的美好愿景。
北京交通大学医院临床心理科主任、北京市海淀区高校心理健康服务联盟指导专家谢兴伟医师和大家分享了“让 AI 替我们省力、避坑：解放精神心理专业女性的生产力”的主旨报告。她结合自身参与大学生精神防治工作的经验，介绍了AI在心理健康领域的应用探索，并指出AI应在该领域进一步发展情感捕捉能力。
北京信息科技大学信息与通信工程学院院长、北京市优秀人才和青年拔尖人才李学华教授带来题为“AI时代女性领导力的多维体现：科学研究与高等教育领域的创新发展”的主旨报告。她介绍了自己的职业生涯，指出女性的亲和力、共情力和坚韧力在教育和管理中的独特优势，并分享如何将团队的研究前沿进展转化为教学资源和实际应用。
主旨报告过后，进入今天的第一个圆桌论坛：“电力AI建设中的她力量”。论坛由中国电力科学研究院期刊中心副主任兼CSEE JPES编辑部主任、IEEE PCCC女工委创始秘书长、副主席、IEEE WIE北京分会宣传主席、中国电机工程学会女工程师委员会委员韩蕾召集，中国电力科学研究院有限公司高级工程师、上海交通大学电气工程博士吴倩红主持。嘉宾包括华南理工大学电力学院管霖教授，中国电力科学研究院有限公司教授级高工于之虹，全国第四届工程专业学位研究生教育指导委员会委员、《现代电力》期刊副主编、华北电力大学赵冬梅教授，北京电力交易中心市场交易二部、中国农业大学研究生兼职导师、北京电机工程学会能源互联网专委会委员王紫琪博士。她们各自分享了AI与电力技术的结合经验以及AI …

IEEE Open Journal of Vehicular Technology (OJVT) 是一本开放获取的全电子期刊，发表原创高质量论文，涵盖移动无线电、机动车辆和陆地交通领域电气和电子工程的理论、实验和操作层面。我们的期刊不仅欢迎原创高质量论文，也欢迎以行业为中心的出版物，重点关注研究成果并提出对进行类似研究的人员有用的想法。
我们首篇月度特荐论文由新墨西哥大学 (University of New Mexico)的研究团队撰写，提出了一种基于集群的联邦强化学习框架，使无人机能够在分布式环境中协同训练导航模型。该方法通过聚合集群内的局部经验而非依赖集中式数据收集，有效降低了通信开销，并提升了仿真环境下初步训练模型在真实场景中的适应能力，最终在复杂不确定条件下实现了卓越的控制性能。
Clustered Federated Reinforcement Learning for Autonomous UAV Control in Air Corridors
Authors: Meng Xiang Xuan; Liangkun Yu; Xiang Sun; Sudharman K. Jayaweera
Published in volume 6, IEEE Open Journal of Vehicular Technology
https://ieeexplore.ieee.org/document/11015557
强化学习在三维机动任务中展现出潜力，但其训练过程需要海量数据支撑，且当训练环境与评估环境存在差异时（例如从仿真环境迁移至现实场景），其性能会出现显著下降。若采用实时真实数据进行训练，单次模型更新所需传输和处理的数据量将消耗巨大算力与能源，这在某些应用场景中（如四旋翼无人机或星际探测器）往往难以实现。
联邦学习(Federal Learning) 通过仅传输并平均模型参数来缓解这一问题，其数据量级远小于等效更新所需的原始数据。与传统联邦强化学习框架假设所有客户端均具备预设本地数据集不同，我们的方法将客户端组织为多个集群，每个集群首脑汇聚成员飞行数据进行本地训练，继而参与全局模型构建。例如，多个无人机试验场可通过此方式共享训练经验，每个由具备反向传播能力的本地服务器领导。
我们运用该方法将仿真环境训练的模型适配至不确定场景：多个实体需连续通过由直线圆柱体与弯曲环面体构成的空中走廊且避免碰撞。通过与传统反向传播方法及LoRA（一种减少训练权重重量的方法）的对比发现：传统方法与LoRA相当于单智能体采集全部数据，而我们的方法采用三个智能体各采集三分之一数据。虽然我们的方法在通过10段连续走廊的到达率上略逊于传统方法（89% vs 95%），但较未训练方法有明显提升，且在增加走廊内并行实体数量时仍能保持部分性能。后续需对集群参数（集群数量、单集群客户端数）及异构集群对全局模型的影响进行深入评估。