中心师生3篇论文被第35届NeurIPS接收

   近日，第35届神经信息处理系统会议（Conference on Neural Information Processing Systems，简称NeurIPS）公布了论文接收结果，上海交通大学未来媒体网络协同创新中心智能服务引擎团队师生的3篇论文被接收。

   NeurIPS是中国计算机学会（CCF）推荐的A类国际学术会议，是机器学习和计算神经科学领域最顶级的学术会议之一，会议研究方向涵盖除了机器学习，神经科学，还有认知科学、心理学、计算机视觉、统计语言学和信息论等前沿方向，自1987年以来已经成为受到学术界和工业界认可的顶级会议，代表着当今神经科学和人工智能研究的最高水平。2021年共有9122篇有效论文投稿，总接收率仅为26%。

   此次被接收的3篇论文体现了团队在图神经网络、多智能体协同感知、多智能体轨迹预测等热门主题上取得突破性进展。其中，《Learning to Learn Graph Topologies》同英国牛津大学合作，提出基于算法展开（algorithm unrolling）的全新图结构学习方法, 实现可端到端学习的拓扑先验，成功应用于自闭症患者的脑神经网络功能分析；《Learning Distilled Collaboration Graph for Multi-Agent Perception》同美国纽约大学合作，将多智能体协作策略优化转化为协作图学习问题，基于知识蒸馏和矩阵值协作边等技术，实现降低通信资源消耗同时提高模型性能，成功应用于自动驾驶场景下多辆智能车的协同3D目标检测；《Collaborative Uncertainty in Multi-Agent Trajectory Forecasting》同美国南加州大学合作，提出轨迹预测系统的协同不确定性，以建模由于多运动体轨迹相互影响而带来的不确定性，实现多智能体运动预测系统的可解释性及安全性的提升，于自动驾驶轨迹预测数据集argoverse及nuscenes得以验证。

   作为主要指导教师，团队的“海归”青年骨干陈思衡说：“今年团队能够在NeurIPS发表三篇文章非常艰难，也很幸运，这是我回到祖国、回到交大的第一年，应该感谢团队的共同努力，帮助大家一起成长”。

   论文信息如下：

1.Xingyue Pu, Tianyue Cao, Xiaoyun Zhang, Xiaowen Dong, Siheng Chen, "Learning to Learn Graph Topologies"

2.Yiming Li, Shunli Ren, Pengxiang Wu, Siheng Chen, Chen Feng, Wenjun Zhang, "Learning Distilled Collaboration Graph for Multi-Agent Perception"

3.Bohan Tang, Yiqi Zhong, Ulrich Neumann, Gang Wang, Ya Zhang, Siheng Chen, "Collaborative Uncertainty in Multi-Agent Trajectory Forecasting"