纪赜 · Ze Ji
Professor · 团队带头人 / Principal Investigator
纪赜 Ze Ji
教授 · 博士生导师 · 实验室主任国家高层次人才 · 英国卡迪夫大学荣誉教授 · 英国皇家工程院工业会士（RAEng Industrial Fellow）· 英国工程技术学会会士（FIET）· IEEE 高级会员 · 英国高等教育学院会士 · 英国皇家导航学会准会士
个人简介
纪赜，博士，教授，博士生导师，国家高层次人才，兼任英国卡迪夫大学荣誉教授（Honorary Professor）、英国皇家工程院工业会士（RAEng Industrial Fellow）、英国工程技术学会会士（Fellow of the IET, FIET）、旅英中国自动化及计算机协会（CASCUK）委员、IEEE 高级会员、英国高等教育学院会士（FHEA）及英国皇家导航学会准会士（Associate Fellow of RIN）。
2007 年于英国卡迪夫大学获得博士学位。曾任卡迪夫大学机器人与自主系统学科带头人、欧洲区域发展基金/威尔士欧洲基金（ERDF/WEFO）资助的人工智能、机器人与人机系统研究中心（IROHMS）共同负责人，并担任 IEEE RO-MAN、IEEE ICAC、BMVC 等多个国际会议委员及 IEEE T-Mech、IMechE Part C 等国际学术期刊编委。曾在 Dyson、ASV Global 和 Lenovo 等企业从事核心研发工作，具有丰富的产业界经验。
近年来作为项目负责人或共同负责人，承担了多项由英国工程与自然科学研究基金（EPSRC）、英国皇家工程院、欧盟 H2020、英国皇家学会及工业界资助的科研项目。发表学术论文 190 余篇，其中包括 IEEE T-RO、IJRR、IEEE TNNLS、IEEE T-ASE、IEEE RAL、ICRA/IROS 等国际顶级期刊和会议。
研究领域
教育与工作经历
- 2026.05 – 至今 河海大学，教授
- 2026.06 – 至今 英国卡迪夫大学，荣誉教授（Honorary Professor）
- 2016.09 – 2026.05 英国卡迪夫大学，机器人学科带头人、实验室主任，Reader（2024）/ Associate Professor（2020）/ Assistant Professor（2016）
- 2014.06 – 2016.08 ASV Global Ltd，无人系统核心研发
- 2013.03 – 2014.06 戴森（Dyson），机器人研发
- 2003 – 2007 英国卡迪夫大学，机械电子工程，博士
- 2002 – 2003 英国伯明翰大学，计算机科学，硕士
- 1997 – 2001 吉林大学，电子工程，学士
荣誉与奖励
- 英国工程技术学会会士（Fellow of the Institution of Engineering and Technology, FIET，2026）
- IEEE Transactions on Automation Science and Engineering 最佳新应用论文奖（2023，唯一获奖）
- IEEE M2VIP 2023 最佳会议论文奖
- CGVC 2023 最佳学生论文奖（Terry Hewitt Prize）
- TAROS 2018 最佳论文奖
- 卡迪夫大学 2024 年度优秀教学奖（EN4110 机电一体化设计）
- 2019 年国际海洋航行器设计与建造邀请赛二等奖
- 欧盟 FP6 项目 TAI-CHI 获 EC IST 展览最佳展示奖（2006）
代表性论文
- IEEE T-ASE 最佳新应用论文奖 (2023) Anisotropic GPMP2: A Fast Continuous-Time Gaussian Processes Based Motion Planner for Unmanned Surface Vehicles in Environments With Ocean Currents. IEEE Transactions on Automation Science and Engineering
- DDBot: differentiable physics-based digging robot for unknown granular materials. IEEE Transactions on Robotics, 2025, 42: 152–169
- Yang, X., Ji, Z. and Lai, Y. Differentiable physics-based system identification for robotic manipulation of elastoplastic materials. International Journal of Robotics Research (IJRR), 2025, 44(13): 2126–2155
- Wei, M. et al. A physics-informed demonstration-guided learning framework for granular material manipulation. IEEE Transactions on Neural Networks and Learning Systems, 2026, 37(4): 1590–1604
- PnuTac: Vision based pneumatic tactile sensor for slip detection and object classification. M2VIP 2023 最佳会议论文奖 IEEE M2VIP 2023