PostalAddress:c15cabae4a0ea945d670ad25c7eeb88552cec902007e66a908a580711b1c4e29d61dd0cfb29170918c042302ad270212dae19bc610fcba15989e3f4fd1f215e04ed101129337aafcb1abb39acb2a97e873c1e32acccc2cc96586a649567999553f23b86e8c8113f3d3b322b93cb7983b58b318483cb4b6bf157ef3e3887425d1

陈超，重庆大学智算中心副主任、计算机学院和高端装备机械传动全国重点实验室教授、国家级青年人才。中国计算机学会杰出会员、普适计算专业委员会常务委员、智能机器人专业委员会执行委员。长期从事移动具身智能、时空数据智能、智能流体力学等研究。主持国家级科研项目10余项。

以第一/通讯作者在 TRO/RA-L、TMC/TC、CVPR/ICCV、ICDE/SIGMOD/PVLDB等国际期刊和会议上发表论文200余篇。谷歌学术引用9900余次，h-index为50。 研发的多个智能感知系统在滴滴出行、京东智能城市、赛力斯超级工厂、中国空气动力研究与发展中心、中物院激光聚变研究中心等多个单位部署和应用。出版英文学术专著1部。

指导的学生多次获得重庆市优秀学位论文、国家奖学金。学生毕业去向包括：法国萨克雷大学、清华大学、重庆师范大学、云南民族大学、比亚迪、海康威视、科大讯飞、华为、中国联通、中国工商银行、上海AI Lab、滴滴出行、蚂蚁金服、长安智驾等。

每年招收1-2名博士研究生、3-5名硕士研究生。欢迎具备跨学科背景（机械、土木、力学、自动控制等）的学生报考！

实验室具备国际一流的软硬件设施，已搭建移动机械臂、双臂机器人等平台（4台移动小车、5个机械臂、BestMan软件平台）。

代表性工作

移动具身智能

[1] OVA-Fields: Weakly Supervised Open-Vocabulary Affordance Fields for Robot Operational Part Detection, ICCV 2025.

[2] SKE-Layout: Spatial Knowledge Enhanced Layout Generation with LLMs, CVPR 2025.

[3] MLLM-Afford: Grounding 3D Affordances for Embodied Robots via Multimodal Large Language Models, RA-L 2026.

[4] GSAM: A Generalizable and Safe Robotic Framework for Articulated Object Manipulation, PPSN 2026.

[5] SG-Layout: Structured Scene Graph-Guided Layout Generation with LLMs, WAIC 2026. 

时空数据智能

[1] Falcon: GPU-Based Floating-point Adaptive Lossless Compression, ICDE 2026.

[2] Serf: Streaming Error-Bounded Floating-Point Compression, SIGMOD 2025.

[3] HyperRegion: Integrating Graph and Hypergraph Contrastive Learning for Region Embeddings, TMC 2025.

[4] UniTR: A Unified Framework for Joint Representation Learning of Trajectories and Road Networks, AAAI 2025.

[5] Function Reuse-Driven Serverless Workflow Provisioning with Constrained Bayesian Optimization, TC 2026.

智能流体力学

[1] Phy-Ture: A Physics-Guided Fusion and FeaTure Processing Framework for Unmanned Helicopter Dynamics Modeling, JMLIS 2026.

[2] A Physcics-informed Diffusion Model for Super-Resolution Reconstruction of Airfoil Flow Field Data, Physics of Fluid 2025.

[3] An Efficient Aeroelastic Analysis Framework for Three-Dimensional Wings Using Neural Network Architecture, Physics of Fluid 2025.

[4] Physics-Informed Neural Network Compression Mechanism for Airfoil Flow Field Prediction, Physics of Fluid 2025.

[5] A Multi-task Learning Framework for Aerodynamic Computation of Two-dimensional Airfoils, Physics of Fluid 2024.

• 2010.9 -- 2014.7
  法国巴黎索邦大学 , 计算机科学与技术 , With Certificate of Graduation for Doctorate Study
• 2007.9 -- 2010.4
  西北工业大学 , 控制理论与控制工程 , With Certificate of Graduation for Study as Master's Candidates
• 2003.9 -- 2007.6
  西北工业大学 , 信息工程 , University graduated

• 2020.9 -- Now
  重庆大学 , 高端装备机械传动全国重点实验室
• 2014.9 -- Now
  重庆大学计算机学院 , 教授