由我院智能信息处理实验室黄亚楼教授牵头申报的“信息检索中基于损失函数优化的排序学习研究”项目，和孙凤池副教授牵头申报的“未知环境下基于陆标动态配置的移动机器人主动同时定位与地图创建”项目，日前双双通过专家评审，获得国家自然科学基金资助（批准号分别为60673009、60605021）。
“信息检索中基于损失函数优化的排序学习研究”项目主要研究排序学习。 排序学习是信息检索模型研究的热点问题。但是在该领域存在以下两个问题：[1] 在信息检索中，人们注意到了"序对"颠倒导致的错误，并提了解决方案，但是这种颠倒出现的位置并未被考虑。事实上出现在序顶部的错误要比出现在序中部或者尾部的错误要更加严重，其对排序性能的影响更大；[2] 排序学习需要大量的人工标注数据，但在信息检索中数据的标注代价非常昂贵，如何利用大量存在的未标注的数据训练排序模型值得探讨。已有的排序学习研究没有对以上两个问题做出深入的探讨，本项目以用于排序学习的损失函数为切入点，借鉴机器学习中分类学习的应用经验，提出基于代价敏感学习的排序算法来解决第一个问题，提高排序的性能（序的准确性）；提出用于排序学习的半监督学习方法和主动学习方法来解决第二个问题，降低标注代价。研究成果除用于信息检索外，在其他需要排序学习的相关领域，如经济学、社会科学等领域都有着广泛应用。
“未知环境下基于陆标动态配置的移动机器人主动同时定位与地图创建”项目主要研究移动机器人的同步定位与建图问题。该项目研究有预置陆标的未知环境下移动机器人的同时定位与地图创建问题(SLAM)，通过引入合理的优化目标和约束条件将其转化为多目标最优控制问题，并利用有效的求解方法使机器人以主动的、自适应的和智能的运动方式准确、高效地完成同时定位与地图创建；并研究无预置陆标的完全未知环境下移动机器人的陆标动态在线配置问题，提出合理的陆标配置准则、详细的陆标配置方法和陆标实现机制，使机器人能够根据定位与建图的需要在环境中动态配置陆标，为完成SLAM提供必要的前提；在前两个问题的基础上，研究无预置陆标环境下基于陆标动态配置的主动SLAM问题，使机器人同时在线完成陆标配置、定位和地图创建，从而使得机器人的定位与建图能够应用于真正的二维完全未知环境，发挥SLAM研究的真正价值。
智能信息处理实验室建于1998年，在黄亚楼教授领导下在智能机器人、智能信息处理两个领域开展了卓有成效的研究工作。此次申请的两个项目在前期工作基础上，进一步提出了前沿的问题和思路，两项申请得到评审专家的一致好评。
