生理感知EXPERIENCE / 01
REMOTE VITALS
FACE → SIGNAL → INSIGHT
72BPM98SpO₂
MPU-rPPG model / rPPG
不必触碰，也能感知心跳。
从面部影像中的细微颜色变化，探索脉搏信号。面对摄像头，体验非接触式生理感知的可能。
· 科研互动体验 MACAO
ONE EXHIBITION · THREE DIRECTIONS
让智能，
理解真实世界。
从身体信号与动作，到术中空间，再到长期行为序列。三条研究路径，共同回答同一个问题：人工智能如何更准确地理解变化，并把理解转化为可用的决策支持。
感知变化 · 建模动态 · 支持决策 · 连接真实场景
MPU · AIUNDERSTAND
CHANGE研究从变化开始
01 / SENSE智能感知生理信号 · 姿态动作
02 / NAVIGATE动态导航CT · 超声 · 形变补偿
03 / RECOMMEND个性化推荐时序 · 生成 · 排序
CHANGE研究从变化开始
010203PERCEPTION → MODELLING → DECISION
三个模块，一套从数据到决策的研究逻辑。SCROLL TO EXPLORE
非接触感知 CONTACTLESS
+
端侧智能 EDGE AI
+
以人为本 HUMAN-CENTERED
+
科研可体验 RESEARCH IN ACTION
01 / SENSEHUMAN-CENTERED PERCEPTION
智能感知 · 生理与行为
感知，
不止所见。
非接触式生理感知 × 人体行为理解
把摄像头看到的像素，进一步转化为脉搏节律、人体关键点与动作语义。从微小颜色变化到连续姿态序列，让“看见”成为理解人的第一步。
进入两个互动 Demo HUMAN SENSING LAB01 / 02
CONTACTLESS SENSING看见微小的变化
HUMAN-CENTERED AI理解每一个动作
+
+
生命，自有回响CONCEPT VISUALIZATION
移动鼠标，换个角度感知
INTERACTIVE DEMOS
两种交互，同一条感知链路。
先从可体验的身体信号与动作开始，再继续向下理解背后的技术。
行为感知EXPERIENCE / 02
POSE LANDMARKS
ACTION PREVIEW挥手WAVING
X 0.82Y 0.64Z 0.37
姿态动画 · 非实时识别点击预览
BehaviorAnalysis / VISION AI
每一个动作，都有迹可循。
让摄像头成为理解动作的窗口。通过人体关键点、姿态变化与时序信息，探索从“看见动作”到“读懂行为”。
本页动画仅为技术示意，不进行摄像头采集。实际体验将在独立 Demo 页面打开，结果仅用于科研展示，不作为医疗诊断依据。
01.B / SCIENCE从体验继续向下：理解感知背后的信号与动作建模。
BEHIND THE INTELLIGENCE
把看不见的，
变成可理解的。
从像素到信号，从姿态到行为。
我们探索的，是人工智能与人的连接。
THE SCIENCE OF rPPG01
摄像头，如何“看见”心跳？
血液流动会带来皮肤表面细微的颜色变化。rPPG（远程光电容积描记）从视频中提取这些变化，经过信号处理，估计脉搏节律。
01面部影像捕捉颜色变化
02信号提取分离脉搏信息
03节律估计呈现生理信号
小提示：光照、头部运动和摄像头质量均会影响信号。体验时请保持自然、稳定的姿态。
02 / NAVIGATESPATIAL INTELLIGENCE IN MOTION
JOINT INNOVATION · DYNAMIC LIVER NAVIGATION
让导航，看见
正在呼吸的肝脏。
澳门理工大学 × 横乐科技｜肝癌精准介入联合创新项目
面向肝癌经皮穿刺、活检与消融等介入场景，融合 CT 的结构细节与超声的实时动态信息，研究感知肝脏运动、补偿组织形变并持续校准路径的智能导航技术；以影像理解为感知基础、动态配准为连接桥梁，并与介入手术机器人导航执行能力协同。
视频旁短句：如何应对动态中的毫厘之差？这是精准介入持续进化的方向。CT → LIVER → NAVIGATION
01 / STRUCTURE
术前 CT提供清晰、完整的解剖结构与病灶参考，建立路径规划和初始定位的结构底图。
02 / DYNAMIC ORGAN
TARGET
TARGET正在呼吸的肝脏呼吸、体位变化与术中操作会带来位移和形变，使静态影像中的位置关系持续变化。
03 / REAL-TIME
术中超声提供实时动态信息，持续感知肝脏运动，并为跨模态配准与形变补偿提供术中观测。
CT结构细节
REGISTER动态配准 · 呼吸补偿
FUSECT–超声持续对齐
ROBOT机器人导航辅助
影像为眼，动态配准为桥，手术机器人为载体。横乐 SGNIO 介入穿刺手术机器人展现多模态感知、人机协同与导航执行的技术基础；联合研发项目进一步聚焦肝脏这一持续运动、持续形变的复杂介入场景。
影像更清晰增强细节表达，为识别与配准提供稳定基础。
融合更精准让 CT 结构信息与超声动态信息建立空间对应。
导航更从容感知呼吸变化，持续更新术中路径参考。
FROM IMAGE TO NAVIGATION
从影像增强，到动态融合。
一条贯穿术中的持续更新链路。
01影像采集CT + 实时超声
02质量增强清晰度与细节
03跨模态配准建立空间对应
04形变补偿跟随呼吸更新
05导航辅助支持路径判断
≥1cm增强后腹部超声影像目标识别尺寸
≤10秒初始配准目标时间
≤2mm初始及动态配准目标误差
≤100ms动态配准目标更新时间
≤1秒多模态融合目标运算时间
≥0.75融合图像边缘保持目标指标
本模块介绍联合研发项目及技术方向。页面所述性能数据均为项目研发目标，不构成对现有产品功能、适用范围或临床效果的承诺。
03 / RECOMMENDSEQUENTIAL INTELLIGENCE · GENERATIVE RECOMMENDATION
时序增强 · 个性化推荐
从长期行为，
读懂下一次需求。
澳门网络传媒发展有限公司 × 上海交通大学 × 澳门理工大学
面向「澳觅 APP」真实业务场景，建模浏览偏好、购买频率、支付习惯等长期交互序列，预测潜在需求，并把更贴合用户的商品与服务排到前面。
把一次点击放回时间里看，才能更接近真实偏好。BEHAVIOR → MODEL → RANKING
时序模型SEQUENCE
INTELLIGENCESAFE · JIGRec · RankTIGER
INTELLIGENCESAFE · JIGRec · RankTIGER
个性化排序
01ITEM A
02ITEM B
03ITEM C
在线反馈持续迭代A/B LIVE
不是只看一次点击，而是理解一段时间。
把用户的多元行为按时间组织起来，捕捉长期兴趣、近期变化与行为节奏，为下一步推荐提供更完整的上下文。
FROM SEQUENCE TO RECOMMENDATION
从行为序列，到个性化结果。
一条连接建模、生成、排序与反馈的推荐链路。
01行为序列长期多元交互
02时序建模偏好与意图表示
03生成与排序候选、重排与校准
04在线反馈A/B 验证与迭代
+13.0–16.6%延迟 12 天工业测试集 Top‑K 准确率相对提升
+13.5%Avazu AUC：0.7333 → 0.8321
−21.0%Avazu LogLoss 降幅
8M / yr项目材料所述新增平台交易额；另报告销售收益超 200 万/年
EXPAND / PPT RESEARCH MATERIAL展开：研究矩阵、算法框架与项目成果初次浏览可停在这里；需要更多技术细节时再展开。
展开收起
PROJECT PROGRESS · RESEARCH MATRIX
从工业时序特征，到生成、排序与可靠性校准。
PPT 展示的研发不是单一模型，而是一组相互补充的方法线：特征工程、多模态生成、联合意图、LLM 排序、语义 ID 排序训练、Trie 后验推理与可靠度感知路径建模。
01
SAFE
LLM 智慧体驱动序列特征工程
以感知、记忆、生成与评估构成闭环，持续提出并筛选时序特征；PPT 报告在 Avazu 上 AUC 从 0.7333 提升至 0.8321，LogLoss 降低 21.0%。
展开框架图与方法细节
核心问题：如何把工业推荐中的时序特征设计，从人工试错转化为可迭代、可评估的自动发现过程。
关键思路：以感知、记忆、生成、评估构成闭环，由 LLM 智慧体不断提出、筛选和修正候选特征，再反馈到模型训练中。
页面观看建议：左图看方法闭环，右图看 AUC 逐轮变化；二者共同说明“特征工程”也可以成为一条可学习的研究线。
02
BGSN
行为图过滤与近邻变换增强
在量化前利用行为图滤噪，生成后再依据行为邻域重排；PPT 报告其在 3 个 Amazon 数据集的 15 组指标上优于所列基线，最高相对提升 8.7%。
展开框架图与方法细节
核心问题：离散化前后的用户行为信息会损失上下文，噪声与邻域偏差会影响推荐质量。
关键思路：量化前利用行为图滤噪，生成后依据行为邻域进行近邻变换与重排，让序列上下文更加稳健。
页面观看建议：框架图重点看“前过滤 + 后重排”双阶段设计，便于理解其与普通生成式推荐的差异。
03
HSTU-GAMRec
混合图增强多模态生成推荐
融合物品 ID、多模态编码与共现图来细化混合表征；PPT 报告相较 MACRec，HR@10 与 NDCG@10 平均提升 28.9% 与 32.3%。
展开框架图与方法细节
核心问题：只依赖物品 ID 难以充分表达跨模态商品的内容与共现关系。
关键思路：把物品 ID、多模态编码和共现图结合为混合表示，再用 HSTU 细化序列建模与生成过程。
页面观看建议：先看输入端的多源信息，再看中间的图结构增强，最后看对生成推荐的整体提升。
04
LadRanker
面向推荐系统的全能型 LLM 排序器
用 Context Mixing 建模候选物品之间的互动，并通过 Prefix Caching 复用共享 Prompt 状态，兼顾排序性能、效率与一致性。
展开框架图与方法细节
核心问题：LLM 直接用于重排序时，容易忽略候选物品之间的关联，同时带来高昂的推理成本。
关键思路：用 Context Mixing 建模候选之间的交互，再通过 Prefix Caching 复用共享 Prompt 状态，平衡质量、效率与一致性。
页面观看建议：框架图与雷达图结合阅读，前者说明怎么做，后者展示为什么它更适合实际排序场景。
05
JIGRec / DISARec
联合意图与行为—兴趣感知生成推荐
将行为类型、兴趣分支与 Semantic-ID 统一到生成过程，并通过组合记忆或双重意图表征增强对稀疏关系的建模。
展开框架图与方法细节
核心问题：单一兴趣假设难以解释真实用户在不同场景下的多重意图切换。
关键思路：JIGRec 从联合意图出发，DISARec 从行为—兴趣双通路建模，两者都在生成过程中更精细地表达用户状态。
页面观看建议：上下两张图可对照阅读，帮助理解“联合意图”和“兴趣分离”两条互补思路。
06
RankTIGER
语义 ID 生成推荐的排序感知训练
从共享语义前缀中采样难负例，用 listwise 损失直接比较正负物品整体得分，并通过梯度冲突投影与比例缩放校准训练目标。
展开框架图与方法细节
核心问题：生成式推荐训练往往更关心 token 级别正确性，而不一定直接优化最终排序质量。
关键思路：从共享语义前缀采样难负例，用 listwise 损失比较完整候选的整体得分，并对梯度冲突进行校准。
页面观看建议：结合流程图看“难负例采样—列表损失—梯度校准”的三段式训练逻辑。
07
TrieReason / MapRec
后验推理与可靠度感知校准
TrieReason 将 Trie 从解码过滤器提升为训练期后验推理模块；MapRec 则依据路径转移分布的熵、时效性与可靠度，对首 token 进行受限校准。
展开框架图与方法细节
核心问题：仅靠解码期约束不足以保证生成路径的可靠性，首个 token 的选择尤其影响整体结果。
关键思路：TrieReason 把 Trie 提升为训练期后验推理模块；MapRec 用路径熵、时效性和可靠度对首 token 进行受限校准。
页面观看建议：把这组方法理解为“生成之后的再思考”，重点关注它们如何处理可靠性与路径先验。
PROJECT OUTPUTS
研究产出与产业验证
以下数字均按 PPT 当前进展页呈现；目标值与已完成值并列时，以“当前 / 目标”显示。
2 / 1PPT 列出的期刊成果 / 结项目标
1 / 3已录用会议成果 / 结项目标
2 / 3已授权专利 / 结项目标
9PPT 列出的申请中专利
≥8软件著作权申请
8M + 2M项目材料所述年度新增平台交易额 + 销售收益（人民币）
合作研发澳门网络传媒发展有限公司 · 上海交通大学 · 澳门理工大学项目材料显示三方围绕平台构建、时序模型、列表数据与时序增强算法开展合作。
数据来自项目 PPT；不同指标对应不同数据集、模型与实验设置，不能直接横向等同。经济效益与 A/B 结果为项目材料所述。
RESEARCH FOR PEOPLE
ICML↗
Intelligent Computational
Medicine Laboratory
MACAO POLYTECHNIC UNIVERSITY
澳門理工大學 · 智能醫學計算實驗室
让科研有深度，
让科技有温度。
以医学与计算的交叉探索为起点，让人工智能更好地服务于人。这一次，我们把实验室里的探索带到展台，邀请你亲自感受智能感知的可能。
澳门理工大学持续推动人工智能与智慧健康领域的研究。本次两项交互 Demo，将生理信号与人体动作转化为直观体验，连接科研、公众与未来应用。
了解澳理大科研 （新标签页）01 需要准备什么设备？
推荐使用带摄像头的电脑和新版 Chrome 或 Edge，也可使用手机浏览器尝试。首次进入 Demo 时，根据提示允许摄像头访问。手机兼容性、速度和可用功能以实际设备为准。
02 怎样获得更好的体验？
生理感知：面部正对摄像头、光照均匀，尽量保持稳定。行为识别：后退一步，让头到脚完整入镜，注意周围安全。首次加载模型需要网络，请稍作等待。
03 会使用我的摄像头或个人信息吗？
这个导航页不会调用摄像头，也不采集个人资料。只有跳转到独立 Demo 后，才可能请求摄像头权限；具体数据处理方式以对应 Demo 的说明为准。不愿授权时，也可以观看展台演示。
04 展示结果可以作为健康判断依据吗？
不可以。两个 Demo 均为科研与互动展示，输出可能受到环境、设备和算法限制的影响，不用于医疗诊断、治疗建议或安全监护。有健康疑问时，请咨询专业医护人员。
05 扫码后无法打开或无法调用摄像头？
请检查网络连接。如果是在微信等应用内打开，可尝试“在浏览器中打开”，使用 Safari、Chrome 或 Edge，并检查浏览器摄像头权限。现场也可由工作人员协助体验。
YOUR NEXT DISCOVERY STARTS HERE.
下一次发现，从你开始。
把探索带在身边，也把好奇分享出去。