Prof. Dr. Gordon Cheng

Wissenschaftliche Laufbahn und Forschungsgebiete

Professor Cheng (*1968) erforscht das grundlegende Verständnis und die Konstruktion von kognitiven Systemen. Er hat in den letzten 20 Jahren bahnbrechende Beiträge in den Bereichen Humanoide Robotik, Neuroengineering und Künstliche Intelligenz geleistet.

Prof. Cheng studierte Informatik an der Universität Wollongong, Australien und promovierte 2001 in Systemtechnik am Department of Systems Engineering der Australian National University. Er gründete und leitete von 2003 bis 2008 das Department for Humanoid Robotics and Computational Neuroscience am Institut für Advanced Telecommunications Research in Kyoto, Japan. Darüber hinaus war er von 2007 bis 2008 Projektleiter am National Institute of Information and Communications Technology, Japan sowie an der Japan Science and Technology Agency, wo er für das Projekt „Computational Brain“ verantwortlich war (2004-2008). Seit 2010 forscht und lehrt Prof. Cheng als Ordinarius für Kognitive Systeme an der TUM. Er ist Koordinator des Kompetenzzentrum Neuro-Engineering der Fakultät für Elektrotechnik und Informationstechnik und Sprecher des neu eingerichteten Elitestudiengangs Neuroengineering (MSNE) des Elitenetzwerks Bayern.

Wichtigste Auszeichnungen

  • Advanced Robotics, Best Paper Award (2019, 2016)
  • IEEE Humanoids, Best Paper Award (2018)
  • William Mong Distinguished Award – for AI in the real world: from neuroscience to robotic innovations (2018)
  • IEEE Fellow for Contributions in Humanoid Robotic Systems and Neurorobotics (2017)
  • IEEE Gennai Medal (2007)

G. Cheng, S.K. Ehrlich, M. Lebedev, M.A.L. Nicolelis: “Neuroengineering challenges of fusing robotics and neuroscience”. Science Robotics Vol. 5. 2020; Issue 49, eabd1911.

Abstract

G. Cheng, E. Dean-Leon, F. Bergner, J. Rogelio Guadarrama Olvera, Q. Leboutet and P. Mittendorfer, "A Comprehensive Realization of Robot Skin: Sensors, Sensing, Control, and Applications". Proceedings of the IEEE. 2019.

Abstract

G. Cheng, K. Ramirez-Amaro, M. Beetz, Y. Kuniyoshi: ”Purposive learning: Robot reasoning about the meanings of human activities”. Science Robotics. 2019; 4(29): eaav1530.

Abstract

A.R.C. Donati, S. Shokur, E. Morya, D.S.F. Campos, R.C.Moioli, C.M. Gitti, P.B. Augusto, S. Tripodi, C.G. Pires, G.A. Pereira, F.L. Brasil, S. Gallo, A.A. Lin, A.K. Takigami, M.A. Aratanha, S. Joshi, H. Bleuler, G. Cheng, A. Rudolph, M.A.L. Nicolelis: “Long-Term Training with a Brain-Machine Interface-Based Gait Protocol Induces Partial Neurological Recovery in Paraplegic Patients”. Nature Scientific Reports. 2016; 6 (Article number: 30383).

Abstract

Karinne Ramirez-Amaro, Michael Beetz, Gordon Cheng: “Transferring Skills to Humanoid Robots by Extracting Semantic Representations from Observations of Human Activities”. Artificial Intelligence Journal, 2015.

Abstract