為落實《國家中長期科學和技術發展規劃綱要（2006-2020年）》，以及國務院《關于促進云計算創新發展，培育信息產業新業態的意見》和《關于印發促進大數據發展行動綱要的通知》等提出的任務，國家重點研發計劃啟動實施“云計算和大數據”重點專項。根據本重點專項實施方案的部署，現發布2018年度項目申報指南。

本重點專項總體目標是：形成自主可控的云計算和大數據技術體系、標準規范和解決方案；在云計算與大數據的重大設備、核心軟件、支撐平臺等方面突破一批關鍵技術；基本形成以云計算與大數據骨干企業為主體的產業生態體系和具有全球競爭優勢的云計算與大數據產業集群；提升資源匯聚、數據收集、存儲管理、分析挖掘、安全保障、按需服務等能力，實現核心關鍵技術自主可控。

本重點專項按照云計算和大數據基礎設施、基于云模式和數據驅動的新型軟件、大數據分析應用與類人智能、云端融合的感知認知與人機交互等4個創新鏈（技術方向），共部署31個重點研究任務。專項實施周期為5年（2016—2020年）。

2016年，本重點專項在4個技術方向已啟動12個研究任務的15個項目。2017年，在4個技術方向已啟動15個研究任務的15個項目。2018年，在4個技術方向啟動20個研究任務，擬支持20-40個項目，擬安排國撥經費總概算為6.25億元。凡企業牽頭的項目須自籌配套經費，配套經費總額與國撥經費總額比例不低于1：1。

項目統一按指南二級標題（如1.1）的研究方向組織申報。除特殊說明外，擬支持項目數均為1-2項。項目實施周期不超過3年。申報項目的研究內容須涵蓋該二級標題下指南所列的全部考核指標。項目下設課題數原則上不超過5個，每個課題參研單位原則上不超過5個。項目設1名項目負責人，項目中每個課題設1名課題負責人。

指南中“擬支持項目數為1-2項”是指：在同一研究方向下，當出現申報項目評審結果前兩位評價相近、技術路線明顯不同的情況時，可同時支持這2個項目。2個項目將采取分兩個階段支持的方式。第一階段完成后將對2個項目執行情況進行評估，根據評估結果確定后續支持方式。

1. 云計算和大數據基礎設施

1.1 數據科學的若干基礎理論（基礎研究類）

研究內容：研究大數據的統一表示和有效度量；研究大數據的新型計算復雜性理論；研究高通量計算理論與算法；研究近似計算理論與算法；研究數據副本一致性理論、數據壓縮與摘要理論；研究數據數據權屬理論等。

考核指標：形成有國際性影響的數據科學理論體系，研制可驗證其理論和算法有效性的原型系統，發表一批高水平學術論文和若干專著。在關鍵技術上申請系列專利，形成專利群。

1.2 基于非易失存儲器（NVM）的TB級持久性內存存儲技術與系統（共性關鍵技術類）

研究內容：研究基于持久性內存的混合主存系統I/O棧與存儲管理策略；研究分布式持久性內存文件系統；研究基于遠程直接數據存?。≧DMA）的分布式持久性共享內存新型編程模型及其應用編程接口；構建分布式持久性內存存儲系統；研制基于TB級內存系統的典型大數據應用系統擴展并示范應用。

考核指標：研制不少于8節點的內存存儲系統，每節點均包含TB級非易失性內存；分布式內存系統中節點間通信延遲不超過1μs，高負載通信延遲不超過10μs，帶寬可擴展，8節點帶寬不低于40GB/s；讀操作ops不低于5000萬/s，寫操作ops不低于1000萬/s；在ZB 級大數據場景下應用于1-3 個典型領域。在關鍵技術上申請系列專利，形成專利群，發表一批高水平學術論文。

1.3 面向異構體系結構的高性能分布式數據處理技術與系統（共性關鍵技術類）

研究內容：面向分布式異構體系結構，研究基于數據流的編程模型、性能分析方法、同步與通信技術和運行時系統，并實現高通量視頻等典型應用示范。具體內容：支持異構體系結構上的數據流編程模型與軟件工具鏈；異構體系結構上的運行時系統，支持CPU與加速器之間的高效率混合執行，支持加速器上的細粒度流水線并行；性能分析技術和優化調度技術，優化分配CPU與加速器上的運行資源；分布式異構系統數據處理技術，包括數據與計算的高效劃分技術、負載平衡以及高性能同步與通信技術。

考核指標：支持CPU-GPU異構體系結構，并支持單機多加速器和多機多加速器。性能分析工具支持多種程序執行模式的優化選取，并可給出混合模式時的CPU-GPU執行比例。支持單個GPU SM上部署多個核（kernel）的細粒度任務調度，以及以此為基礎的流水線并行模式。單機和多機（不低于8臺服務器16塊GPU）上CPU/GPU細粒度混合執行的應用性能是當前通用CPU的5倍以上，是僅實現粗粒度并行性的GPU的2倍以上。在關鍵技術上申請系列專利，形成專利群，發表一批高水平學術論文。

1.4 面向圖計算的通用計算機技術與系統（共性關鍵技術類）

研究內容：研究圖計算眾核處理器和異構圖計算機體系結構；研制支撐異構圖計算機的系統軟件；研究面向異構圖計算機系統的分布式處理技術；研究基于異構圖計算機的數據管理與處理系統；研制基于異構的圖計算機的通用計算機系統，開展應用示范。

考核指標：研制面向圖計算的眾核處理器芯片原型；研制基于已有加速器的低功耗異構的圖計算系統，單節點圖計算機總體性能達到GTEPS，性能功耗比提升10倍；在浮點運算能力不大于1TFlops 的條件下，每秒處理的邊數大于10GTEPS，靜態圖計算可獲得2-3倍加速比；單節點支持50億條邊的圖數據存儲和查詢，平均查詢響應時間為秒級，支持每秒10萬邊的圖流數據分析；針對金融等領域2個以上典型應用開展應用驗證。在關鍵技術上申請系列專利，形成專利群。發表一批高水平學術論文。

1.5 面向國產處理器的虛擬化技術與系統（共性關鍵技術類）

研究內容：研究面向國產單核/多核/眾核處理器的虛擬化架構、虛擬化技術、容器技術等；研究虛擬執行環境的構建與優化技術、虛擬計算環境下應用驅動的軟件棧設計/構造的理論和方法；研究輕量級虛擬機鏡像定制、應用定制的虛擬機優化等方法和技術，構造面向特定領域/應用的輕量級虛擬機；研究虛擬化和虛擬機的性能評價方法與基準測試、性能調優工具；研制采用國產單核/多核/眾核處理器的云服務器原型，在云計算系統中應用驗證。

考核指標：研發面向國產處理器的虛擬化、虛擬機監控器、虛擬機三類核心技術，支持多核、眾核異構計算資源的虛擬化，支持虛擬資源的統一調度和分配，基于多核的國產服務器虛擬機數量不小于256，每虛擬機內存最大2TB，處理器和內存虛擬化開銷小于百分之三；采用國產處理器的云服務器原型在關鍵行業的云計算系統中開展應用驗證，在典型云計算應用負載下，與采用X86處理器的云服務器對應指標相當，提升基于國產處理器的云裝備在云計算行業的應用能力。申請系列專利，發表一批高水平學術論文。

1.6 數據驅動的云數據中心智能管理技術與平臺（共性關鍵技術類）

研究內容：研究超大規模云數據中心運行數據的管理方法；研究基于運行數據的云數據中心運行評估與預測技術，實現數據驅動的云數據中心運行精準化評估與預測；研究數據驅動的大規模云數據中心資源智能調度與管理技術；面向典型領域，研究應用導向的云工作流智能管理與調度技術，提供高能效、高服務質量的云工作流應用服務；研制云數據中心智能部署、運維管理與服務能力保障系統，并開展示范應用。

考核指標：形成智能化的云數據中心系統運行評估、行為預測、資源調度、工作流管理與系統運維的關鍵技術體系；云工作流和云服務請求的接受率比當前主流水平提升20%以上，滿足用戶在時間和成本等多方面的差異化需求；研制的云數據中心智能管理系統在數十萬臺量級服務器規模的云數據中心開展示范應用；申請系列專利，發表一批高水平學術論文，并完成若干國家標準（送審稿）或國際標準提案。

2. 基于云模式和數據驅動的新型軟件

2.1群智化生態化軟件開發方法與環境（基礎研究類）

研究內容：研究基于互聯網的群體智能的形成機理、軟件生態系統中的群體協作規律、社區組織模式、社會化特性和最佳實踐；研究軟件生態系統的多維度度量和評估方法、軟件生態系統形成和演化的微過程模型等；研究基于大規模群體協同的在線需求獲取與建模、軟件設計與建模、軟件構造與測試、個體信息融合與個性化信息推薦等群智軟件開發模式與方法；研制基于群體智能的協作式軟件開發、管理和維護支撐工具集及平臺，形成支持智能化群體協作的軟件開發環境，并進行示范應用。

考核指標：建立基于群智協作的軟件開發模型與機制，形成覆蓋軟件生命全周期的群智軟件開發方法、工具、環境和最佳實踐，支持單一項目數千名開發者規模；形成兼容國際主流、符合中國特色的群智化軟件開發生態系統建設方案，實際應用于10個以上項目合計1000名以上開發者；發表一批高水平學術論文，申請系列知識產權。

2.2 基于編程現場大數據的軟件智能開發方法和環境 （共性關鍵技術類）

研究內容：研究跨地域軟件開發現場的數據實時采集、清洗、組織、管理技術，基于機器學習的程序語義學習及自動生成方法與技術；研究面向代碼質量實時動態檢測與質量提升的智能編程技術；研究面向代碼風格與編程規范實時檢測與改進的智能人機交互方法與技術、上下文感知的編程接口與代碼推薦方法；構建跨地域的軟件開發現場數據庫和規范源碼樣例庫，研制基于智能化人機交互協作的軟件開發云平臺，在不同規模的軟件企業中進行示范應用。

考核指標：研制的平臺支持1000人以上的軟件開發現場，人機交互協作系統響應時間低于2秒；規范源碼樣例庫覆蓋100個項目上億行代碼；在3個以上不同規模軟件企業進行示范應用，最大開發人員規模超過1000人，支持100個軟件開發項目，每個項目代碼量不低于10萬行，智能化人機交互協作覆蓋代碼行超過70%，接口與代碼推薦平均準確率超過70%，自動生成代碼量超過50%；發表一批高水平學術論文，申請系列知識產權。

2.3面向智能制造的供應鏈流程管控軟件平臺（應用示范類）

研究內容：面向智能制造中供應鏈管理與優化及其涉及的企業研發設計、生產制造、經營管理、銷售服務和客戶服務等制造領域流程相關的核心問題，研究企業內外部系統異構數據獲取和智能治理，面向制造領域關鍵流程的知識建模、數據分析和優化、深度網絡挖掘和決策，以及不同規模的企業和供應商之間的供應鏈協同等基于云模式和大數據的新型軟件應用關鍵技術，研制面向智能制造的供應鏈流程管控軟件平臺，并進行示范應用。

考核指標：異構數據治理軟件系統支持30種以上企業資源管理系統（ERP）、制造執行系統（MES）、產品生命周期管理系統（PLM）、供應鏈管理系統（SCM）等制造領域國產和進口控制和管理軟件系統90%基礎數據的獲取，提供實證的10PB級制造領域數據存儲和計算能力；智能制造領域知識分析和優化平臺支持供應鏈優化、質量改進、生產性故障預防、設備健康度評估等50個以上典型場景，支持多個供應鏈流程的組合式分析和優化；流程管控軟件平臺國產化率達到80%，在10個以上中國制造500強企業部署和應用；申請系列知識產權。

2.4 私有云環境下服務化智能辦公系統平臺（應用示范類）

研究內容： 研究基于私有云環境構建辦公系統（如政務辦公等）的典型需求；提出適用于私有辦公云建設的基礎架構、技術體系與規范，提出基于國產基礎軟硬件系統的云-端配置解決方案；突破面向不同辦公應用、場景、規模等個性化需求的國產軟硬件的云化集成、適配與定制化管理關鍵技術；完成常見辦公軟件和文檔工具等應用資源的服務化封裝；研究數據驅動的辦公流程優化、用戶行為分析、智能化服務等應用技術；研制私有云環境下流程可定制的服務化智能辦公系統平臺，并提供支持二次開發的應用編程接口；開展平臺的示范應用。

考核指標：研制的辦公系統平臺支持10種以上的智能辦公場景，在典型的政務部門辦公規模下的系統伸縮性、資源利用率、整體性價比和能效比均達到同期國際主流水平，軟件平臺自身國產化率超80%，示范應用的軟硬件國產化率超80%，在3-5個重要的部門開展示范應用。申請系列知識產權，并制定若干行業、國家標準（送審稿）。

2.5云計算和大數據開源社區生態系統（應用示范類，含前期成果集成展示）

研究內容：研究開源社區的運作模式和商業模式，構建安全可控的中文開源項目和社區支撐平臺，建立國內外開源項目和社區的按需同步機制，支持企業主導創建開源軟硬件項目并建設相應的生態系統；建立軟件開發知識庫和軟件工程云，支持大規模軟件眾包活動；匯聚一批云計算與大數據重點研發計劃的前期軟件成果，通過集成、優化、完善、增補，形成較全譜系的云計算與大數據開源軟件體系；建設有較大影響力的云計算和大數據開源社區，匯聚成規模的云計算和大數據的技術人員；培養一批高素質的開源軟件人才隊伍。

考核指標：建成由中國主導的云計算和大數據開源社區，形成一支100人以上的開源項目和社區維護技術隊伍，吸引100家以上云計算和大數據相關企業參與，注冊用戶超10萬人，月活躍用戶超1萬人；匯聚1000項以上云計算和大數據相關開源軟件（中國主導的開源項目不低于20%），合計每月更新超10萬次、下載超100萬次。

3. 大數據分析應用與類人智能

3.1大數據分析的基礎理論和技術方法（基礎研究+共性關鍵技術類）

研究內容：研究大數據環境下機器學習的創新理論和方法，面向流數據和復雜高維數據的新型分析技術，以及在特定約束條件（例如安全性、隱私性、實時性）下的大數據分析技術；研究大數據的可視化展現和分析技術，開發面向領域的可視化工具庫；研究多源異構、先驗知識缺乏、不確定條件下的大數據挖掘技術，以及符合人類認知不確定性特點的分析方法；研究知識的自動抽取、知識發現、知識推理、問題分析與求解的理論與方法，構建面向領域的知識圖譜；研制開放共享的大數據分析平臺，制定大數據分析平臺通用要求相關標準，并提供大數據分析、挖掘和可視化的基準測試。

考核指標：建立比較系統的大數據分析基礎理論和技術方法，在機器學習理論與方法上取得創新突破，形成國際影響。研制大數據分析、挖掘與可視化的算法與工具庫，不少于20個獨立的系統或工具，并在中國開源社區開放。發表一批高水平學術論文，撰寫專著若干部。在關鍵技術上申請系列專利，形成專利群。在大數據分析平臺通用要求上形成若干國家標準（送審稿）。

3.2 高時效、可擴展的大數據計算模型、優化技術與系統（共性關鍵技術類）

研究內容：研究對不同計算模式和不同任務負載可進行自適應優化和可伸縮調整的新型分布式數據存儲系統；研究多種計算模型融合并存、執行過程可優化、分布式可擴展的大數據計算系統；研究各類經典大數據機器學習算法的高效并行化方法，設計通用的編程模型和接口，研制高效、可擴展、可兼容的大數據機器學習系統；研究智能式交互向導的大數據分析意圖理解以及分析途徑推薦技術；開展流數據大規模在線數據分析的綜合示范應用。

考核指標：在混合負載下，新型存儲系統的性能要比開源系統提高50%以上；大數據計算系統要支持批計算、流計算等多種計算模型；形成智能交互向導的反應時間小于1秒，推薦數據分析途徑的用戶滿意度超過80%，有向導數據分析執行時效比無向導提高5倍以上；深度學習模型要實現百億級參數的學習能力；示范應用的數據規模要達到PB級；主要系統在中國開源社區開放，發表一批高水平學術論文，關鍵技術申請系列發明專利。

3.3 教育大數據分析挖掘技術及其智慧教育示范應用（應用示范類）

研究內容：研究教育知識圖譜構建與導航學習關鍵技術；面向用戶的個性化教育資源融合關鍵技術；研究在線學習助手關鍵技術；研究基于大數據的教學績效評價技術。構建出互聯網智慧教育平臺，具有教育知識圖譜構建、導航學習、在線學習助手、精準化教育評價、虛實融合教學場景、多模態智能交互等功能或特點。依托該平臺及上萬門大型開放式網絡課程（MOOC）資源，開展面向基礎教育與高等教育的互聯網智慧教育示范應用。

考核指標：知識間“主題-分面”關系、學習依賴關系抽取的平均精度達到90%，碎片化知識裝配的平均精度達到87%；利用歸一化折損累積增益（NDCG）評測推薦資源列表的排序質量，平均NDCG@10達到86%；在線學習助手支持人機多輪對話，答疑準確率達到90%。建立面向虛擬現實、增強現實和混合現實學習環境的評測指標體系，教學場景呈現和交互支持大視頭盔顯示器、手勢識別和體感跟蹤。在基礎教育方面，重點開展大數據驅動的中小學生學業水平和信息素養測評示范，輻射涵蓋輻射東、中、西部地區的100個示范區，10000所實驗校，受益人數超過1000萬；在高等教育方面，構建涉及100門課程的10萬個知識主題樹，包括基于VR/MR/AR技術的精品特色課程資源20門以上，學習者人數不少于300萬。每年培養該領域專業人才30名以上。建立涵蓋學習者、教師、學習環境、教學資源等對象的教育評價指標體系，提交行業標準規范5份。發表一批高水平學術論文，撰寫專著若干部。在關鍵技術上申請系列專利，形成專利群。

3.4基于天空地一體化大數據的公共安全事件智能感知與理解（應用示范類）

研究內容：針對目前公共安全事件預測困難和檢測不準的問題，綜合利用衛星和航拍影像、地面跨時空視頻、網絡數據、電磁信息和地理信息等，實現面向公共安全的天空地一體化大數據智能處理。研究海量多源異構數據的跨時空、多尺度、多粒度關聯，全天候的目標檢測追蹤、行為識別理解，建立符合人類不確定性認知特點的定性定量轉換模型，以及個體行為與群體事件的演化預測模型；突破公共安全大數據關聯弱、理解淺、利用差等瓶頸，構建一體化處理的公共安全事件智能感知和理解系統，支撐多源異構數據關聯挖掘、異常行為智能感知和事件處置決策，并開展應用示范。

考核指標：研制天空地一體化、軍警民數據貫通的公共安全事件智能感知與理解系統，并在反恐維穩重點地區或重點城市大型公共場所進行應用示范。支持3種以上衛星影像數據，典型區域變化檢測準確率超過90%。支持3種以上語言的識別，語種識別準確率超過90%，已知有害文本和音視頻發現率超過95%。人員和車輛的檢測率超過90%，特定人員識別準確率超過95%。研發天空地網大數據在線分析與可視化工具，實現空間知識處理與服務，地址匹配率超過95%，百萬級空間數據在線實時檢索與展示的響應時間低于10秒。發表一批高水平學術論文，撰寫專著若干部。在關鍵技術上申請系列專利，形成專利群。

3.5 基于立體精準畫像的學術同行分類與推薦系統（應用示范類）

研究內容：研究適合學術同行評價和科研項目評審評估的學術行為畫像模型和體系，研究各類科研行為數據獲取、清理、組織、分析及應用可信保障技術，為百萬量級的科研人員及十萬量級科技專家，建立立體、精準、可信的科研行為畫像，形成實時動態、智能的科研行為畫像庫和學術關系圖譜；研究科研行為畫像的準確性驗證方法和技術；研究科研行為畫像多種維度組合、自適應權重、個體隱私保護、關鍵科研行為信息安全保障等方法，以適應不同目的科研行為同行評價體系；研制以立體、精準、可信的科研行為畫像為基礎的學術同行分類與推薦系統以及國家科技計劃評審評估數據服務支持系統并開展示范應用。

考核指標：科研行為畫像庫超過100萬科研人員和10萬科技專家，完成不少于10萬科研人員和1萬科技專家畫像，與實際科研行為比對，精準度超過98%。建立科技專家關鍵科研行為數據可信溯源體系。具備24小時內新增1000個畫像的能力。個體科研行為畫像與真實行為的時間間隔在72小時以內。學術關系圖譜為不少于1萬科技專家抽取提供數據服務。在關鍵技術上申請系列專利，形成專利群。研制的系統在國家科技、教育等權威部門開展應用示范，能為不少于2類的國家科技計劃的組織實施、評審評估等活動提供支持服務。

4. 云端融合的感知認知與人機交互

4.1人機物融合的云計算架構與平臺（前沿基礎類+共性關鍵技術類）

研究內容：針對人機物融合環境下的泛在化、社會化、情境化、智能化等應用特征，研究以人為中心的人機物融合云計算架構模型、終端和云端資源的軟件定義方法、人機物融合應用的一體化建模方法等基礎理論；研究以人為中心的終端和云端資源動態發現與協同管理技術、資源敏感和時空感知的應用自適應與自演化技術、面向移動互聯網和物聯網終端及邊緣設備的超輕量虛擬化等關鍵技術；研制以人為中心的人機物融合云計算平臺，并結合重點領域開展應用示范。

考核指標：建立面向人機物融合的軟件定義基礎理論與人機物融合云計算技術體系及規范；研制的云計算平臺通過軟件定義的方式接入并管理Android智能設備、Linux邊緣設備和OpenStack公/私有云的軟硬件及應用資源，驗證的人機物融合場景需覆蓋10個不同品牌合計100萬臺終端設備、支持1000個第三方商業應用的按需融合；發表一批高水平學術論文，申請系列知識產權。

4.2 基于云計算的沉浸式交互影像技術與系統 （應用示范類）

研究內容：面向沉浸式交互影像內容創作制作，突破全尺度光場影像數據高效獲取、跨維度影像數據的多尺度語義解析、影像大數據的動態聚合生長等關鍵問題；研究數據驅動的高精度、專業化、風格化素材知識表達，以及影像大數據的眾包式素材庫構建等數據處理關鍵技術；研究領域知識引導的影像級三維場景定制化自動構建、具有行為真實感的智能角色自主創建、云端融合的大規模影像個性化生成等內容創作關鍵技術；研究語義特征結構保持的影像編輯、典型交互功能的遷移合成、高效光場數據壓縮技術、高維度影像數據的高效傳播等內容制作關鍵技術；研制沉浸式交互影像的高效渲染、互動式顯示、云端服務等技術平臺及工具，開發相應標準化技術，實現電影電視、數字娛樂等行業的應用示范。

考核指標：影像數據采集能夠支持專業級的光場三維場景獲取，捕獲面積≥20m2，捕獲速度≥60fps；影像數據部件級語義解析準確率平均≥90%；模型庫中模型數量≥5萬個，自動構建的場景內模型數≥500個；影像編輯工具支持高維影像智能化創作關鍵功能；影像云平臺傳輸帶寬≥1TB/s，讀取速度≥6GB/s，寫入速度≥4GB/s；提交面向沉浸式交互影像的采集、生成、傳輸、呈現的技術規范及標準提案，實現影視制作、數字娛樂等行業的典型應用示例超過50個。發表一批高水平學術論文，撰寫專著若干部。在關鍵技術上申請系列專利，形成專利群。

4.3多模態自然交互的虛實融合開放式實驗教學環境（應用示范類）

研究內容：建立支持云端融合和多模態自然交互的虛實融合實驗課堂教學環境，研制具備視覺、聽覺、觸覺等感知能力的交互模塊基礎件，以及相應的實物交互套件；建立支持中學教育主要課程的虛擬實驗開放式開發平臺和界面工具，支持教師自主生成虛實融合互動實驗教學資源；圍繞未來課堂核心概念，研制支持多模態人機交互的智能化實驗學習環境，通過分析歷史數據和實時交互行為，支持針對不同能力學生的精準化教育；建立新型探究式學習的全面評價體系，通過對學習過程與結果的智能識別與分析，匯集和提煉學習者的行為、心理和生理等多維度特征，實現對學習者多層次、精準化的客觀評價。

考核指標：多模態自然交互模塊基礎件支持手勢、語音、觸覺、實物、筆式等交互技術，交互行為識別率大于90%；支持教師自主生成互動教學資源的虛擬實驗開發平臺和界面工具，覆蓋數學、物理、化學、生物等主要課程；支持5種以上通道融合，提供課前、課中和課后全過程的個性化分析與智能推薦；制定云計算教學終端多模態人機交互技術標準，以及高沉浸呈現與多模態交互智慧教育課堂環境的行業規范；在中學開展應用示范，應用示范單位不少于200家；申請系列發明專利。

4.4基于云計算的移動辦公智能交互技術與系統（應用示范類）

研究內容：研制以多模態自然人機交互和虛實融合技術為基礎的多用戶協同交互平臺，實現相應的智能交互界面工具和支撐硬件，研究面向移動協同辦公的多模態人機交互個性化自適應機制；突破大數據驅動的高靈敏度虛擬鍵盤和高準確度手指動作識別技術，研發面向移動終端的多模態深度融合的高效率信息輸入和內容編輯技術；研究基于云端的多移動終端的分屏顯示與協作機制，研制具有匹配個體差異的沉浸式超大視場顯示終端，實現多移動終端、穿戴式顯示終端與虛擬鍵盤、手勢、語音等的統一交互方式；在上述研究基礎上，研制面向行業移動辦公應用的高效智能的多模態融合的可穿戴交互及便攜式交互系統。

考核指標：多用戶協同辦公平臺支持常見的移動終端，能支撐多模態人機交互和虛實融合的協同辦公方式；多模態自然交互機制支持手勢、語音、虛擬鍵盤、觸控和筆等通道，支持冗余、互補、混合等3種以上交互通道融合方式；虛擬投射鍵盤擊鍵動作識別準確率不低于95%；沉浸式顯示系統視場角不小于150度，能自主顯示虛擬鍵盤，并能與手勢和語音交互等協同工作；智能可穿戴交互及便攜式交互系統應支持企業辦公、教育培訓等行業用途，形成規模化產業應用。發表一批高水平學術論文，撰寫專著若干部。在關鍵技術上申請系列專利，形成專利群。