Journal of Zhejiang University

Current Issue: <EITEE>

ENGINEERING Information Technology & Electronic Engineering

Editors-in-Chief: Yunhe PAN, Aiguo FEI

Advisor: Xicheng LU

ISSN 3069-8928 (print), 3069-8936 (online), monthly; CN 33-1439/TP

ENGINEERING Information Technology & Electronic Engineering (EITEE for short), formerly known as Frontiers of Information Technology & Electronic Engineering (2015-2025) and Journal of Zhejiang University SCIENCE C (Computers & Electronics) (2010–2014), is a peer-reviewed (double blind) journal that covers research in Computer Science and Technology, Information and Communication Engineering, Control Science and Technology, Electronic Science and Technology, Optical Engineering and Technology, Instrument Science and Technology, among others. It is launched by the Chinese Academy of Engineering and Zhejiang University, and published by Zhejiang University Press and IEEE.

Abstracted and indexed in: ACM Digital Library, Baidu, CLOCKSS, CNKI, CNPIEC, Chinese Science Citation Database, DBLP, Dimensions, EBSCO, EI Compendex, Google Scholar, INSPEC, Naver, Norwegian Register for Scientific Journals and Series, OCLC WorldCat Discovery Service, Portico, ProQuest, SCImago, SCOPUS, Science Citation Index Expanded (SCIE), TD Net Discovery Service, UGC-CARE List (India), Wanfang.

History:

2015-2025: Frontiers of Information Technology & Electronic Engineering (ISSN 2095-9184 (print), 2095-9230 (online), CN 33-1389/TP)

2010-2014: Journal of Zhejiang University SCIENCE C (Computers & Electronics) (ISSN 1869-1951 (print), 1869-196X (online))

ENGINEERING Information Technology & Electronic Engineering

ISSN 3069-8928 (print), 3069-8936 (online)
CN 33-1439/TP

2026 Vol.27 No.2

Cover:

<96>

Contents:

<91>

<<< CONTENTS

Review

Review: A comprehensive review on humanoid robots: perspectives from academia and industry

Wenjuan LI, Genyuan YANG, Jiyi WU, Chengjie PAN, Lei SHENG, Qifei ZHANG

DOI: 10.1631/ENG.ITEE.2025.0105 Downloaded: 515 Clicked: 1144 Cited: 0 Commented: 0(p.1-37) <Full Text> <PPT> 70

Chinese summary <5> 人形机器人综述：学术与产业双视角

李文娟^1,2,3，杨根源¹，吴吉义^2,4，潘城杰¹，盛磊⁵，张启飞⁶
¹杭州师范大学信息科学与技术学院，中国杭州市，311121
²浙江大学智能教育研究中心，中国杭州市，310058
³移动健康管理系统教育部工程研究中心，中国杭州市，311121
⁴浙大城市学院滨江创新中心，中国杭州市，310015
⁵宁波市知识产权保护中心，中国宁波市，315000
⁶浙江大学软件学院，中国宁波市，315048
摘要：人形机器人代表了一个人工智能与机器人技术深度融合的快速演进研究领域。尽管已取得显著进展，现有综述大多聚焦于狭窄的技术层面，缺乏从学术和产业双视角进行的全面分析。通过对现有学术文献、商业化产品和行业报告广泛分析，提出一项系统的双视角调研。构建了一个全面的分类框架，并对关键使能技术进行系统姓梳理，包括本体结构、感知系统、运动控制、智能决策算法、基础模型集成以及人机交互技术。从学术与产业两个视角出发，考察不同应用领域研究进展，并对特斯拉、波士顿动力和优必选等领先企业推出的商业产品进行详细对比分析。识别出6大挑战类别：硬件设计局限性、控制系统复杂性、感知约束、人机交互困难、特定应用需求以及伦理考量。此外，特别讨论了大语言模型的变革性影响及其在人形机器人集成中面临的挑战。提出7大突破方向，并开展系统的"学术-产业"差距分析。由此，识别出显著的差异与技术转化瓶颈，探讨成功的协作模式。本综述首次系统性结合学术研究洞见与产业发展分析，为致力于研发能力更强、成本更低、社会融合度更高的人形机器人的研究人员、工程师和政策制定者们提供了宝贵指导。

关键词组：人形机器人；双视角分析；产业应用；技术挑战；未来方向

Research Articles

FastCheck: fast checkpointing and recovery for DNN training via parallel transmission and compression

Yun TENG, Dawei SUN, Shipeng HU, Zhiyue LI, Guangyan ZHANG, Haidong TIAN, Rui CHANG

DOI: 10.1631/ENG.ITEE.2025.0034 Downloaded: 307 Clicked: 317 Cited: 0 Commented: 0(p.1-13) <Full Text> <PPT> 73

Chinese summary <4> FastCheck:一种基于并行传输与定制化压缩的深度神经网络训练检查点快速保存与恢复方法

滕云¹，孙大为¹，胡世鹏²，李之悦²，张广艳²，田海东³，常锐³
¹中国地质大学（北京）人工智能学院，中国北京市，100083
²清华大学计算机科学与技术系，中国北京市，100084
³中兴通讯股份有限公司移动网络和移动多媒体技术国家重点实验室，中国深圳市，518057
摘要：大规模深度神经网络训练常面临软硬件故障问题，出现关键故障时往往需要整个机器重启，极大延长了训练时间。现有检查点保存与恢复方案有的无法应对此类关键故障，有的受限于输入/输出带宽导致检查点保存与恢复速度缓慢。提出FastCheck框架，通过并行传输与定制化压缩技术加速检查点保存与恢复过程。首先，FastCheck将检查点数据分片，利用多节点并行执行检查点保存与恢复过程；其次，通过权重增量压缩与动量索引压缩进一步减小检查点规模与开销；最后，采用轻量级共识协议精准追踪节点健康状态，避免向故障节点传输检查点数据。在PyTorch中实现了FastCheck，并在多种深度神经网络模型上与两种基线方案进行了对比评估。实验结果表明，FastCheck将检查点保存时间最高降低了78.42%，恢复时间最高减少了77.41%，且在不同训练阶段均能持续提升系统效率。

关键词组：深度神经网络模型；关键故障；并行传输；数据压缩；检查点保存与恢复

GC bypass: decoupling GC from the flash translation layer to eliminate GC-induced long-tail latency inside SSD

Shiqiang NIE, Jie NIU, Yingzhao SHAO, Xiaobo LI, Mingming ZHANG, Weiguo WU

DOI: 10.1631/ENG.ITEE.2025.0152 Downloaded: 169 Clicked: 188 Cited: 0 Commented: 0(p.1-16) <Full Text> <PPT> 77

Chinese summary <3> 抑制固态硬盘垃圾回收长尾延迟的GC和主控解耦合设计方法研究

聂世强¹，牛洁¹，邵应昭²，李晓博²，张茗茗²，伍卫国¹
¹西安交通大学计算机科学与技术学院，中国西安市，710049
²中国空间技术研究院智能计算中心，中国西安市，710000
摘要：基于NAND闪存的固态硬盘（SSD）因其高性能和低功耗的特点，被数据中心广泛使用。然而，闪存的物理特性会引起垃圾回收（GC）操作。GC过程中的有效页迁移与用户I/O请求竞争闪存通道带宽和控制器资源，导致路径冲突并引发长尾延迟。现有的Venice方案引入一种低成本互连网络，并通过路径预留机制为SSD提供较大的路径多样性。然而，其公平调度策略缺乏对I/O请求与GC请求的优先级区分。本文提出一种GC旁路机制，其充分利用Venice的路径多样性，同时强制GC请求通过专用控制器进行传输。GC旁路将GC请求分解为子请求，并为有效页的写入赋予低优先级，从而使高优先级操作--包括用户I/O、有效页读取以及块擦除--能够抢占被低优先级请求预留的路径；未能获得预留路径的有效页将被临时缓冲以待重试。实验结果表明，与Venice相比，GC旁路可将99.99百分位长尾延迟降低高达25%。GC旁路有效缓解了关键I/O操作与后台维护任务之间的干扰，同时保留了路径多样性带来的架构优势。

关键词组：固态硬盘；NAND闪存；垃圾回收；互连网络；闪存通道

CdualTAL: multi-domain tool wear prediction using a dual-channel Transformer and cross-attention network

Na LI, Zhendong LIU, Xiao WANG, Jiamin JIANG, Yanjie WEI

DOI: 10.1631/ENG.ITEE.2025.0111 Downloaded: 150 Clicked: 230 Cited: 0 Commented: 0(p.1-13) <Full Text> <PPT> 82

Chinese summary <3> CdualTAL：基于双通道Transformer和交叉注意力网络的多域刀具磨损预测

李娜^1,2，刘振栋³，王枭^1,2，蒋迦旻³，魏彦杰⁴
¹齐鲁理工学院智能制造与控制工程学院，中国济南市，250200
²山东省工业大数据与智能制造重点实验室，中国济南市，250200
³上海第二工业大学计算机与信息工程学院，中国上海市，201209
⁴中国科学院深圳先进技术研究院，中国深圳市，518055
摘要：精确的刀具磨损预测对于提高制造效率至关重要，然而受限于冗余噪声的干扰，如何有效利用多域传感器特征仍是一大难点。当前迫切需要一种策略，能够同时利用具有高预测能力的"强特征"和包含潜在价值信息的"弱特征"。为解决这一问题，提出一种改进的基于Transformer的编码器-注意力-解码器架构算法CdualTAL。该模型的命名源于其关键组件：相关性自适应特征选择算法模块、双通道Transformer编码器、注意力机制以及长短记忆（LSTM）解码器。CdualTAL采用双通道编码器独立处理多域特征全集，以及通过我们设计的相关性自适应特征选择算法筛选出的强特征子集。随后，一种自定义的交叉注意力机制将这些特征表示进行融合，聚焦于强特征的同时，合理整合来自弱特征的信息。最后，利用分层LSTM解码器捕捉深层时间依赖关系。在刀具磨损数据集上的验证结果表明，CdualTAL优于11种当前最先进的方法，展现出卓越的预测稳定性和准确性，其平均决定系数R2达0.983，均方根误差（RMSE）为4.373。

关键词组：多域特征；双通道；特征融合；刀具磨损；注意力机制；特征增强

An attention mechanism-based multi-domain feature fusion approach for active sonar target recognition

Tongjing SUN, Haoran XU, Shishuo REN, Denghui ZHANG

DOI: 10.1631/ENG.ITEE.2025.0177 Downloaded: 237 Clicked: 277 Cited: 0 Commented: 0(p.1-12) <Full Text> <PPT> 80

Chinese summary <3> 一种基于注意力机制的主动声呐目标多域特征融合识别方法

孙同晶^1,2，徐浩然^1,2，任诗硕^1,2，张登晖^1,2
¹杭州电子科技大学自动化学院，中国杭州市，310018
²杭州电子科技大学通信信息传输与融合技术国防重点学科实验室，中国杭州市，310018
摘要：由于海洋环境复杂多变，主动声呐目标识别问题在水声领域一直是难点问题。基于深度学习的融合识别技术为解决该问题提供了一条有效途径，但依靠简单拼接策略融合多域特征会造成信息冗余，且难以有效挖掘域间关联信息。因此，提出一种基于注意力机制的主动声呐目标多域特征融合识别方法。通过对主动声呐回波信号进行预处理并构建多域特征提取与融合网络，该方法利用具有长短期记忆的一维卷积神经网络（1DCNN-LSTM）与引入通道注意力的二维卷积神经网络（2DCNN）来提取不同域的深度特征。随后，结合特征拼接并构建多域交叉注意力，进行同域和跨域的特征融合，在最大化保留目标特征的同时，有效消除冗余信息并促进域间信息交互。实验结果表明，与单域方法相比，基于注意力机制的多域特征融合网络强化了跨域信息交互并显著提升了特征表征能力。与其它方法相比，本方法在性能上具有明显优势，在低信混比场景下仍保持稳定的泛化能力。

关键词组：水声目标识别；神经网络；注意力机制；多域特征融合

A dual-band filtering push‒pull power amplifier with a large frequency ratio employing a hybrid-mode bandpass response balun

Jiyang CHU, Xiang WANG, Tianxiang CHEN, Jindong ZHANG, Jun HU, Huangyan LI, Boyu SIMA, Wen WU

DOI: 10.1631/ENG.ITEE.2025.0149 Downloaded: 267 Clicked: 302 Cited: 0 Commented: 0(p.1-9) <Full Text> <PPT> 85

Chinese summary <3> 一种基于混合模式带通响应巴伦的大频比双频滤波推挽式功率放大器

褚继阳，王翔，陈天翔，张金栋，胡俊，李黄炎，司马博羽，吴文
南京理工大学电子工程与光电技术学院，中国南京市，210094
摘要：提出一种大频比双频滤波推挽式功率放大器（PA）。所提出的滤波功分/合成网络基于微带线与基片集成波导的混合模式滤波巴伦而设计。其中，微带线滤波巴伦工作在S波段，频率范围为2.60–2.86 GHz；基片集成波导滤波巴伦则工作在Ku波段，频率范围为13–13.65 GHz。在此条件下，该原型机能够实现高达五倍的频率比。得益于大频比混合模式滤波巴伦固有的差分特性，所提出的推挽式PA不仅能实现滤波功能，还可以抑制二次谐波。为验证设计理念，该原型机已进行设计、加工与测试。实测结果表明，该PA在有源测试中实现了7 dB的小信号增益，并保持了良好的带外杂散抑制。所设计的双频滤波推挽式PA具有良好的性能：低频段峰值输出功率为36.8 dBm，高频段为36 dBm。通过采用双频滤波巴伦，该PA天然抑制偶次谐波，并在两个工作频段均具有滤波特性，有效抑制了近带杂散信号。

关键词组：大频比；双频滤波巴伦；谐波抑制；推挽式功率放大器