[1] 机器人移动&操作技能学习：研究机器人在非结构化环境中的自主移动与具身操作，聚焦于通过强化学习、模仿学习(包括VLA)和虚实迁移学习，使机器人掌握导航、抓取、操作等技能。

[2] 机器人视觉&触觉感知：研究机器人利用视觉、触觉等多模态传感器感知环境和物体属性，重点关注透明、反光条件下及接触丰富操作中的精细感知问题。

[3] 机器人具身采摘：面向易损作物采摘场景，研究融合环境感知、任务决策、运动控制与实时反馈的具身采摘方法，提升机器人在复杂农林环境中的自主低损作业能力。

[1] 面向透明/反光物体的***操作技能学习方法研究, 江苏省自然科学基金青年项目, 2026-2029. (主持)

[2] 视触觉引导的机器人***操作技能学习方法研究, 广东省自然科学基金面上项目, 2025-2027. (骨干)

[3] 机器人***跨域迁移学习与泛化再现方法研究, 江苏省自然科学基金面上项目, 2020-2023. (骨干)

[4] 面向***的协同运动与视听指称意图理解, 之江实验室开放课题, 2022-2023. (骨干)

[5] 欠明确表达任务下***机器人模仿学习方法研究, 国家自然科学基金面上项目, 2016-2019. (参与)

期刊论文：

[15] Xue S, Ni C*, Li N, Li Z, Wang D, Zhu T, Jing X, et al. S2G-Net: An asymmetric cross-modal network for tiny cotton terminal-bud detection and sparse depth completion in real fields[J]. Computers and Electronics in Agriculture, 2026, 250: 111875. (SCI, 新锐一区Top, JCR Q1, IF=10.3)

[14] Jing X, Qian K* and Vincze M. CAGT: Sim-to-real depth completion with interactive embedding aggregation and geometry awareness for transparent objects[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2025, 35(7): 6656-6670. (SCI, 新锐一区Top, JCR Q1, IF=10.8)

[13] Jing X and Qian K*. Reducing cross-sensor domain gaps in tactile sensing via few-sample-driven style-to-content unsupervised domain adaptation[J]. Sensors, 2025, 25(1): 256. (SCI, 新锐三区, JCR Q2, IF=4.0)

[12] Jing X, Qian K* and Duan B. Reducing sim-to-real domain gaps of visual sensors for learning environment-constrained visuomotor policy[J]. IEEE Sensors Journal, 2025, 25(4): 6771-6782. (SCI, 新锐二区, JCR Q1, IF=4.5)

[11] Tong L, Qian K* and Jing X. LBSNet: Lightweight joint boundary detection and semantic segmentation for transparent and reflective objects. IEEE Robotics and Automation Letters, 2025, 10(2): 955-962. (SCI, 新锐二区Top, JCR Q2, IF=5.3)

[10] Jing X, Qian K*, Jianu T, et al. Unsupervised adversarial domain adaptation for sim-to-real transfer of tactile images[J]. IEEE Transactions on Instrumentation and Measurement, 2023, 72: 1-11. (SCI, 新锐二区Top, JCR Q1, IF=7.0)

[9] Zhao Y, Jing X, Qian K*, et al. Skill generalization of tubular object manipulation with tactile sensing and sim2real learning[J]. Robotics and Autonomous Systems, 2023, 160: 104321. (共一, SCI, 新锐二区, JCR Q1, IF=6.0)

[8] Qian K*, Duan Y, Luo C, Zhao Y and Jing X. Pixel-level domain adaptation for real-to-sim object pose estimation[J]. IEEE Transactions on Cognitive and Developmental Systems, 2023, 15(3): 1618-1627. (SCI, 新锐二区, JCR Q1, IF=4.7)

[7] Xu X, Qian K*, Jing X, et al. Learning robot manipulation skills from human demonstration videos using two-stream 2D/3D residual networks with self-attention[J]. IEEE Transactions on Cognitive and Developmental Systems, 2023, 15(3): 1000-1011. (SCI, 新锐二区, JCR Q1, IF=4.7)

[6] Jing X, Qian K*, Xu X, et al. Domain adversarial transfer for cross-domain and task-constrained grasp pose detection[J]. Robotics and Autonomous Systems, 2021, 145: 103872. (SCI, 新锐二区, JCR Q1, IF=6.0)

[5] Qian K*, Jing X, Duan Y, et al. Grasp pose detection with affordance-based task constraint learning in single-view point clouds[J]. Journal of Intelligent & Robotic Systems, 2020, 100: 145-163. (SCI, 新锐三区, JCR Q3, IF=3.1)

[4] Qian K*, Liu H, Valls Miro J, Jing X, et al. Hierarchical and parameterized learning of pick-and-place manipulation from under-specified human demonstrations[J]. Advanced Robotics, 2020, 34(13): 858-872. (SCI, 新锐四区, JCR Q4, IF=1.7)

[3] Jing X, Zou W*, Xia T, et al. Adaptive complementary learners with diversified color attributes for object tracking[J]. Journal of Computer-Aided Design and Computer Graphics, 2018, 30(12): 2253-2261. (EI)

[2] 景星烁, 邹卫军*, 夏婷, 等. 融合HOG类特征的尺度自适应压缩跟踪算法[J]. 电光与控制, 2018, 25(8): 54--1. (中文核心)

[1] 夏婷, 景星烁, 邹卫军*. 动态背景下基于金字塔LK光流的运动目标检测[J]. 导航与控制, 2018, 17(1): 93-98. (中文核心)

会议论文：

[2] Jing X, Zhao Y, Jiang J, et al. Unsupervised adversarial domain adaptation for sim-to-real transfer of tactile manipulation skills[C]. IEEE International Conference on Robotics and Automation (ICRA) Workshop on the Robot Embodiment through Visuo-Tactile Perception, London, UK, June 2, 2023.

[1] Gui B, Qian K*, Chen S, Jing X, et al. Knowledge induced deep Q-network for robot push and grasp manipulation skills learning[C]//Proceedings of 2020 Chinese Automation Congress (CAC). IEEE, 2020: 4078-4083. (EI)

发明专利：

[6] 倪超, 薛胜, 朱婷婷, 李宁冉, 景星烁, 等. 一种雾湿复杂环境下多视角协同的双机械臂蘑菇采摘方法及系统. 202610520068.5 (已公布)

[5] 钱堃, 段波伊, 景星烁, 等. 一种含领域自适应的机器人乱序目标推抓方法. 202210581185.4 (已授权)

[4] 赵永强, 钱堃, 段彦卉, 景星烁, 等. 一种基于域迁移和深度补全的物体姿态估计方法. 202110592716.5 (已授权)

[3] 钱堃, 景星烁, 柏纪伸, 等. 一种单视角点云下基于域迁移的机器人抓取位姿检测方法. 202011418811.5 (已授权)

[2] 马家乐, 钱堃, 刘睿, 段彦卉, 景星烁. 基于逐步对抗学习的半监督图像实例分割方法. 201910168475.4 (已授权)

[1] 李凯嵘, 景星烁, 李超, 等. 一种系统恢复过程中的双馈风场无功出力优化方法. 201710769010.5 (已授权)

本科生课程：

《图像处理及其林业应用》、《C++综合课程设计》、《认识实习》

研究生课程：

《模式识别与机器学习》、《机器学习及其工程应用》

[1] 东南大学优秀研究生干部 2022

[2] 东南大学优秀研究生共产党员 2022

[3] 东南大学三好研究生 2020&2021

[4] 南京理工大学优秀毕业研究生 2019

[5] 山东理工大学优秀毕业生 2016

[6] 国家励志奖学金 2014&2015

[7] 山东理工大学优秀共青团员 2014

[8] 山东理工大学科技创新先进个人 2014

[9] 山东理工大学三好学生 2013&2014