一、导师简介
Jack Chin Pang CHENG（郑展鵬）现任香港科技大学土木及环境工程系副教授及副系主任，同时担任BIM实验室主任、建成环境数字孪生中心主任以及GREAT智慧城市研究院副主任。2009年于斯坦福大学取得土木工程博士学位后，CHENG教授的研究轨迹长期聚焦于建筑信息模型（BIM）、数字孪生（Digital Twin）、物联网（IoT）与可持续建造技术的交叉领域。
CHENG教授在学术组织与产业标准制定层面具有显著影响力。现任建造业议会（CIC）BIM及建造数字化委员会主席、BEAM Society董事，并曾担任CIC BIM标准专责小组主席、美国土木工程师学会（ASCE）大中华区主席等职。其学术产出逾300篇国际期刊及会议论文，获2019年CIC建造业杰出人物奖。作为香港房屋信息学会资深会员及CIC认证BIM经理（CCBM），CHENG教授的研究始终紧扣产业实践需求，形成从基础算法开发到工程落地的完整链条。
二、近期文章和项目解析
2.1 核心研究方向与技术特征
（1）生成式AI与BIM信息检索
2025年发表于 Automation in Construction 的"Advancing BIM information retrieval with an LLM-based query-domain-specific language and library code function alignment system"一文，揭示了大型语言模型（LLM）与BIM数据交互的新范式。研究团队开发了面向BIM领域的查询专用语言（Query-Domain-Specific Language, QDSL），通过代码函数对齐机制实现自然语言指令与BIM模型操作的无缝衔接。该方法突破了传统BIM软件依赖预设菜单操作的局限，为非编程背景的工程师提供了语义级的模型操控能力。
同期刊发的"Context-aware vision-language model agent enriched with domain-specific ontology for construction site safety monitoring"则构建了融合领域本体论（Ontology）的视觉-语言模型智能体。该研究将施工现场安全监测任务解构为视觉感知、语义理解与决策推理三个层次，通过知识图谱注入实现情境感知，显著提升了复杂施工环境下安全违规行为的识别准确率。
（2）点云数据与深度学习
在 Computer-Aided Civil and Infrastructure Engineering 发表的"A point cloud dataset and deep learning method for semantic segmentation of underground garages"建立了地下车库场景的大规模点云数据集。研究采用编码器-解码器架构的深度学习网络，针对MEP（机电管线）场景的几何复杂性开发了合成数据增强策略。值得注意的是，该研究同步发表于2025年的"Enhancing semantic segmentation of MEP scenes with deep learning and BIM-generated synthetic point clouds"进一步验证了BIM生成合成数据在弥合仿真-实测域差距（Sim-to-Real Gap）中的有效性，为标注数据稀缺的工程场景提供了低成本解决方案。
（3）碳排放评估与自动化建模
Automation in Construction 刊载的"Automated openBIM-based discrete event simulation modeling for cradle-to-site embodied carbon assessment"提出了基于openBIM标准的隐含碳评估自动化框架。研究将离散事件仿真（DES）与BIM模型关联，实现从建材生产到施工现场的全生命周期碳足迹追踪。该方法通过 Industry Foundation Classes (IFC) 标准实现跨平台数据交换，避免了传统碳计算工具依赖人工输入的误差累积问题。
2.2 在研项目图谱
当前CHENG教授主持或参与的14项研究项目（2024-2026年活跃项目）呈现三个显著特征：
技术融合维度："Domain-Specific and Context-Aware Virtual Vision-Language Model Agent Enriched with Knowledge Graphs from Multimodal Sources for Construction Safety Monitoring"（RGC General Research Fund, 2026-）项目整合多模态知识图谱与视觉-语言模型，标志着从单一传感器监测向认知智能的跃迁。该项目将处理视频流、物联网传感数据与规范文本的异构融合，技术架构符合ISO/IEC 30173:2023数字孪生系统标准中对"数据连接"与"服务层"的定义要求。
基础设施韧性：在"Digital Twin for Enhancing Coastal Resilience against Extreme Storm Surges in Hong Kong"（RGC Theme-based Research Scheme）与"Digital Twin-empowered Landslide Emergency Risk Management"两大项目中，CHENG教授团队承担数字孪生建模与实时数据同化任务。此类研究响应了香港特区政府《气候行动蓝图2050》对极端天气应对的技术需求，涉及物理-数字空间的双向实时映射（Real-time Twinning），属于高算力实时型（HPRT）数字孪生范畴。
产业转化导向："Digital Twin-based ESG Platform for Property and Facility Management Industries"（ITF资助，2023-2025）及"Automated BIM-based Clash-free Rebar Design"（建造业议会资助，2024-）等项目直接对接产业痛点。前者开发面向物业管理的ESG数据平台，将能耗、碳排与资产运维数据整合为符合GRI标准的可持续发展报告；后者针对异形钢筋混凝土构件的钢筋碰撞问题，采用可解释图神经网络（Explainable GNN）与钢筋嵌入学习（Rebar Embedding Learning）实现自动化排布优化。
三、未来研究预测
3.1 技术演进趋势
基于现有研究轨迹与学科前沿动态，CHENG教授团队未来三至五年的研究可能沿以下路径深化：
多模态基础模型（Multimodal Foundation Models）的工程适配：当前LLM与BIM的结合仍停留在工具层整合，下一步将探索面向建筑领域的专用基础模型预训练。参考 Automation in Construction 2025年关于生成式AI的综述结论，领域特定预训练数据构建与物理约束嵌入（Physics-embedded Constraints）将成为关键突破点，解决现有生成模型输出"不可建造"（Unbuildable）设计的结构性缺陷。
数字孪生成熟度提升：从现行LTDS（长期决策支持型）数字孪生向HPRT（高算力实时型）演进。具体表现为：IoT传感器网络从"分钟级"采样向"秒级/毫秒级"流数据处理过渡；BIM模型从几何-语义表达扩展为耦合物理场（热、风、结构应力）的多物理场仿真载体；AI算法从离线批处理转向在线强化学习（Online RL），实现建筑系统的自适应控制。
人机协同范式的重构：CHENG教授2025年发表的"Agile and creative: A sustainability-oriented generative framework for residential site layout design"已显现生成式设计中人类角色从"方案生产者"向"策略策展人"（Strategic Curators）转变的趋势。未来研究将深入探讨设计师-AI的协作界面设计，包括设计意图的模糊表达机制、多目标优化的权衡可视化，以及方案演化的可解释性呈现。
3.2 应用拓展方向
城市级数字孪生的模块化构建：香港作为高密度城市，其建筑数字孪生的累积将自然导向街区/城市尺度的整合。CHENG教授参与的"Coastal Resilience"与"Landslide Emergency"项目提供了跨基础设施类型的数据融合经验，未来可能发展出基于CityGML标准的建筑-地质-海洋多域孪生集成框架。
施工机器人的具身智能：2024年"Automated reality capture for indoor inspection using BIM and a multi-sensor quadruped robot"研究展示了BIM与四足机器人的协同，下一阶段将探索大语言模型驱动的施工机器人任务规划（Task Planning），实现自然语言指令到机械臂/移动机器人动作序列的端到端生成。
区块链与建造供应链：2023年启动的"Research on key technologies for carbon emission data management in the construction industry based on blockchain technology"项目预示着分布式账本技术在建材溯源与碳排确权中的应用。未来可能与香港金融管理局推出的"绿色和可持续金融资助计划"形成政策-技术协同，推动建造业碳资产的代币化交易基础设施研究。
3.3 学术价值研判
CHENG教授的研究布局呈现"垂直深耕、横向贯通"的特征：在BIM与数字孪生技术栈上持续深入，同时向AI、机器人、气候适应、ESG治理等维度扩展。这种研究策略既保证了核心技术壁垒的构建，又响应了全球建筑业的数字化转型需求。对于潜在博士生而言，该实验室提供了从底层算法开发（点云分割、图神经网络）到系统集成（数字孪生平台）的全栈训练，且与香港本地及大湾区产业界联系紧密，具备优秀的成果转化环境。申请者可重点关注生成式AI与工程约束的结合、多模态数据融合、以及城市韧性基础设施三个方向的研究机会。
