研究方向包括几何机器学习理论方法、几何机器学习在机器人感知与决策任务上的应用、科学知识嵌入的机器学习等。尤其在图神经网络GNN方面，做出了若干代表性工作：提出了训练深度图神经网络的方法DropEdge，获得了国内外同行一定的关注，发表以来谷歌学术引用近600次（截至2022年9月），被集成到若干公开图学习平台（如PyG）；提出了面向大规模图的图神经网络高效训练方法AS-GCN，谷歌学术引用300余次（截至2022年9月），成功应用到腾讯亿级社交网络的风控业务。曾获国际会议IROS机器人比赛冠军、腾讯犀牛鸟专项研究卓越奖、NeurIPS Outstanding Reviewer等奖项。