MBZUAI 机器人理学硕士（Master of Science in Robotics）
**申请截止时间：**2025 年 12 月 15 日（GST 海湾标准时间）下午 5 点
**学习模式：**全日制
**学分要求：**36 学分
**授课地点：**线下（On campus）
**所属路径：**Study AI Degrees / Artificial Intelligence Master’s Programs / M.Sc. in Robotics
项目概览（Overview）
机器人理学硕士（M.Sc. in Robotics）的目标包括：
-
培养学生对机器人与自主系统的兴趣、知识与理解能力。
-
为学生未来继续攻读博士（Ph.D.）或进入相关行业就业做准备。
-
训练学生运用研究方法与专业知识，解决机器人领域的复杂问题。
项目强调：机器人研究与智能系统研发已成为政府与产业共同关注的重点方向。该硕士项目具有跨学科特征，帮助学生建立机器人与智能系统所需的关键基础能力。课程设置包含实践环节，学生将通过设计、原型开发与验证等方式，在真实任务中学习与提升。完成该项目后，毕业生有望在本地及国际场景中参与集成机器人技术与系统的研发与应用。
项目负责人观点（节选翻译）：
“机器人是人工智能与物理世界的交汇点。在 MBZUAI，我们致力于打造机器在真实世界中进行感知、行动并与人交流的‘大脑’。机器人学习不仅是为机器构建类脑系统，也是一种从信息科学角度理解人类智能的路径。机器人将推动具身智能的发展，并在家庭、医院、农业、建筑、工厂与城市出行等场景中催生更多应用与创新。”
——Yoshihiko Nakamura（机器人系主任、机器人学教授）
项目学习成果（Program Learning Outcomes）
项目学习成果（PLOs）与阿联酋资格框架（Emirates Qualifications Framework）对齐，按三类能力展开：
PLO 01：阐述机器人技术的核心概念与关键组成。
PLO 02：比较不同机器人传感器及其感知原理，理解机器人如何分析环境、推理并采取行动以达成目标。
PLO 03：分析并解决空间变换、机器人运动、运动学、运动控制、定位与建图、导航与路径规划等问题。
PLO 04：评估前沿研究文献，并在机器人平台上对先进算法开展严谨且与情境匹配的实验。
PLO 05：使用多种媒介/可视化形式有效表达机器人概念与设计决策。
PLO 06：在团队中高效协作或担任领导角色，建立包容协作环境、制定研究目标、规划任务并达成成果。
（页面还给出了 PLO 与 K/S/R 的对应关系表，此处不再逐格复刻，可按材料需要插入。）
毕业与完成要求（Completion Requirements）
最低学分要求：36 学分，构成如下：
| 模块 |
课程数量 |
学分 |
| 核心课程（Core） |
5 |
16 |
| 选修课（Electives） |
2 |
8 |
| 实习（Internship） |
至少完成一次，最长 6 周 |
2 |
| 研究方法导论 |
1 |
2 |
| 硕士论文（Research thesis） |
1 |
8 |
| 合计 |
10 门 |
36 |
关键术语说明：
核心课程（Core Courses）
该硕士项目以研究为导向，课程学习的目的在于为论文研究打基础。学生需完成核心课程，并至少选择两门选修课。学校将由至少两位教师组成的指导小组（supervisory panel）与学生共同制定个性化修课方案。
所有学生必须完成的核心课程如下：
| 代码 |
课程名称 |
学分 |
| AI7101 |
Python 机器学习（Machine Learning with Python） |
2 |
| AI7102 |
深度学习导论（Introduction to Deep Learning） |
2 |
| INT799 |
硕士实习（Master of Science Internship） |
2 |
| RES799 |
研究方法导论（Introduction to Research Methods） |
2 |
| ROB701 |
机器人导论（Introduction to Robotics） |
4 |
| ROB703 |
机器人定位与导航（Robot Localization and Navigation） |
4 |
| ROB7101 |
机器人操作与控制（Robotic Manipulation and Control） |
4 |
| ROB799 |
机器人硕士论文（Robotics Master’s Research Thesis） |
8 |
硕士论文（Research Thesis）
论文研究通常持续 1 年。学生需要面对一个尚未解决的研究问题，提出新方案并形成学术贡献，在指导小组的支持下独立推进研究。
实习（Internship）
项目要求完成行业实习，最长 6 周，用于将学术学习与实践经验结合，强化工程落地能力。
选修课程（Electives）
学生需至少选择 2 门选修课，合计 ≥8 学分，在兴趣、论文方向与职业目标基础上，与指导小组协商确定。页面列举的选修课包括（节选示例，保留原清单结构）：
-
计算机与系统：Foundations of AI System Design、Computer and Network Security
-
计算机视觉：Human and Computer Vision、Geometry for Computer Vision、Digital Twins、Deep Learning for Visual Computing 等
-
数据科学：Data Mining、Big Data Processing
-
机器学习与系统：Machine Learning、Trustworthy AI、Parallel and Distributed ML Systems、Probabilistic and Statistical Inference
-
数学与基础：Mathematical Foundations for AI
-
NLP：Natural Language Processing、Advanced NLP、Speech Processing
-
机器人方向：Robotic Vision and Intelligence
-
交叉与创新：Entrepreneurship in Action、Medical Imaging 等
申请条件（Admission Criteria）
1）学历要求
学校接受持有 STEM 相关专业本科学位的申请人，例如：计算机科学、电气工程、计算机工程、数学、物理或其他相关理工科专业。申请人毕业院校需获得或被阿联酋高等教育与科学研究部（MoHESR）认可。
最低 CCGPA：3.0 / 4.0 或同等水平。
提交申请时需提供：学位证书 + 官方成绩单。
在读大四/毕业年学生可先提交成绩单与预计毕业证明；录取后需补交正式学位证书与成绩单。
学期内，还需补交：
2）英语成绩要求
母语非英语者需提供以下之一：
-
IELTS Academic：总分 6.5
-
TOEFL iBT：90
-
PTE Academic：60
-
Cambridge C1 Advanced：180
-
Cambridge C2 Proficiency：200
-
Duolingo：120（仅在 IELTS/TOEFL/PTE/Cambridge 获取受限情况下接受；需强制面试，并可能要求提供“受限证据”）
**考试形式要求：**必须在认可的线下考点完成，不接受 Home Edition。
**英语成绩最晚提交节点：**原则上需在申请截止日前提交；若需要更多时间，最终可延至 3 月 1 日。
3）GRE
GRE 成绩为可选项，提交会被视为加分因素。
4）个人陈述（Statement of Purpose）
需提交 500–1000 词英文文书，建议包含：申请动机、学术与个人背景、AI 相关项目经历、亮点与成果、学习目标、职业规划等。
5）推荐信（Referee Recommendation）
硕士申请人需至少 2 位推荐人：
6）筛选考试（Screening Exam）
申请提交后 10 天内，会收到在线筛选考试邀请，可预约完成。也可选择不参加，但通常更建议参与，除非申请材料已能充分证明相应能力。
考试主题：
页面也推荐了可用于提升准备度的在线课程（Python 入门、数据结构、机器学习数学基础、概率入门等）。
7）面试
部分申请人可能被邀请与导师进行面试，具体安排会另行通知。
申请流程与关键日期（Admission Process and Key Dates）
每个招生周期建议仅提交 1 次申请（不建议重复提交）。
| 节点 |
日期/时间（GST） |
| 申请系统开放 |
2025/09/01 08:00 |
| 优先截止（Priority） |
2025/11/15 17:00 |
| 最终截止（Final） |
2025/12/15 17:00 |
| 结果通知 |
2026/03/15 17:00 |
| Offer 回复截止 |
2026/04/15 |
页面提示：优先截止前提交的申请将优先评审；招生竞争较强，名额有限，因此鼓励尽早提交。
学习计划（Study Plan）示例
通常建议：刚入学完成大部分课程学习，第二年集中论文研究与写作；但具体安排可在指导小组同意下灵活调整。
典型学习节奏：
-
第 1 学期：AI7101、AI7102、ROB701 + 1 门选修
-
第 2 学期：ROB703、ROB7101 + 1 门选修
-
夏季：INT799 实习（2 学分）
-
第 3 学期：RES799 + ROB799（论文学分的一部分）
-
第 4 学期：ROB799（完成论文学分）
（页面注明：课程与安排可能调整。）
