1. 机器人感知与计算机视觉
机器人感知与计算机视觉主要学习机器人如何通过视觉、激光、深度、触觉、惯性等多模态传感器获取外部环境与自身状态信息,掌握图像采集、特征提取、目标检测与分割、三维重建、多传感器融合、同步定位与地图构建(SLAM)等核心技术,建立机器人对物理世界的量化理解与空间认知,为后续决策、规划与控制提供可靠输入。
- 视觉 SLAM、激光 SLAM、多传感器融合定位
- 目标检测、语义分割、实例分割、姿态估计
- 三维点云处理、场景理解、环境建模
- 触觉感知、力觉感知、多模态感知融合
- 弱光 / 复杂场景鲁棒感知、小样本视觉学习
2. 机器人运动规划与控制
该方向学习机器人运动的几何规律与力学特性,包括运动学建模、动力学建模、轨迹生成、避障算法与闭环控制策略,研究如何让机器人在约束条件下高效、稳定、安全地完成指定运动与操作任务,覆盖从关节级控制到任务级规划的完整链路,是机器人实现物理动作的核心基础。
- 正向 / 逆向运动学、冗余度机器人运动规划
- 动力学建模、力矩控制、阻抗控制、力位混合控制
- 全局 / 局部路径规划(A*、RRT、D * 等)
- 避障算法、动态环境实时重规划
- 模型预测控制(MPC)、自适应控制、鲁棒控制
3. 机器人学习与基础模型
机器人学习聚焦将机器学习、深度学习、强化学习等方法与机器人物理交互结合,学习从数据中提取规律、优化策略、自适应环境与任务,实现从示教学习到自主学习的升级,同时研究面向机器人的基础模型,统一感知、规划、操控与语言理解,构建可泛化、可迁移的机器人智能体系。
- 强化学习、模仿学习、元学习在机器人操控中的应用
- 机器人基础模型、具身智能、跨任务泛化
- 从演示中学习、离线强化学习
- 动态系统辨识、数据驱动控制
- 机器人操控策略优化、接触-rich 任务学习
4. 机器人设计、机电系统与软体机器人
本方向学习机器人本体机械结构、驱动方式、传感集成与系统集成方法,覆盖刚性机器人机构优化、仿生机构设计、软体机器人材料与结构、执行器与末端执行器开发,兼顾强度、精度、柔性、安全性与成本,实现面向任务的机器人硬件系统设计与原型实现。
- 仿生机构设计(仿人、仿虫、仿鸟、仿鱼)
- 软体机器人材料、驱动、建模与控制
- 灵巧手、多指操作器、末端执行器
- 微型机器人、可穿戴机器人、外骨骼
- 机电一体化系统、嵌入式硬件与驱动
5. 人机交互与协作(HRI)
人机交互研究人与机器人之间信息交换、意图理解、安全协作与情感适配,学习自然交互方式、协作机制、安全约束与伦理规范,让机器人能理解人的指令、预测人的行为、与人共融工作,提升协作效率、安全性与用户体验,是服务、医疗、工业协作机器人的关键支撑。
- 语音、手势、眼动、脑机接口等自然交互
- 人机意图理解、共享自主、协作规划
- 协作机器人安全、碰撞检测与响应
- 情感交互、社交机器人、陪伴机器人
- 人机团队、多人人机协作系统
微信扫一扫









