The posting
1. 阅读并整理机器人柔顺控制、储备池计算、神经网络及机器人学习等相关论文,跟踪最新研究进展。 2. 设计并实现面向机械臂、灵巧手等机器人的自然物理反馈控制算法,包括网络结构、状态输入、控制输出及训练方法设计。 3. 训练并优化控制模型,研究不同网络规模、参数和训练数据对轨迹跟踪、快速力反馈、扰动恢复等性能的影响。 4. 分析并改进控制器的稳定性、鲁棒性、计算量和样本效率,并与传统控制、神经网络或强化学习方法进行对比。 5. 整理并汇报算法代码、实验结果和阶段性研究成果,根据实验现象进一步提出新的研究问题。
1. 高中生、本科生、硕士研究生。 2. 高中生:不要求正式科研经历,具备数学、物理、编程、机器人基础和兴趣即可,有竞赛经验为佳。 3. 本科生与硕士生:自动化、控制科学与工程、机器人、机械、人工智能、计算机、电子信息等相关专业优先。 4. 具备高等数学、线性代数基础,学习过自动控制、机器人学、动力学、机器学习中的一项或多项者优先。 5. 能够使用 Python,具备 MATLAB、Simulink 或 C++ 经验者优先。 6. 有控制算法、机器人、机器学习相关科研项目、论文复现、竞赛或开源项目经历者优先。 7. 能够阅读英文论文,对机器人控制与具身智能研究具有持续兴趣,能够稳定投入科研时间。 8. 线上线下结合,实习周期3–6个月,每周预计投入20-30小时。



