一、学校招生要求
香港科技大学(广州)的博士招生要求较为严格，确保录取高质量的研究人才。根据最新官方信息，申请者需满足以下条件：
1.学历要求：
·持有学士学位且表现优秀；或
·至少有一年全日制(或两年非全日制)研究生研究经历
2.英语能力要求：
·托福网考不低于80分
·托福pBT不低于550分
·托福修订纸笔考试不低于60分(阅读、听力和写作总分)
·雅思(学术类)总分不低于6.5分(各单项不低于6.0分)
·注：母语为英语或在英语教学机构获得学位的申请者可免除英语成绩要求
3.申请材料：
·完整的在线申请表
·个人陈述(研究兴趣、未来规划等)
·学术成绩单
·推荐信
·研究计划书
·英语成绩证明
4.资助情况：
·录取的博士生可获得全额学费减免
·提供具有竞争力的月度生活津贴
·学术会议旅行补贴
·优秀学生可申请额外奖学金
香港科技大学(广州)实行全年滚动招生制度，但建议申请者尽早提交申请，以获得更好的录取机会。
二、教授研究方向
陈昶昊教授(Prof. Changhao CHEN)现任香港科技大学(广州)智能交通学域和人工智能学域助理教授，他领导的PEAK-Lab(Perception, Embodiment, Autonomy and Kinematics)研究团队主要聚焦于具身人工智能与自主系统，特别是开放世界学习与导航的挑战。陈教授拥有牛津大学计算机科学博士学位，师从Prof. Niki Trigoni和Prof. Andrew Markham，曾在英国牛津大学计算机科学系担任博士后研究员，并在国防科技大学担任讲师。
陈教授的主要研究方向包括：
1.自我运动感知与跟踪：开发能够准确感知和跟踪机器人、自动驾驶汽车等自主系统的运动状态的技术。
2.稳健空间感知：研究在复杂、动态和未知环境中的空间感知技术，提高自主系统的环境理解能力。
3.安全自主导航：致力于开发可靠、安全的自主导航系统，适用于各种复杂场景。
4.具身人工智能：将人工智能与物理实体(如机器人)结合，实现更自然、高效的交互和决策。
5.高效神经网络：研究轻量级、高效的神经网络架构，使智能算法能够部署在资源受限的设备上。
陈教授的研究成果已在顶级会议和期刊上发表，包括AAAI、CVPR、ICCV、ICRA、IROS、MobiCom、MobiSys、WWW、SenSys等会议以及TNNLS、TITS、TMC、TIV等期刊，谷歌学术引用超过2600次。其研究成果已成功应用于各种平台，从机器人、无人机、自动驾驶车辆到智能手机、智能手表和VR/AR设备，支持它们在智能交通、紧急救援和医院效率提升等领域的实际应用。
三、创新研究想法
基于陈昶昊教授的研究方向，以下是几个具有创新性和可行性的研究计划：
1.跨模态自监督学习框架用于开放世界导航
传统的导航系统往往依赖于精确的地图和传感器数据，在未知环境中表现不佳。该研究提出一种跨模态自监督学习框架，结合视觉、惯性和声学信息，通过自监督学习方式学习环境表征，使自主系统能够在没有预先建模的未知环境中进行稳健导航。该方法无需大量标注数据，可显著提高系统在开放世界中的适应能力。
2.面向极端条件的稳健空间感知系统
在雾霾、暴雨或黑暗等极端条件下，传统感知系统往往失效。此研究计划提出一种多传感器融合框架，结合毫米波雷达、热成像和深度学习技术，开发对极端环境条件稳健的空间感知系统。通过对抗训练和域适应技术，该系统可在各种恶劣条件下保持稳定性能，为紧急救援和特殊任务场景提供可靠支持。
3.资源受限环境下的轻量级神经网络架构
为边缘设备设计的神经网络往往需要权衡性能与计算资源。该研究计划探索新型神经网络架构设计范式，如动态剪枝、知识蒸馏和神经架构搜索，开发一种自适应轻量级网络框架，能够根据设备资源和任务需求动态调整网络结构，在保持性能的同时显著降低计算和能耗成本。
4.人-机协作的具身智能系统
具身人工智能需要理解人类意图并做出相应反应。该研究提出一种基于多模态交互的人-机协作框架，结合视觉、语言和触觉反馈，使机器人能够更自然地理解人类意图并与人类协作完成复杂任务。通过强化学习和模仿学习相结合的方法，系统可以从人类示范中学习并不断改进其协作能力。
5.面向智能交通的分布式感知与决策系统
智能交通系统需要处理大量分布式传感器数据并做出实时决策。该研究计划提出一种基于边缘计算和联邦学习的分布式感知与决策框架，使车辆、基础设施和行人等多主体能够高效共享信息并协同决策，同时保护隐私和降低通信开销。该系统可显著提高交通效率、安全性和可持续性。
【竞赛报名/项目咨询+微信：mollywei007】
