你將應對怎樣的技術課題？

1. 大模型技術：

利用深度學習等先進算法，通過大量的訓練數據來優化模型，使其能夠識別細微的制造缺陷，如車身表面瑕疵、零部件安裝錯誤或不匹配等

2. 人型機器人：

裝備有視覺傳感器和其他感知設備的人型機器人可以模擬人類的技術動作，執行復雜的檢查任務，并且能夠在發現缺陷后采取相應的修正措施。

3. 集成系統：

將上述兩者集成在一個自動化系統中，可以實現實時監控生產流水線，自動識別并分類各種缺陷，減少人為檢查的誤差，提升整體生產線的質量控制水平。



加入我們，你將收獲什么？

1. 技術創新與挑戰：大規模AI模型的應用在實際工業環境中的部署面臨著許多技術和工程上的挑戰。這些挑戰包括模型的可解釋性、實時性能、魯棒性以及如何有效地從有限的標注數據中學習等。人型機器人在復雜環境下的感知與決策也是一個活躍的研究領域。

2. 跨學科研究： 這一研究課題涉及多個學科的交叉融合，如機器學習、計算機視覺、機器人學、機械工程和控制理論等。博士研究需要深入探索這些領域的知識，并尋找它們之間的協同效應。跨學科的研究有助于推動不同領域的進步，并可能產生創新性的解決方案

3. 工業應用潛力：通過研究如何更好地利用AI和機器人技術，可顯著提升汽車制造的生產效率和產品質量。成功的研究成果可以直接轉化為工業實踐，帶來相應的經濟效益和社會價值。

4. 學術貢獻：在這一課題上，可通過開發新的算法、提出新的理論框架或者設計出新的系統架構等原創性的學術貢獻來填補現有研究的空白。



我們期待這樣的你：

A. 教育背景

計算機科學、電子工程、機械工程、自動化控制或其他相關領域的碩士學位（須在博士入學前取得國家承認的碩士學位證書和碩士畢業證書），擁有跨學科背景的學生會更有優勢。



B. 技術技能

1. 基礎知識：扎實的數學基礎，特別是概率論、統計學、線性代數和優化理論；同時需要掌握計算機科學的基本原理，包括算法和數據結構。

2. 編程能力：熟練掌握至少一種編程語言（如Python、C++），并能夠使用深度學習框架（如TensorFlow、PyTorch）進行模型開發。

3. 機器學習/深度學習：熟悉機器學習的基本概念和技術，尤其是深度學習模型的設計、訓練和評估。

4. 機器人技術：了解機器人操作系統（ROS）和機器人硬件接口，有能力進行傳感器融合、路徑規劃和運動控制。

5. 計算機視覺：掌握圖像處理和計算機視覺技術，能夠開發用于檢測和分類的視覺系統。



C. 綜合技能

1. 溝通能力：良好的書面和口頭溝通技巧，能夠清晰地表達研究思路，并撰寫學術論文。

2. 研究能力：具備獨立開展研究的能力，包括文獻綜述、實驗設計、數據分析和結果解釋。

3. 團隊合作：由于項目往往需要跨學科合作，因此需要具備良好的團隊協作精神。

4. 實習經歷：有在相關領域內的公司或研究機構實習的經歷將是加分項。

5. 項目經驗：參與過相關的科研項目，特別是那些涉及實際工業應用的項目，會更加受到青睞。