香港中文大学李钟毓教授招收全奖博士生

01、学校招生要求

香港中文大学(CUHK)作为世界知名的研究型大学，在人工智能领域有着卓越的成就。李钟毓教授即将加入香港中文大学机械与自动化工程学系担任助理教授，现面向全球招收多名全奖博士生，研究方向聚焦人形机器人、高动态机器人与具身智能领域。针对李教授课题组的博士招生，申请者需满足以下条件：

1. 学历背景：申请者需具备相关专业的学士或硕士学位。根据香港中文大学的一般要求，申请者需获得认可大学的学士学位，并已在香港中文大学修读硕士学位课程至少一年且表现出杰出的研究能力；或在其他认可大学攻读博士学位至少一年，并获得所在学院的申请批准。

2. 专业方向：机械工程、计算机科学、自动化控制或电子工程等相关专业，对人形机器人或具身智能领域有浓厚兴趣。

3. 优先条件：具有机器人控制、强化学习或多智能体系统研究经验者优先；有顶会顶刊论文发表记录者优先（对博士生申请者非必需条件）。

4. 核心素质：具备跨学科协作能力和解决复杂问题的能力；熟悉Python/C++编程和数学建模。

5. 申请时间：2026年秋季入学的博士生申请已开放，建议尽早提交申请材料。主要申请轮截止时间通常为前一年的12月1日，如有剩余名额将进行后续轮次录取。

02、教授研究方向

李钟毓教授是人形机器人和动态控制领域的新锐科学家，研究工作主要集中在以下四个方向：

1.机器人基础模型

李教授致力于开发大规模行为模型(VLA)，旨在构建能够理解和生成复杂机器人行为的基础模型。这一研究可为机器人提供更强的泛化能力，使其能够适应各种未知环境和任务。

2.人形机器人全身协调

作为最早将强化学习应用于真实双足机器人运动控制的学者之一，李教授在双足和四足机器人的动态控制方面有深厚积累。他的研究使双足机器人Cassie能够执行行走、跳跃和奔跑等高动态动作，并能在未知复杂环境中安全自主导航。此外，他还拓展了四足机器人的能力边界，使其能够执行引导犬、足球射手和守门员等多样化的运动-操作任务。

3.学习与控制融合

李教授专注于优化控制(Optimal Control)与强化学习(Reinforcement Learning)的协同框架研究。他开创性地提出了结合模型驱动控制与数据驱动学习的方法，并成功将其应用于实际机器人系统。其代表性工作包括IJRR发表的关于足式机器人通用、动态和鲁棒控制的论文，该研究系统展示了如何利用深度强化学习创建适用于多种动态双足技能的控制方案。

4.新型机器人本体设计

李教授关注高动态机器人结构创新，参与了伯克利人形机器人(Berkeley Humanoid)等平台的开发。这些研究为学习型控制提供了理想的硬件基础，推动了开源、可定制的机器人平台发展。

李教授在伯克利期间发表了多篇高影响力论文，包括2篇IJRR一作（其中一篇为封面文章，两篇均入选三年高被引），2篇RSS一作，连续三年入围ICRA/IROS最佳论文奖。同时，他还指导学生发表了多篇T-RO、RA-L等顶级期刊和会议论文。

03、创新研究想法

基于李钟毓教授的研究背景和方向，以下是几个极具潜力的创新研究计划

1.多模态大模型驱动的人形机器人决策系统

结合视觉-语言-行为(VLA)大模型与动态控制理论，构建能够理解自然语言指令并执行复杂物理任务的人形机器人系统。该研究可利用李教授在基础模型和双足控制方面的专长，开发一种能够将高层语义指令转化为精确运动控制的端到端框架，使机器人能够执行"帮我拿那个红色的杯子"等日常任务。创新点在于融合大型语言模型的推理能力与机器人动态控制的精确性，实现语义到运动的平滑过渡。

2.面向复杂地形的自适应双足运动学习

针对不规则地形如楼梯、碎石路和湿滑表面等环境，开发基于在线学习的双足运动控制系统。该研究将探索如何利用有限的传感信息快速适应未知地形特性，构建能够处理环境不确定性的鲁棒控制策略。创新点在于设计一个能够实时估计地形特性并相应调整运动策略的框架，使双足机器人能够像人类一样自然地适应各种复杂地形。

3.协作式人形机器人操作任务

研究多个人形机器人如何协同完成复杂操作任务，如共同搬运大型物体或协作组装。该项目将结合李教授在多智能体系统和足式机器人操作方面的经验，探索机器人之间的隐式和显式通信机制，以及如何协调多个机器人的动作以实现共同目标。创新点在于开发一种分布式决策框架，使多个人形机器人能够根据任务需求动态分配角色并协调行动。

4.面向极端动态运动的强化学习与安全控制集成

将李教授在强化学习和控制理论方面的专长结合起来，开发能够执行高动态动作(如空翻、高速奔跑等)同时保证安全的控制系统。该研究将探索如何在执行极限动作的同时保持系统稳定性，防止机器人损坏。创新点在于建立一个结合学习和控制理论的混合框架，使机器人能够探索极限性能的边界而不牺牲安全性。