专业概述
机器人与机器智能是一个前沿工程课程，专注于设计能够在物理世界中感知、推理和行动的智能系统。它整合了机械工程、电气工程、计算机科学和人工智能，创造能够导航环境、操控物体、做出决策和从经验中学习的机器人和自主系统。这是最具跨学科特色的工程学位之一。
课程涵盖力学与动力学、控制系统、传感器技术、计算机视觉、机器学习、路径规划和人机交互。学生从课程早期就开始构建和编程机器人，使用硬件平台、微控制器、执行器和传感器阵列。高年级模块涉及深度强化学习、群体机器人、自主导航和软体机器人等高级主题。毕业设计项目通常涉及设计和构建一个完整的机器人系统。
老龄化人口也推动了对辅助机器人和医疗自动化的需求。毕业生可在机器人公司、国防技术公司、半导体制造商、研究机构和不断增长的自动驾驶行业中找到职位。对于热衷于构建能够思考、感知和行动的机器，并且享受让硬件和软件协同工作这一实践挑战的学生来说，机器人与机器智能是一条令人兴奋的职业道路。
机器人与机器智能是工程领域发展最快的方向之一，少数几所机构定义了这个学科的发展轨迹。卡内基梅隆大学机器人研究所（RI）于1979年成立，是全球第一个专门的机器人研究中心，至今仍是该领域的全球核心，超过500名研究人员在国家机器人工程中心（National Robotics Engineering Center）等设施中开展自动驾驶、操作、野外机器人和人机交互等方向的研究。MIT的计算机科学与人工智能实验室（CSAIL）是MIT最大的研究实验室，在软体机器人、足式运动和制造业协作机器人方面实力强劲。苏黎世联邦理工学院机器人系统实验室凭借四足机器人ANYmal在工业检测和搜救场景中的应用赢得国际声誉。东京大学JSK机器人实验室数十年来一直引领仿人机器人研究，而帝国理工学院戴森设计工程学院（Dyson School of Design Engineering）则将机器人技术与以人为本的设计相结合。
新加坡
新加坡通过国家机器人计划和对自动驾驶车辆研究的大量投资，将自己定位为机器人和自动化领域的领导者。
职业前景与薪资
我能从事什么工作，收入如何？
美国 $80,000–$130,000 / 英国 £32,000–£50,000 / 澳洲 A$70,000–$95,000
美国 $130,000–$220,000 / 英国 £60,000–£100,000
美国 $200,000–$500,000+（含机器人/自动驾驶公司股权）
需求极为强劲且持续加速。机器人工程师是全球最受追捧的技术专业人员之一。AI进步、传感器成本降低和计算能力的融合使自主系统在商业规模上变得可行。需求大幅超过供给，尤其是能跨感知、规划和控制工作的工程师。起薪可与或超过顶级科技公司的软件工程。
行业趋势与展望
这个领域的发展方向是什么？
机器人与机器智能是工程领域增长最快的方向之一，受AI、传感器技术和计算能力进步的推动。全球机器人市场超过450亿美元，预计年增速超过20%。仓库自动化是最显著的增长领域：亚马逊在其配送中心运营超过75万台机器人，竞争对手正争相赶超。来自Universal Robots、FANUC和ABB的协作机器人（cobots）通过安全地与人类协作，正在改变中小型制造。农业机器人、建筑机器人和最后一英里配送无人机代表着具有巨大潜力的新兴细分市场。
自动驾驶汽车仍是机器人技术最雄心勃勃且资金最充裕的应用。Waymo、Cruise、Zoox和Motional等公司在自动驾驶技术上累计投资数百亿美元，雇佣数千名机器人工程师从事感知（LiDAR、摄像头、雷达处理）、规划（运动规划、预测）和控制。虽然在所有条件下的完全自主仍具挑战性，但自动卡车（Aurora、TuSimple）、无人出租车（Waymo在凤凰城）和自动配送车（Nuro）的商业部署正在扩展。手术机器人（直觉外科的达芬奇系统、美敦力的Hugo）是另一个重要领域，AI增强的手术辅助预计将显著增长。
大语言模型（LLM）与机器人的融合（有时称为「具身AI」）是该领域最新的前沿。Google DeepMind（RT-2）、Meta和斯坦福的研究人员正在开发能理解自然语言指令并使用基础模型将其转化为物理动作的机器人。强化学习正在使机器人通过模拟学习复杂的操控任务（灵巧手操作、叠衣服），并迁移到真实硬件。对学生而言，机器人提供了前沿AI研究、动手硬件搭建和巨大商业需求的难得交汇。这个领域奖励能跨软件、电子和力学工作的人，能整合三者的毕业生是世界上最受追捧的工程师之一。
AI与本专业
AI不是在取代机器人工程师，而是让他们的工作更强大和更有价值。基础模型、强化学习和计算机视觉正在赋予机器人前所未有的能力，但仍需有人构建物理系统、集成传感器、设计控制回路并确保现实世界中的安全。兼具AI/ML技能、机械设计和电子专长的工程师是该领域最有价值的专业人员。
你将学到什么
这个学位涵盖的核心课题与技能
这个专业适合我吗？
帮你做出判断的真实自我评估
如果你有以下特点...
- ✓你想构建能在物理世界中自主感知、思考和行动的机器
- ✓你享受工程的全谱：编程、电子和机械设计，全在一个项目中
- ✓你对AI应用于物理系统的前沿充满兴奋：自动驾驶汽车、手术机器人、人形机器人、太空探测车
- ✓你在单一技能不够用的跨学科挑战中如鱼得水，机器人技术要求跨多个领域的整合
- ✓你喜欢竞赛、动手搭建，以及看到你的代码实时控制真实硬件
可能不太适合你，如果...
- ●你偏好纯粹在软件中工作，不想处理硬件、传感器和物理系统
- ●你想要一个定义明确的单学科学位，机器人本质上是跨学科的，有些学生会觉得分散
- ●你不喜欢调试硬件，找出电机为什么卡顿或传感器为什么读数异常需要耐心和物理排障
- ●大量数学（线性代数、控制理论、概率论）让你感到难以承受，机器人是数学最密集的工程领域之一
- ●你偏好个人的、聚焦的工作，机器人项目几乎总是涉及团队集成不同子系统
大学生活的一天
一周的真实日常
大二典型的一周大致是这样的：周一上午是机器人运动学与动力学课，你在用DH参数推导一个6自由度工业机械臂的正运动学，构建将关节角度映射到末端执行器在三维空间位置和姿态的变换矩阵。数学涉及大量矩阵代数和三角函数，但当你在MATLAB中运行方程并看到仿真的机械臂移动到你计算的精确位置时，抽象变得令人满意。午饭后是机电一体化实验课，你编程让一台基于Arduino的移动机器人使用超声波传感器和PID控制算法导航迷宫，调节比例、积分和微分增益直到机器人沿墙平稳移动，不再振荡或撞墙。
周二上午是机器学习课，讲授卷积神经网络（CNN如何通过卷积层提取图像特征、池化如何降低维度，以及dropout为什么能防止过拟合）。实操课上你在PyTorch中训练CNN来分类机器人摄像头拍摄的物体，在你驱动机器人在实验室中采集并标注的自定义数据集上达到94%的准确率。周三最忙：上午是控制系统课（状态空间方法，将四旋翼无人机建模为多输入多输出MIMO系统，设计LQR控制器，在Simulink中模拟响应），接着是团队设计项目。你的四人团队正在构建一台自主移动机器人，需要在未知环境中导航、识别彩色目标并操纵物体。今天你们在集成SLAM（同步定位与地图构建）算法和路径规划器，发现除非添加回环检测，否则基于LiDAR的地图会随时间漂移。
周四上午是计算机视觉课，讲授立体视觉和深度估计（极线几何、视差图，以及两个摄像头如何从二维图像重建三维结构）。下午是执行器与传感器系统实验课，你表征一台无刷直流电机的转矩-转速特性，通过SPI接口连接IMU（惯性测量单元），用互补滤波器融合加速度计和陀螺仪数据来估计姿态。周五较轻松：一节关于自主系统伦理和社会影响的研讨课（自动驾驶事故中的责任、AI决策中的算法偏见、自动化对就业的影响），之后大部分时间自由安排，同学们用来做ROS编程、在GPU集群上训练神经网络或组装即将到来的设计竞赛的机器人。随着竞赛截止日期临近，周末可能被项目工作占满，但构建一台能感知、思考并在物理世界中行动的机器，是工程学中最有成就感的挑战之一。
高中阶段准备
大学前应该学什么、做什么
技能培养
- •认真学习Python和C++，机器人技术需要实时编程、传感器接口和算法实现，两种语言都不可或缺
- •搭建一台机器人：从Arduino或树莓派平台开始，添加传感器（超声波、IMU、摄像头）和执行器（舵机、直流电机），编写控制代码让它自主导航或执行任务
- •超越课本学习线性代数和微积分，机器人技术高度依赖矩阵运算（坐标变换）、雅可比矩阵（运动学）和微分方程（控制系统）
- •探索机器学习基础：用scikit-learn实现一个简单分类器，或训练一个小型神经网络来识别物体。理解AI如何与物理系统集成是这个领域的核心
课外活动
- •参加机器人竞赛（FIRST Robotics、VEX、RoboCup或受DARPA启发的自主挑战赛），这些是展示机器人热情的黄金标准
- •做一个个人机器人项目：自平衡机器人、通过计算机视觉控制的机械臂、使用GPS沿路径飞行的无人机，或带避障功能的循迹小车
- •在GitHub上参与开源机器人项目，即使是对ROS（机器人操作系统）包的小贡献也展示了对机器人软件生态的真正参与
- •选修机器人或AI在线课程：Coursera的机器人专项（宾大）、MIT OpenCourseWare控制系统课程或fast.ai的实用深度学习
- •同时参加编程竞赛（USACO、Google Code Jam）和物理竞赛（BPhO、F=ma），展示你在软硬件全谱上的实力
与相似专业的对比
与相关专业逐一比较
录取指南
这个专业竞争多激烈，如何脱颖而出
顶尖大学的机器人项目竞争极其激烈，选拔性通常与CS持平甚至更高。卡内基梅隆的机器人研究所是全球标杆。MIT、斯坦福、苏黎世联邦理工和帝国理工提供强大的机器人路径。在英国，项目可能嵌入EE或ME院系，爱丁堡、布里斯托和UCL有知名的机器人研究组。入学通常要求A*A*A，必修数学和物理。IB学生通常需要40分以上，HL数学和物理达到7分。
什么能增强你的申请
- 1机器人竞赛经验（FIRST Robotics、VEX、RoboCup）是机器人申请中最强的单一区分因素
- 2个人机器人项目：一台你设计、搭建和编程的工作机器人，附有照片、代码和文档
- 3Python和C/C++的强大编程技能，最好有ROS、OpenCV或机器学习框架的经验
- 4数学和物理的优异成绩，机器人在数学上要求很高（线性代数、控制理论、概率推理）
- 5跨学科能力的证据：涵盖机械设计、电子和软件的项目或课程
常见错误
- ●只有软件技能没有硬件经验就申请，机器人项目希望学生能焊接、接传感器线和搭建物理系统，不仅仅是写代码
- ●将机器人与纯AI/ML混淆，如果你的兴趣完全在软件层面的AI，CS或AI项目可能更适合
- ●没有展示动手搭建经验。GitHub上的ML项目固然很好，但你亲手搭建的一台工作机器人对机器人申请而言更有说服力
面试与入学考试
面试可能考察你对基本控制理论、传感器集成的理解以及你的动手经验。准备好讨论你搭建过的一台机器人：它使用什么传感器、控制算法如何工作、你面临了什么挑战。展示你能跨机械、电气和软件领域思考是招生团队寻找的关键信号。
通用准备
以下建议涵盖新加坡各大学的通用准备要求。各具体课程的要求可能不同，详细的课程特定要求即将推出。
IB Diploma
- •数学AA HL（必修）
- •物理HL（强烈推荐）
- •计算机科学HL（有帮助）
A-Level
- •H2数学（必修）
- •H2物理（强烈推荐）
- •H2计算（推荐）
- •H2高等数学（有优势）
AP
- •AP物理C：力学（必修）
- •AP微积分BC（必修）
- •AP计算机科学A（推荐）
- •AP物理C：电磁学（有帮助）
IGCSE
- •物理（必修，需高分）
- •附加数学（必修）
- •计算机科学（推荐）
- •设计与技术（有帮助）
技能与能力
国大IB / A-Level入学要求：国大招生需求
南大IB / A-Level入学要求：南大招生需求