招生 | 清华人工智能学院机器人/大模型/科学智能方向-陈勇超课题组

大家好，我是陈勇超，我将于2026年8月加入清华大学人工智能学院 (College of AI)，担任助理教授。我正在寻找2027秋季入学的博士生（可以提前跟我开始预研）。此外，我们课题组长期招收全职或者兼职的实习生/研究助理，本科、学士后(Gap Year)、硕士等均可申请 （长期有效），会有实习工资补助。如果有兴趣，请给我发邮件 (yongchaochen12@gmail.com)，附上你的简历和成绩单，简要介绍你的研究兴趣和研究经历。

导师介绍

我即将博士毕业于哈佛大学和麻省理工学院（合作导师为Chuchu Fan, Na Li, Nicholas Roy），同时也有在工业界例如Google Research，DeepMind，Microsoft Research，MIT-IBM Watson AI Lab等研究经历。更多信息可以参考个人主页：https://yongchao98.github.io/YongchaoChen/。

我的研究方向

本课题组的研究兴趣聚焦于大模型、机器人、神经-符号人工智能（Neuro-Symbolic AI）以及 AI for Science 的交叉领域。

我们的核心目标是探索面向自主系统的通用性强、可扩展的神经-符号模型（General, Scalable Neuro-Symbolic Models for Autonomy），以提升智能体和机器人在复杂环境中的理解、推理、规划与决策能力。

尽管当前的大模型已在智能体与机器人领域得到广泛应用，但在可靠性、泛化能力、处理复杂问题能力以及长期自主性等方面仍存在显著不足。

本课题组旨在探索融合学习（Learning）与符号方法（Symbolic Reasoning）的研究范式，发展新一代具备通用性与可扩展性的模型架构，以支撑复杂环境下的自主决策与智能行为泛化。我的工作多次被MIT News和MIT News Spotlight报道。

我未来的研究兴趣

1. 基础模型与神经-符号方法（Foundation Models & Neuro-Symbolic AI）
   聚焦大语言模型与多模态模型（LLM/VLM）的后训练（Post-Training）、推理（Reasoning）、规划（Planning）与工具使用（Tool-Use），探索融合符号结构与学习机制的神经-符号模型，以提升模型的系统性推理能力与泛化性能。

2. 机器人与自主系统（Robotics & Autonomous Systems）
   研究机器人任务与运动规划（Task and Motion Planning）、机器人基础模型（Robotic Foundation Models, VLAs），以及触觉感知、人形机器人、操作、导航、控制与优化、多机器人系统和机器人力学等方向，推动具备长期自主性与复杂操作能力的智能机器人系统发展。

3. 科学智能（AI for Science）
   

   探索基础模型与机器人技术在自主科学发现（Autonomous Scientific Discovery）中的应用，研究面向科学问题的模型构建、实验决策与自动化系统，加速科学研究流程与知识发现。

招生意向

希望有扎实的编程和数理基础，优秀的英语能力。不限专业，欢迎不同背景的学生申请，计算机/电子/自动化/机械/数学/物理都可以，最看重同学的好奇心和自我驱动力。

虽然这则广告是招博士生，也非常欢迎对我研究感兴趣的本科生和博士后来联系我！我的邮箱是yongchaochen12@gmail.com。我会认真阅读每一封申请邮件，无论能否达成合作意向我都会在三天内邮件回复。

实验室和学校资源

导师与国内外人工智能实验室(THU, MIT, Harvard, Berkeley, Stanford, UPenn, Georgia Tech, NYU等)建立了长期的合作，有充足的交流合作的机会。同时可推荐国内外工业界(DeepMind, Meta, Microsoft Research, Nvidia, IBM, Waymo, and Frontier AI Labs等)实习交流机会。

欢迎有意向的同学申请！