博士奖学金：设计“机器速度”运作的人机团队

项目1240 · University of Birmingham - School of Computer Science · University of Birmingham - School of Computer Science

所在国家或地区: 英国
申请截止日期: 2026-09-26（具体时刻请核对原始公告）
资助信息: 仅限英国本地申请者；奖学金覆盖学费、生活津贴、研究培训和研究活动支持。

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

项目介绍

项目概览

该博士奖学金来自 University of Birmingham 的 School of Computer Science，隶属于 Centre for National Training and Research Excellence in Understanding Behaviour（Centre-UB）。

项目与 BAE Systems 合作，拟于 2027 年 1 月 4 日开始，重点研究 AI 以“machine-speed”运行时的人机团队设计。

研究对象是需要在不确定、信息受限环境中保持 meaningful human control 的指挥团队。

公开信息显示，奖学金仅面向英国本地申请者，学费、生活津贴、研究培训和研究活动支持都包含在内。

项目详情

【研究方向】

项目的核心问题是：当 AI 代理的处理速度和数据能力远超人类时，人如何仍然留在决策链路中，并且不是名义上的“在场”，而是真正能够理解、约束并监督系统行为。页面特别强调 meaningful human control 的必要性，也就是说，AI 必须足够可解释，才能让人类理解并限制机器速度决策的建议和行为。

项目围绕四个具体问题展开：如何在人类决策与态势感知之间建立和 AI 处理速度相匹配的协同，而不破坏机器速度运作本身；如何确保因 AI 建议而采取的行动仍由人类保留最终权限；如何保证人类对这些建议有足够理解；以及如何让机器速度运作充分感知人类的偏好、直觉和经验。研究对象不是抽象的单模型系统，而是面向指挥团队的真实协作问题。

【研究内容与方法】

项目会开展涉及人类参与者的实验。页面说明，参与者将与 AI 代理互动，AI 代理可用 CrewAI 或类似平台开发；团队规模为 4 到 6 个代理，既可以是全人类、全 AI，也可以是混合配置。研究将比较不同人机组合如何影响人类的态势感知、决策和任务表现。

这意味着博士生不仅要理解人机交互和行为科学，还要能把实验设计、统计分析和一定程度的 agentic AI / 编程 / 建模能力结合起来。项目并不要求申请者在所有方向都已经是专家，但明确表示会提供相应培训与支持。公开信息也提到，项目会在不确定且信息受损的环境中考察 command teams，这通常意味着实验设计会特别关注压力、信息不完整、任务协同和责任归属等问题。

从团队和训练环境看，申请者将进入一个强调跨学科沟通的研究场景。项目页面没有给出特别具体的实验设施说明，但给出了相当清楚的方法边界和合作边界，说明这一岗位更看重人机交互、行为实验和数据分析能力的组合。研究并不是只追求一个更快的算法，而是要解释为什么某种人机配置更能维持人类的判断力、责任感和任务掌控感。

对申请者来说，这意味着你需要能够把实验设计写清楚，也要能在结果出现差异时解释差异来自人类因素、团队结构还是 AI 协同方式。项目虽然允许训练补足，但如果已有实验心理学、团队认知或统计建模经历，会更容易把研究问题和实验路线对接起来。

【导师/团队信息】

联系人为 Professor Chris Baber，邮箱是 c.baber@bham.ac.uk。项目挂靠在 School of Computer Science，并与 Centre-UB 及 BAE Systems 形成合作结构。公开信息没有逐项列出额外联合导师，但研究定位已经很清楚：这是一个把认知心理、human factors、HCI、实验设计和 AI 工具开发放到同一条线上推进的课题。

从团队和训练环境看，申请者将进入一个强调跨学科沟通的研究场景。项目页面没有给出特别具体的实验设施说明，但给出了相当清楚的方法边界和合作边界，说明这一岗位更看重人机交互、行为实验和数据分析能力的组合。研究者需要把“人类如何理解系统、系统如何影响决策、实验如何验证这种影响”三件事一起看待，而不是只从单一技术视角出发。

此外，项目把应用场景明确放在指挥团队和不确定环境中，这意味着导师团队更关心模型和实验结果能否解释真实协作风险、责任归属和态势感知问题。若申请者已有团队实验、实验心理学或统计建模经验，进入项目后会更容易把实验设计与研究问题对齐。

申请要点

学历背景：1st class 或 2:1 学位，专业可为 Cognitive Psychology、Human Factors、Ergonomics、Human-Computer Interaction 或相关行为科学；相关 MSc 为加分项，但不是必须。
研究经历：有涉及人类参与者的实验经验，尤其是决策或团队研究经验，会更符合要求。
方法能力：统计分析能力是必需的。
加分能力：熟悉 agentic AI、编程或 computational modelling 会更有帮助。
申请气质：需要足够跨学科、重视以人为本的技术方案，并具备良好的书面与口头表达能力。
资助范围：仅限英国本地申请者；奖学金覆盖学费、生活津贴、研究培训和研究活动支持。
面试时间：预计 2026 年 11 月 16 日。
开始时间：拟于 2027 年 1 月 4 日启动。
联系方式：Professor Chris Baber，c.baber@bham.ac.uk。
申请时间：发布日期为 2026 年 9 月 4 日，申请截止为 2026 年 9 月 26 日。
申请材料：如果要突出优势，最好围绕“人类参与者实验 + 统计分析 + 人机协同理解”来组织。

需要进一步确认

“Home applicants only”的具体判定口径需要在学校申请页上再核实一次。
项目实验中会使用哪类 AI 代理平台、是否固定 CrewAI，正文只给了示例。
研究计划中人类参与者招募、伦理审批和实验轮次的具体安排尚未展开。
如果申请者具备部分但非全部推荐能力，页面没有给出明确的优先级排序。
申请时是否需要在简历之外单独陈述对 agentic AI 或 human factors 的理解深度，公开信息没有逐项写明。

核对原始项目信息

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与下方报告中的官方来源。

项目深度调研报告

报告生成记录：2026-09-05。生成日期不代表招聘方确认项目仍开放。

资料更新记录：2026-09-05。申请前请再次核对原始公告。

博士项目研究报告：为机器速度操作中的有意义人类控制设计人机团队

执行结论

推荐标签：需要认真核实。

这是一个学术质量很高、并且与防务/高风险操作场景紧密相关的人机协作博士项目。它提出的研究问题非常清晰：当 AI 代理的动作速度已经快过人类的认知和沟通节奏时，怎样才能让人的权威、态势感知和理解仍然“有意义”。这个题目本身很强，正面的研究信号来自三处：官方 Centre-UB 项目页、伯明翰大学的计算机科学环境，以及 Professor Chris Baber 关于分布式 sensemaking、信任、解释和人机团队的近期工作。

但对大多数中国申请者来说，真正决定性的问题是资格。官方 Centre-UB 项目页明确写明，这个奖学金只对 UK home students 开放；Centre-UB 的规则又把 Home 申请者定义为英国国籍/特定居留资格/永久居留等一组严格条件。因此，如果一个普通 PRC 背景申请者并不具备 UK Home-fee status，那么这个项目实际上就应视为不可用。只有在申请者本来就满足 Home-fee 规则时，才有必要继续往下评估。

此外，截止日期也存在冲突。官方 Centre-UB 项目页写的是 2026 年 10 月 26 日下午 5 点，而收集到的项目描述写的是 2026 年 9 月 26 日。以 2026 年 9 月 5 日为基准，这两个日期都还未过去，但保守处理应当先按 9 月 26 日理解，直到 Centre-UB 或导师确认最终截止时间。

学校、项目与地点信号

伯明翰大学的 Computer Science PhD 页面显示，这是一个研究导向强、强调一对一导师制和实践研究活动的项目环境，并明确列出 2:1 入学门槛、英国/爱尔兰费用信息、英语要求和国际学生的 ATAS 提示。

School of Computer Science research 页面也很相关，因为它列出了 Science for AI、Socio-Technical Systems、Perception, Language and Action 等研究主题。这个项目既不是纯 HCI，也不是纯 AI 工程，所以它需要一个能够同时容纳人因、代理式 AI 和社会技术安全研究的学院环境。

学校的整体研究信号也不错。伯明翰的 league-table 页面显示其 QS 2027 全球排名为 68；REF 页面也说明学校具有较强的研究实力。EPS 的 REF 2021 页面还指出，Computer Science 在英国研究 GPA 方面排名较前。这些并不能替代导师匹配，但至少说明环境风险不高。

导师与实验室判断

导师研究方向

Professor Chris Baber 是最强的可见匹配。其研究主页显示，他是 Pervasive and Ubiquitous Computing 教授，隶属 Centre-UB，并且正在招收博士生；其研究和项目也包括 BAE 相关的人因课题。公开输出与本项目非常接近的部分，主要集中在 distributed sensemaking、team communication、trust in human-robot teams、explanation 和 human participation in multi-agent systems。

项目页还把 Dr Abhirup Ghosh 列为 co-supervisor。其个人页显示他的研究兴趣包括 federated learning、domain adaptation、multi-agent systems、mobile health 和隐私保护式感知数据方法；他的研究主页也表明他近期在 test-time adaptation、speech foundation models、federated learning 和 mobile health 方面很活跃。较合理的理解是：Baber 负责人的因和实验框架，Ghosh 负责 AI agent 或计算方法；但这只是推断，必须核实。

近期重要论文

Baber 2026 年的预印本 Human Teaming with Multi-Agent Reinforcement Learning Agents 是最接近的论文匹配。它测试了只用 MARL 以及 MARL+human 的团队在不同风险和可见性条件下如何表现。它对本项目的意义在于：把一个人放进 AI 团队里，并不自动让系统更好，团队效果取决于 agent 的训练、风险水平以及人到底能观察到什么。

When Robots Say No: Temporal Trust Recovery Through Explanation 则与项目对“人如何理解并约束机器速度推荐”这个问题高度相关。该文讨论了解释如何影响高风险场景下的信任恢复。

Co-Movement and Trust Development in Human-Robot Teams 把团队协调和信任放在动态行为信号里来看。对这个项目而言，关键启发是：信任和协调可以被当作动态变量，而不是静态问卷分数。

Automating the Analysis of Speech Acts in Teams to Understand Distributed Sensemaking 也很相关。它借助转写和机器学习方法来分类团队在动态 C3Fire 模拟中的 speech acts，这为分析命令类团队中的沟通、规划和态势感知提供了很好的先例。

实验室、资源与合作环境

Centre-UB 本身是一个优势。它的 Studentship benefits 页面说明，项目一般有 4 年时长、共同生产的研究设计、至少两位学术导师加一位合作组织导师、UKRI 级 stipend、学费、专项方法训练、研究实践训练和 6 个月一次的训练需求评估。这种结构很适合需要行为实验、技术原型和赞助方转化的项目。

缺口在于 sponsor 细节。官方项目页写了 BAE Systems，导师页也显示有相关 BAE 项目，但公开证据并没有说明 BAE 侧导师是谁、数据访问边界、是否有 placement、以及会不会用到 sponsor 的设施。这些都应当确认。

研究方向与领域前景

领域前景

这个项目的时机是对的。英国国防政策把 human-machine teaming 视为 AI 落地的默认方式，并强调机器速度下仍需要人的判断与责任。MOD 的 AI 方针直接讨论了人类控制、责任和操作速度；JSP 936 又进一步提出了关于可信防务 AI 的治理、生命周期保证、安全与质量要求。

防务之外，NIST AI Risk Management Framework 也反映了更广泛的可信、可问责 AI 趋势。Human control of AI systems: from supervision to teaming 尤其相关，因为它认为简单的监督控制模型不足以描述现代 AI 系统，而 human-machine teaming 才是更合适的框架。 Human-Robot Teaming Challenges for the Military and First Response 则为高风险操作中的 teaming 问题提供了领域支持。

可能的研究角度

可以展开的研究角度包括：如何衡量“有意义的人类监督”何时变成象征性监督；比较全人类、全代理和混合团队；在机器速度推荐下测试解释时机与内容；随时间测量态势感知和信任；以及设计让人能够在自主行动前先设定约束而不是事后批准的界面。一个好的申请或面试回答，应该把这些问题变成可测量的实验变量。

职业与市场前景

这个题目的职业面很广：HCI、人因工程、负责任 AI 保证、安全工程、自主系统、机器人、指挥控制决策支持和 AI 治理都能接上。对英国资格申请者来说，这种产业链接很有价值；但同样，正是这种产业链接构成了非英国申请者的主要限制。

资助、申请与生活成本

这个资助包对符合资格的申请者来说很强。Centre-UB 的 call page 写明，2027 年 1 月的学生奖学金只对 UK home students 开放，并定义了 Home 资格类别；application process 则要求提交申请表、CV、EDI survey 编号、成绩单和两封推荐信，并通过在线项目门户提交。页面也鼓励尽早联系导师。

UKRI 的支持页面给出了 2026 年 10 月 1 日起的最低 stipend 为 GBP 21,805，学费也按 Home fee 水平覆盖。伯明翰的 postgraduate money advice 和 accommodation fees 说明，相比伦敦，伯明翰生活成本可控，但仍然需要认真预算房租、食品、交通、个人开销和设备成本。

对于中国相关申请者，Home-fee 资格是第一道门槛。 UKCISA 的 fee-status 指南说明，fee status 取决于政府条例，申请者必须满足某个类别的全部条件。若申请者还受英国移民管制，并且研究方向属于 ATAS 范围， GOV.UK 的 ATAS 指南也可能相关；伯明翰的 Computer Science PhD 页面同样提示国际学生注意 ATAS。

申请者匹配度

最适合谁

最适合的是具备认知心理学、人因工程、工效学、HCI 或相关行为科学训练，同时又有扎实统计能力和人类受试者实验经验的 UK Home-fee 候选人。项目本身明确强调 decision-making 或 team experiments；MSc 很有帮助，但并非绝对必要。

需要谨慎的情况

如果是中国背景申请者且没有 Home-fee status，除非 Centre-UB 给出书面例外，否则不应把这个机会列为优先选项。纯 AI 申请者如果没有行为实验经验，也可能比预期弱，因为这个项目研究的是 meaningful human control，而不是单纯做更快的 agent。若你对防务相关工作、赞助方限制或敏感数据边界不适应，也应先核实 BAE 部分。

可强化的技能与证据

强有力的材料应包括：参与者研究的论文或项目；行为或团队数据的统计分析；HCI、人因或工效学写作；agentic AI 或 simulation 原型的代码；以及一段简明的概念说明，解释如何测量 human understanding、authority 和 constraint-setting。申请材料应清楚展示你如何把实验设计和计算实现连接起来。

风险与待确认问题

高优先级问题

这个项目的最终截止日到底是 2026 年 9 月 26 日，还是 2026 年 10 月 26 日下午 5 点？
能否接受一个满足英国 Home-fee 资格的中国申请者？
是否存在海外学费、CSC、fee-gap 或 sponsor-funded 的例外？
BAE 合作是否要求 BPSS、更高等级的安全审查、国籍筛选、出口管制审批或系统/数据访问限制？
BAE 侧导师是谁？会有哪些 research-in-practice placement 或 sponsor contact？