奥胡斯大学物理人工智能博士：面向机器人的自适应基础模型

项目概览

这是奥胡斯大学电气与计算机工程系的三年制物理人工智能博士岗位，计划于2027年1月1日或之后入职。研究将在 Adaptive & Agentic AI（A3）实验室开展，由副教授 Behzad Bozorgtabar 指导、Qi Zhang 教授共同指导。核心问题是：机器人如何结合视觉观察和自然语言指令理解环境、预判动作结果，并在现实条件变化时保持可靠行为。岗位面向国际申请者，公告列出的申请截止日为2026年11月1日。

项目详情

研究把多模态感知、推理与动作连接起来，重点之一是视觉—语言—动作模型（VLA）：将图像或视频观察与语言指令映射到机器人的动作，探索从示范中学习，以及面对未见过的任务、物体或环境时的泛化能力。申请人既可以从模型表征入手，也可以研究如何使已有模型更好地适应真实机器人任务；最终的具体选题会与录取者共同确定。

另一个方向是世界模型与规划。项目希望构建可预测动作如何改变物理环境的模型，让机器人能够借助预测进行规划，并从交互中学习。可探索的材料包括视频、演示数据和仿真数据，也可以研究不同机器人配置之间的知识迁移。这里的重点是建立可检验的预测与决策能力，而不只是调用现成的预训练模型。

第三个方向是环境适应与边缘智能。实际部署会遇到传感条件变化、时延、内存和能耗限制；研究可能涉及测试时适应、持续学习、不确定性感知决策，以及资源受限设备上的高效推理与模型更新。算法开发需要配套严格评估：使用公开数据集、仿真，并在条件允许时使用机器人和边缘计算平台；衡量任务成功率、泛化性、可靠性和计算效率。团队希望形成投向 NeurIPS、ICML、ICLR、CVPR、ICCV、CoRL、RSS、ICRA 等机器学习、计算机视觉与机器人会议的原创成果。上述会议是研究目标，不代表录取或发表保证。

这一研究计划的几个方向相互连接：机器人既要从多模态输入中提取可供行动使用的信息，也要借助对未来状态的预测选择动作，最后还要在现实设备的资源限制下维持性能。公告并未规定申请人必须同时精通所有分支，而是说明录取后会共同确定准确研究焦点。准备申请时，能够展示深度学习模型从实现、训练到评估的完整经历，尤其是如何设计对比、分析失败案例与衡量资源成本，会比单纯列出使用过的模型接口更贴近公告要求。

项目的评估范围既包括公开数据集和仿真，也包括在具备条件时使用实体机器人和边缘计算平台。因此，研究成果可能同时包含新算法、可靠性分析与部署效率实验；实体平台并非公告承诺对所有子课题始终开放。资助栏虽写明国际学生可申请，但并未解释薪酬、社会保险或其他费用，读者不宜把“有竞争力”理解成已经核实的具体金额。

申请要点

• 学历：入学前取得计算机科学、电气或计算机工程、机器人、机器学习或相关专业硕士学位，公告以120 ECTS 或同等学历为参考；需有较好的成绩，以及机器学习、线性代数、概率和优化基础。

• 实操能力：要求熟练使用 Python、PyTorch 或同类框架，并有亲自实现、训练、评估深度学习模型的充分经验。仅对人工智能感兴趣，或仅运行教程、调用预训练模型接口，不符合公告所强调的实操门槛。

• 研究准备：可围绕 VLA、世界模型、适应方法、仿真或机器人评估准备可核查的项目与代码经历；最终题目可与导师商定。

• 申请材料：技术性要求是把上述项目说明复制并保存为 PDF，作为“project description”上传。其他材料清单应以学校申请系统为准。

• 时间与资助：全职、三年，预计2027年1月1日或之后开始；公告显示2026年11月1日截止，资助面向英国、欧盟及其他国际学生，金额仅写“有竞争力”，未给出具体薪资或覆盖结构。

需要进一步确认

采集到的职位正文在资格条件段落中途结束，因而推荐信、其他申请材料、是否还有附加筛选条件及薪资细目需要以大学申请入口核对。岗位地点为丹麦奥胡斯；申请时应按学校所在地和官方规则判断。

PhD 项目深度调研报告：奥胡斯大学物理人工智能博士——面向机器人的自适应基础模型

申请判断

判断：适合有扎实深度学习实现与评估经历的申请者。 研究问题是机器人如何结合视觉与指令理解环境、预测动作后果，并在传感或物理条件改变时适应。项目连接视觉—语言—动作模型、世界模型与规划，以及边缘约束下的高效适应，最终重点由团队和录取者共同确定。保存的公告列 Behzad Bozorgtabar 与 Qi Zhang 指导，截止 2026 年 11 月 1 日 23:59 CET，计划 2027 年 1 月 1 日或之后开始。项目公告。

项目最突出的依据是 A3 Lab 已有的自适应与智能体 AI、测试时适应、多模态基础模型、不确定性研究，以及分布变化下的部署工作（A3 Lab）。不过，现有公开证据更能证明团队在自适应 AI、医学及计算机视觉、多模态稳健性方面的积累，尚不足以证明已有明确的机器人平台或长期机器人控制论文产出。

对中国申请者，官方公告原则上向不同背景的申请者开放，学校也有国际博士居留手续说明（国际博士信息、丹麦 SIRI 博士居留说明）。最终仍须核实学位等值、英语或丹麦语材料、居留办理及可能涉及的科研安全审查。

研究方向与领域前景

方向发展

课题位于 VLA 模型、world model、测试时适应、持续适应和高效边缘推理的交叉处。基础模型正从静态感知与语言处理延伸到需要行动、预测结果并适应环境变化的具身任务。真正有研究空间的问题是多模态模型在物理世界发生变化时能否可靠适应，而不只是把大模型接到机器人上。

这一领域仍有难点：高质量数据不足、仿真到现实的落差、时延和能耗、安全性、复现性及严格评测。申请材料若提出研究设想，应清楚说明准备如何处理这些问题。

可研究的问题

以下是保存公告中相连的研究方向，不要求每名博士独立完成全部分支：

• 让 VLA 模型面对陌生物体、指令或场景时保持泛化能力。
• 借助视频、示范或仿真建立预测动作后果的 world model。
• 处理传感、光照、物体分布或机器人本体变化时的测试时适应。
• 在边缘设备约束下实现高效适应与推理。
• 将不确定性估计用于规划或故障识别。

这些方向与 A3 Lab 的适应及不确定性研究、Qi Zhang 的边缘智能专长吻合。

职业与市场

WEF 将 AI 与机器学习专家等技术岗位列为至 2030 年增长较快的职业类别（WEF 就业展望）。Stanford HAI 的 AI Index 记录了 AI 投资、应用和劳动力结构变化（AI Index 经济章节）；IFR 的资料则表明专业服务机器人仍有持续市场（IFR World Robotics 2025）。博士训练的实际职业价值仍取决于代码、benchmark、论文、机器人或仿真演示，以及受约束环境下可靠部署的可核查成果。

学校、学科与培养

奥胡斯大学是丹麦规模较大的公立研究型大学。校方资料称其为丹麦第二大大学，拥有约 37,000 名学生（学校简介）。QS 将其列为 2027 年世界大学排名并列第 128 位（QS 资料）；THE 的学科资料可作为计算机科学和工程实力的另一项背景依据（THE 资料）。

Graduate School of Technical Sciences（GSTS）介绍约有 275 名博士生，并提供课程、国际交流和通用能力训练（GSTS 简介）。电气与计算机工程博士项目有 50 余名博士生，重视应用研究和产业合作，学校也介绍了院系的实验设施（ECE 博士项目）。这些资料说明学校及 ECE 的研究环境，不能据此确定个人机器人平台、算力配额或指导结果。

导师与研究环境

导师研究方向

Behzad Bozorgtabar 的校方主页列出其 ECE 副教授、A3 Lab 创始人兼负责人的身份，研究包括可信及分布变化感知 AI、测试时适应、自监督学习和多模态基础模型（校方主页）。其个人学术主页还列出 DIGIT、Pioneer Centre for AI 和 ELLIS 关联，并提到 Physical AI、world model 与可靠 AI 系统（个人学术主页）。A3 Lab 的官方研究方向涵盖视觉语言学习与推理、自监督表征、开放世界持续适应及测试时适应、多智能体协作和高效视觉，与动态物理环境中的 VLA 模型及 world model 研究有较强关联。

Qi Zhang 的校方主页显示其为 ECE 教授，研究涉及边缘智能、触觉互联网及远程机器人相关系统（Qi Zhang 校方主页）。学校新闻介绍其在高效、可持续的数据通信与计算方面的工作，以及包括 TOAST 在内的项目领导经历（校方介绍）。这为边缘部署、时延和物理系统约束提供了另一条导师专长线索。

近期代表论文

论文	与课题的关系	证据边界
LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs，CVPR 2026（CVF）	体现团队在无标签适应、不确定性和分布变化下多模态可靠性方面的近期工作。	场景是医学视觉语言模型，不是机器人动作。
ReservoirTTA: Prolonged Test-time Adaptation for Evolving and Recurring Domains（arXiv）	与反复变化环境中的持续适应直接相关。	除预印本及检索资料外，最终发表场所仍需核实。
Learning to Read Where to Look: Disease-Aware Vision-Language Pretraining for 3D CT（arXiv）	显示导师参与多模态基础模型与定位研究。	对象是医学影像，不是机器人操作。

论文组合能较充分地支持“自适应基础模型”一侧；机器人平台、仿真环境、评测基准和数据集仍应向导师询问。

实验条件与合作

A3 Lab 的官方定位体现了团队在自适应与智能体 AI、不确定性及稳健部署上的活跃研究。Qi Zhang 补充了边缘智能、通信和远程系统的 ECE 网络。院系博士项目页面也介绍了设施及产业合作环境。不过，公告将公共数据集、仿真以及“如有条件”使用的机器人和边缘计算平台并列（项目公告）；目前不能据此认定已为学生锁定完整的机器人硬件与算力配置。

资助、申请与生活成本

官方公告称薪酬及雇佣条件依适用集体协议执行，项目采用 三年博士 fellowship / scholarship 结构（项目公告）。GSTS 说明录取以资金落实为前提，完整的财务计划涉及奖学金或雇佣、学费、研究运行经费及交流费用（申请指南）。相较完全自费项目，资助前景较好；但公告未给出这一岗位的税前薪资、养老金、税后收入及学费处理细节，收入与学费安排仍需确认。

奥胡斯大学说明，非丹麦公民需要相应登记文件或居留、工作、学习许可，录取及接受 offer 后学校会协助办理（国际申请信息；SIRI 博士居留；PHD1 表格）。校方也提示丹麦生活成本较高，工资和公共福利相应较高（生活成本）；国际博士可参考 AU Housing 的住宿渠道，但应提前安排（AU Housing）。

申请者背景与准备

更契合的申请者

学位须为 120 ECTS 硕士或同等学历，并在入学前完成。亲自实现、训练和评价深度学习模型的充分经历是明确筛选条件；教程或预训练接口使用不能替代。

较匹配的背景是计算机科学、电气或计算机工程、机器人、机器学习等相关硕士训练。公告明确要求较好的学业成绩，以及机器学习、线性代数、概率、优化、Python 和 PyTorch 或相近框架能力（项目公告）。高质量硕士论文、研究项目、论文或代码成果应能说明申请者自己的技术贡献。

需要谨慎的情况

如果 AI 经历主要是教程、API 调用或产品层面的提示词使用，公告明确认为这不足以支撑申请。希望入学前就获得完全确定的工业机器人任务和设备配置的申请者，也应先核实课题安排；公开公告将具体平台和重点留待与录取者共同确定。

可加强的材料

系统有一项明确必需上传：出于技术原因，须把招聘中的项目说明原文复制成 PDF，作为 “project description” 提交，不能用个人研究构想替代。其他材料按 GSTS 和实际表单准备；保存的招聘摘录在资格段中途结束，不能当作完整清单。以下仅为可选准备建议：

• 附可复现实验的 PyTorch 研究代码与简洁说明。
• 梳理 VLA、world model、测试时适应和边缘推理的相关文献。
• 用一页研究陈述把一两个课题方向与既有工作对应起来。
• 在论文、代码或毕业研究中清楚区分个人贡献。
• 按 GSTS 要求准备成绩单、GPA 换算及认证英语译件（申请指南）。

风险与待核实问题

优先核实

1. 入学第一年可使用哪些机器人平台、仿真环境、数据集和算力？
2. 首个成果预期偏向 VLA benchmark、world model、测试时适应、边缘部署，还是机器人演示？
3. 税前薪资、养老金缴费、税务假设及税后月收入范围是多少？
4. 此岗位的学费是否由财务计划全额覆盖？
5. Behzad Bozorgtabar 与 Qi Zhang 如何分工指导？
6. 中国高校背景申请者是否需额外完成材料核验、学位认定或科研安全程序？

进一步询问

1. 项目更可能投稿 CoRL/RSS/ICRA、NeurIPS/ICML/ICLR、CVPR/ICCV，还是跨领域组合？
2. 是否有可继承的 A3 Lab 代码库或评测流水线？
3. 是否安排产业合作、校外交流或 ELLIS/Pioneer/DIGIT 网络合作？
4. 面试中能否用私有代码仓库或毕业论文代码证明研究能力？
5. 预期开始日期在 2027 年 1 月 1 日之后有多大调整空间？

证据与来源

本次复用完整已存报告和认证招聘摘录，没有新增外网核验或论文阅读。当前招聘、完整表单、政策及预印本后续发表状态未重新确认。文献解读保留现有摘要／元数据范围和已知姓名，不补写未知署名或声称全文已读；医学 VLM／CT 适应研究与已验证机器人控制分别理解。

核心项目与学校

• 官方项目公告
• GSTS 申请指南
• ECE 博士项目
• A3 Lab
• Behzad Bozorgtabar 校方主页
• Qi Zhang 校方主页

论文、生活成本与领域

• AU 生活成本
• 丹麦 SIRI 博士居留说明
• QS 奥胡斯大学资料
• THE 奥胡斯大学资料
• CVPR 2026 LATA 论文
• ReservoirTTA
• 3D CT 视觉语言预训练论文
• WEF 就业展望
• Stanford AI Index
• IFR World Robotics 2025