两名持续强化学习博士研究员

项目概览

阿尔托大学电气工程学院Cyber-physical Systems组招收两名博士，参与ERC Starting Grant支持的真实系统持续强化学习项目。

岗位一研究以轨迹为中心的优化，岗位二研究自适应策略；两人合作将两条路径整合到同一强化学习算法。

研究主要偏理论与方法，可在机器人实验室用机械臂或四足机器人评估算法。

初始2年合同、6个月试用，中期评审成功后延2年，起薪€3,143／月；2026年10月23日23:59 EEST截止。

项目详情

经典强化学习理论通常不针对真实系统的这些条件：系统无法随意重置，失败可能不可逆，环境会持续改变。标准强化学习通过许多假想未来的平均表现优化策略，但在非遍历动力学中，这种平均值可能与单个智能体沿一条轨迹长期经历的结果相差任意大。同时，常见方法寻找不随时间变化的策略，难以适应变化环境。本项目同时处理两种问题，将轨迹中心目标与能够感知上下文的自适应策略结合。

应用动机包括让自主车辆在多年季节变化中持续适应，让制造系统随生产要求演化而不需要停机，以及长期医疗监测随患者状态个性化。它们是项目提出的真实系统场景，并非已经确认每位博士都要部署的现场应用。理论与实际算法希望缩小强化学习和真实持续运行系统之间的差距。

研究位于两个新近方向的交叉：遍历性理论与强化学习的联系仍在发展，智能体怎样安全发现环境改变并调整策略也是活跃问题。两名博士分别从轨迹优化与上下文自适应出发，紧密协作，不能把两项写成彼此独立、不需交流的题目。岗位一侧重非遍历动力学下的轨迹中心随机优化理论与单个智能体长期表现；岗位二侧重检测既有策略何时失效，以及有安全保证的高效调整。

具体工作包括发展非遍历随机优化理论，实现优化个体长期表现的强化学习算法，建立变化检测方法推断策略失效时机，实现有安全保证的策略适应算法，将这些进展融入先进强化学习算法，再在相关仿真环境与硬件实验中验证。主要工作是方法和理论，机器人实验室提供实际实验可能，包括机械臂和四足机器人；没有给定型号、独占设备或每个应用的部署保证。

将加入年轻且活跃的研究组，有合作及交流思路的机会。组内与RWTH Aachen、瑞典皇家理工学院及London Mathematical Laboratory等保持国际研究联系，博士期间可能访问这些或其他伙伴。研究访问是可能性，不等于已安排固定访学或已明确全部旅行预算。ERC资助为四年研究环境提供支持，但个人合同仍按续期模型执行。

阿尔托位于芬兰大赫尔辛基地区Espoo，将科学、艺术、技术与商业结合，以跨学科研究处理可持续发展和全球挑战。介绍列社区约16,000名学生、5,200名员工及446名教授，欢迎不同背景的合格申请者，并强调多样性和包容性。这是机构背景，不是各类学位自动获得博士准入的承诺。获选者还需申请电气工程学院博士学籍，就业录用与学习权应分别办理。

申请要点

• 必需：计算机科学、数学、电气工程或相关硕士；流利英语口头及书面沟通；能够独立工作，也能在研究团队合作。

• 期望有以下一个或多个方向较强背景：随机过程，最好含遍历性理论；强化学习、动态规划与马尔可夫决策过程；Python编程。不是每项都必须已有经历。

• 获选后申请博士学习权，准入说明：https://www.aalto.fi/en/study-options/aalto-doctoral-programme-in-electrical-engineering 。

• 合同按2+2模式，先两年、六个月试用期，成功中期评审后再延两年，合计四年；计划2027年1月或协商开始，起薪€3,143／月，净额尚未列。

• 通过招聘入口提交英语PDF：动机信注明申请哪一个岗位；CV包含至少两位推荐人信息；本科及硕士成绩单和学位证副本。联系人信息不等同于当前要求两封信。

• 截止2026年10月23日23:59 EEST，可能在申请期内邀请合适者面试。

• 阿尔托雇员用内部Workday现有账户申请；学生或访问者用个人邮箱、不要用aalto.fi邮箱，经外部公开职位入口申请。

• 科研咨询Dominik Baumann，dominik.baumann@aalto.fi；流程咨询Johanna Haapalainen，hr-elec@aalto.fi。

需要进一步确认

应核具体学位等值和博士准入、两岗位选择、初始算法与验证平台、中期指标及工资扣除；访学和硬件预算、搬迁住房、居留与家庭安排需个人落实。

阿尔托大学强化学习博士：让算法面对一条无法重来的真实轨迹

申请判断

这是两个有明确数学问题、导师近作和ERC资助支持的博士岗位，适合愿意做随机优化、控制与强化学习理论的人。值得申请，但应先选择方向，再确认博士录取条件。岗位一研究非遍历动力学下的轨迹优化，岗位二研究环境变化检测与安全适应；两人需要共同整合算法。官方招聘明确起薪每月€3,143、初始两年合同、六个月试用，成功通过中期评审后再延两年。2026年10月23日23:59 EEST截止，计划2027年1月或协商到岗。

中国申请者原则上可以参与，但招聘录用和博士学习权分别审核。中国大陆学历的英语CSSD认证、学院成绩评估、英语证明和居留安排都要落实。岗位有条件延续至四年，不是入职时即获得四年无条件合同；ERC本身的五年周期也不是个人五年资助。

研究什么，怎样开展

真实系统通常无法随意重置，失败可能不可逆，运行条件也会改变。传统强化学习在许多可能未来之间优化平均收益，而单个系统实际只经历一条轨迹。在某些重尾或乘性动力学中，少量极好结果可以抬高期望值，个体的长期经历却可能很差。另一个问题是环境改变后，原策略还能否继续使用。项目同时研究这两点。2026年9月ERC消息独立确认了个体目标和持续安全学习的研究主题。

方向	核心工作	更能说明匹配的能力
岗位一：轨迹优化	发展非遍历随机优化理论，设计重视个体长期表现的算法	随机过程、动态规划、目标设计和证明
岗位二：自适应策略	检测原策略何时失效，以受约束的方式调整行为	统计变化检测、序贯决策、上下文推断与安全控制

官方工作包括理论推导、Python等实现、仿真及硬件验证。研究主要偏方法和理论，机械臂或四足机器人是可能的实验平台；没有承诺每名博士都获得指定设备、完成现场部署或进入某个企业。车辆、制造和医疗监测是应用动机，不能当成已经签定的部署任务。

申请准备可以从一个小实验开始。岗位一比较期望收益与增长率目标，明确奖励和动力学假设，记录多随机种子下长轨迹分布；岗位二设置隐藏上下文变化，测量检测延迟、误报、安全探索代价和失败情况。这是本报告的准备建议，不是新增的官方申请要求。

技术边界很重要：几何平均不能直接推广到任意带正负号的奖励；马尔可夫链满足某种遍历性质，也不自动证明奖励过程的时间平均与总体平均相同。安全保证依赖模型、不确定性和置信界的具体假设。2024年安全强化学习综述说明样本复杂度和部署仍有难题，并不证明本项目的组合问题已经解决。可能成果包括判据、收敛或安全分析、可复现基准和实现，论文数量与发表渠道尚未确定。

学校、学科与培养

工作地点在芬兰Espoo的大赫尔辛基地区，学位所属电气工程学院。该博士项目授予Doctor of Science（Technology），全日制一般以四年为目标，包含博士课程、原创论文和公开答辩。计算、通信与物理系统相互耦合的环境，与这里的随机控制研究相符；使用Python并不意味着学位归属通用计算机科学。

2026年9月更新的学校排名表列QS 2026电气与电子工程136、芬兰第一；2026年1月THE消息列工程101—125、计算机科学87。它们来自不同学科分类和评估方法，只作机构背景。年轻研究组的指导频率、项目分工和独立贡献安排，对申请决策更直接。

新博士指导明确：就业招聘与博士学习权是两项决定。10月的招聘截止不能替代学院博士录取日历；2027年1月到岗需要协调材料认证、学院处理周期和居留。外国硕士会接受学位内容与成绩评估，部分情况需要补充学习。

导师近作与指导条件

负责人Dominik Baumann是电气工程与自动化领域的助理教授，研究连接系统控制、机器学习和通信网络。官方研究记录和学术主页列出形式化安全、多智能体、因果性及强化学习遍历性等兴趣。其KTH／马克斯·普朗克联合博士，以及RWTH／乌普萨拉经历提供相关学术联系，但履历和论文数量不能替代日常指导安排。

四篇已发表论文与岗位直接相关：

• Safe reinforcement learning in uncertain contexts，Baumann、Thomas B. Schön，2024，IEEE Transactions on Robotics 40:1828—1841，DOI 10.1109/TRO.2024.3354176。研究不可直接观察的离散上下文，给出分类置信保证，并用摆系统演示。贡献是连接上下文判断与安全行动；有限演示不是开放世界安全证明。大学论文记录
• Safety and optimality in learning-based control at low computational cost，Baumann、Kowalczyk、Rojas、Tiels、Wachel，2025，IEEE Transactions on Automatic Control 70(11):7275—7286，DOI 10.1109/TAC.2025.3570248。CoLSafe在论文假设下给出安全与最优性结果，计算成本随数据次线性增长，并在七自由度机械臂上演示。需要同时考察保证和运行成本，不能据此承诺任意任务都可扩展。论文
• Reinforcement learning with non-ergodic reward increments: robustness via ergodicity transformations，Baumann等，TMLR，大学记录列2025年1月11日发表。通过学习变换改变被优化的奖励增量，使目标更接近个体的长期经历。OpenReview规范记录为eakh1Edffd，未核实期刊DOI；大学记录及出版社PDF索引支持身份和发表状态，研究员直接访问OpenReview受到验证限制。这一来源限制不应扩写成招聘网站无法访问。论文记录
• Beyond expected value: geometric mean optimization for long-term policy performance in reinforcement learning，Xinyi Sheng、Baumann，CDC 2025论文集4154—4160页，大学记录列2026年1月12日出版，DOI 10.1109/CDC57313.2025.11312952。在乘性动力学下连接增长率Bellman算子和几何平均。会议年和出版年不同，适用假设也不能省略。论文

Ergodicity in reinforcement learning是额外的2026年前沿材料，在核验时仍为接收／印刷中，不计入上述四篇已发表论文。导师目录可帮助继续阅读。申请者可以选一篇复现或分析其局限，而不必泛泛介绍所有强化学习算法。

Cyber-physical Systems组提供本地研究环境。新ERC项目是具体资源证据，不过计算配额、机器人预约、技术支持、联合导师、会议预算与两位学生的独立论文贡献仍需约定。RWTH、KTH及London Mathematical Laboratory的访问可能性，应以接收方、日期和预算落实为准。

合同与生活成本

这是受薪岗位。€3,143月薪按12个月计算为€37,716税前基础年薪，尚未扣税与社会保险，也未计其他单列津贴。初始两年、六个月试用及成功中期评审后续约两年，均须按正式合同执行。博士费用说明列博士学费及大学注册费用为零，包括国际博士，自愿学生会会员另行选择。录用前应确认工资进阶、中期评审指标，以及超过四年仍未完成时的安排。

住房需要按受薪博士而非普通学生估算。博士住房说明指出Hoas博士选项有限，建议私人市场，大学没有可保证分配的博士宿舍；带家具Antti Korppi的€595只是受供应限制的选项。2026年3月资金证明列一般学生€800—€1,300以上的月预算，私人租金从€600起及一至三个月押金，其学生折扣不能直接套给受薪博士。

HSL明确博士无学生交通折扣，2026票价决定列一次购买成人AB月票€73.90。一个私人市场敏感性情景是：房租€750—€1,050，食品€300—€400，交通€73.90，手机€30，水电／网络€80，其他€150。合计约€1,384—€1,784／月，€16,607—€21,407／年。这是计算情景而非大学报价，2027实际价格、租约和取暖费可能不同。

应按Vero雇员税务说明和个人税卡计算净收入，不能用税前工资减上述预算宣布到手结余。另备搬家、押金、家具、居留、机票和首笔工资到账前的现金。

必需条件与中国申请者的材料

招聘必需相关硕士、流利的英语口头和书面沟通，以及独立和团队研究能力。期望申请者在随机过程／遍历性、强化学习／动态规划／MDP、Python中一个或多个方向具备较强基础，并未要求三方面全部已有经验，也未把已发表论文列为强制条件。理论推导、硕士论文、代码与认真评价的实验，都是更合适的能力证据。

电气工程博士条件一般要求硕士论文与课程加权平均在参考量表上各至少3／5；海外百分成绩不能机械转换，具体等值由学院评估。不要套用阿尔托其他学院不同的成绩要求。

国家特定认证说明要求中国大陆颁授学历的英语CSSD成绩单及学位证认证，尚未完成学位时成绩单认证仍适用，交相关博士教育服务。规则按学历颁授国家，不按护照判断。初次招聘PDF与正式博士录取认证材料是不同阶段，建议及早安排。

英语证明指导列IELTS Academic总分6.5、写作6.0；ELEC也有符合自身条件的指导教授声明路径。中国英语授课学位不能自动推定豁免，测试版本及适用证明请向doctoral-sci-elec@aalto.fi确认。招聘对英语流利的判断，不能代替博士录取材料审核。

中国非欧盟受薪研究者还需适用居留许可。Migri科研路径要求hosting agreement，受薪者的工资／集体协议条件与非受薪奖学金人员的资金条件不同。该招聘未列中国国籍禁令，也未列强制安全许可。Supo程序只说明如果被要求时如何办理，不能写成本项目既定要求。项目、合作方或出口管制方面的个人审核，应与HR核实。

申请步骤与需要问清的问题

按官方原文于2026年10月23日23:59 EEST 前通过关联的Workday R48223-1提交；原文时区标签保留，若表单显示不同时间应向HR确认。岗位允许申请期内面试，宜提前提交。英语PDF包括：注明所申方向的动机信、含至少两位推荐人信息的CV、本科和硕士成绩单与学位证。推荐人联系方式不等于已要求两封推荐信。雇员走内部Workday，学生与访问者用个人邮箱走外部入口。链接身份已核实，尚未测试完整表单或提交。

科研问题联系dominik.baumann@aalto.fi；申请流程联系Johanna Haapalainen，hr-elec@aalto.fi。两方向都感兴趣时，应问清能否共同考虑及动机信如何说明偏好。面试重点是首年目标、基线算法、假设边界、两人分工、安全验证、指导频率、署名与独立论文范围。还应问清实机验证是否必须、计算与设备支持、访学资助及教学／服务比例。

接受前确认试用与续约标准、评审日期、工资扣除、学籍和居留时序，结合真实可租房做预算。国际人员搬迁说明可作流程参考，不能代替个人住房或搬迁承诺。

领域价值在学习控制、序贯优化与安全评价的方法能力。ABB 2025年机器人视觉投入说明产业关注部署与适应，不证明已采用本算法或存在本岗位就业合作。对申请者而言，值得用一篇导师论文提出具体研究问题，同时尽早办理中国学历认证；录用、续约、个人净薪与资源分配仍须分别确认。

证据与来源

核心机构与项目

• Official R48223-1 recruitment
• Electrical Engineering doctoral study right
• Current dated Aalto rankings
• THE subject ranking2026
• Mainland China doctoral document authentication
• Doctoral degree eligibility and English evidence
• Employment and doctoral study right are separate
• International staff relocation

导师与论文

• Dominik Baumann official staff and research record
• Dominik Baumann academic research directions
• Cyber-physical Systems group
• Safe reinforcement learning in uncertain contexts (2024)
• Safety and optimality in learning-based control at low computational cost (2025)
• Published TMLR ergodicity transformations (2025)
• Beyond expected value: geometric mean optimization (published2026/CDC2025)
• Ergodicity in reinforcement learning (2026 preprint/in press)
• Review of safe RL (Gu etal2024)
• Baumann publication catalogue

领域、资助与申请

• ERC ErgCRL award announcement 3September2026
• Doctoral studies fees and application structure
• Housing specifically for doctoral students
• Aalto March2026 cost certificate
• HSL adult2026 fares
• HSL PhD discount exclusion
• Finnish Tax Administration employment tax
• Researcher residence permit
• Supo security clearance procedure
• ABB2025 robotAI deployment investment