PhD Find博士申请助手 · PhDFind
English version not available for this project. Browse English projects

机器人博士：多模态感知与混合控制支持的操作运动生成

项目1551 · CNRS · Laboratoire Interdisciplinaire Carnot de Bourgogne

当前招生状态尚待核对，请以招聘方最新公告为准。

所在国家或地区
法国
申请截止日期
2026 年 10 月 26 日（星期一）23:59 截止，时区未注明；计划 2027 年 1 月 1 日入职。
资助信息
月薪至少 2300.00 欧元，未标明税前或税后；全职固定期限博士合同 36 个月。每年休假及 RTT 合计 44 天；交通费用报销比例 75%，可持续出行补助最高 300 欧元。博士注册费或学费覆盖未明确。

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。

阅读项目调研与申请判断

项目介绍

项目概览

本博士项目研究非结构化环境中的机器人操作，将多模态感知、物理与几何模型、数据驱动学习及安全约束控制结合。

研究属于 PEPR Robotique 的 HAMMER 定向项目，目标是让机器人利用丰富的物体状态表示和实时物理反馈，调整操作动作。

岗位位于法国第戎的 Laboratoire Interdisciplinaire Carnot de Bourgogne，实验将在配有不同感知模态的协作机器人上开展。

合同为全职、36 个月固定期限博士合同，计划 2027 年 1 月 1 日入职；月薪至少 2300.00 欧元，未注明税前或税后。2026 年 10 月 26 日（星期一）23:59 截止申请。

项目详情

机器人正逐步从结构化工业工作单元，走向农场、车间、仓库、医院、家庭及户外作业现场等开放环境。人形机器人的运动和操作能力已有进展，基础模型也为语义理解、任务规划和动作生成提供了新可能，其中视觉—语言—动作模型（vision-language-action models，VLA）被视为实现通用机器人系统的一条路径。但理解任务目标并生成动作还不足以应对复杂物理交互；机器人必须同时考虑被操作物体的属性和运动，以及接触过程中的变化。

本课题关注较少受控环境中的操作。传统刚性物体操作主要依赖六维位姿估计，但现实中的物体可能会变形、带有铰接结构、柔性弯曲、部分遮挡，或在交互中产生接触。此时，物体状态并不能总用一个刚性位姿概括。形状、局部几何、接触条件、抓取稳定性、材料响应，以及与任务相关的可供性（affordances），都可能影响操作行为。

纺织物操作及抓取选择研究体现了这一问题：对于可变形物体，机器人需要推断形状如何变化、接触如何发生，以及部分可观测状态下如何行动，而不只估计刚性变换。这些例子说明了仅依赖位姿的操作方法的局限，但介绍并未把博士课题限定为只处理纺织物。

模型驱动方法提供结构、物理一致性及面向控制的约束，但面对几何、材料属性和接触条件仅部分已知的物体，模型往往不完整。数据驱动方法能够从经验中学习视觉描述、潜在状态、残差动力学或动作先验，但可能需要大量数据，也不会天然提供安全性和稳定性保证。项目因此计划结合两类方法：用模型约束和引导动作，用数据帮助适应难以显式建模的现象。

HAMMER 项目专门研究模型驱动与数据驱动方法在机器人运动生成中的融合。本博士将在操作任务中推进这一目标，结合几何和物理先验、学习得到的表示、多模态感知与考虑安全约束的控制。多模态可供性研究也说明，将外部视觉与局部感知反馈结合，有助于操作。课题希望形成兼具适应能力和物理一致性的感知控制策略。

博士研究分为三项主要贡献。第一，表示物体的高维状态：建立紧凑的多模态表示，结合 RGB-D 几何、局部形状、接触线索、本体感知信号，以及学习得到的描述特征。第二，融合模型驱动与数据驱动控制：开发闭环操作策略，让物理和几何约束指导学习，同时用学习组件提高对不确定性的适应能力。第三，把高层动作先验落实到物理反馈：使用基础模型或 VLA 提出目标、动作或操作基元，再根据多模态反馈、模型约束和安全控制对其调整。

实验将在一台配备不同感知模态的协作机器人（cobot）上进行。预期成果是面向真实世界机器人操作的混合感知与控制框架，使机器人能够根据丰富的物体状态表示和实时物理反馈调整行动。项目介绍没有给出协作机器人的型号、传感器清单或具体性能指标，也没有将所有拟研究方法列为必须已有的申请技能。

介绍给出的参考文献为：[1] Ai, B. 等，A review of learning-based dynamics models for robotic manipulation，Science Robotics（2025）；[2] Longhini, A. 等，Unfolding the Literature: A Review of Robotic Cloth Manipulation，Annual Review of Control, Robotics, and Autonomous Systems（2025）；[3] Wu, Q. 等，TARS: Tactile Affordance in Robot Synesthesia for Dexterous Manipulation，IEEE Robotics and Automation Letters（2025）；[4] Zhao, W. 等，VLMPC: Vision-Language Model Predictive Control for Robotic Manipulation，Robotics: Science and Systems（2024）；[5] De Gusseme, V.-L. 等，A Dataset and Benchmark for Robotic Cloth Unfolding Grasp Selection: The ICRA 2024 Cloth Competition，The International Journal of Robotics Research（2026）；[6] Gu, Zhaoyuan 等，Humanoid Locomotion and Manipulation: Current Progress and Challenges in Control, Planning, and Learning，IEEE/ASME Transactions on Mechatronics 31.2（2026）。

申请要点

  • 合同与地点：全职固定期限博士合同（CDD Doctorant），36 个月；工作地点法国 Côte-d'Or 的 21078 DIJON。

  • 学历：招聘标注 Bac+5；具体专业范围、学位等效条件、语言要求与必需／优先技能未另行说明。

  • 研究工作：高维物体状态的多模态表示、闭环混合控制、高层动作先验与实时物理反馈结合，并在协作机器人上实验。

  • 时间：拟于 2027 年 1 月 1 日入职；2026 年 10 月 26 日（星期一）23:59 截止，时区未注明。

  • 薪资与福利：月薪至少 2300.00 欧元，未标明税前或税后；每年休假及 RTT 合计 44 天；交通费用报销比例 75%，可持续出行补助最高 300 欧元；另列远程工作及补偿，适用条件未说明。

  • 岗位向持有残障工作者身份认定文件的人开放。招聘编号 UMR6303-CEDDEM-002；领域包括信号、图像、语言、自动控制、机器人、交互及软硬件集成系统。

需要进一步确认

导师姓名、直接联系邮箱、申请材料、具体专业和技能准入条件、博士注册学校与费用尚未明确。须核实实验平台配置、项目分工及薪资税务口径。介绍未明确国籍条件或特别审批条款，不能据此认定某一国籍已经具备申请资格，亦不能直接判断无需额外行政程序。

查看收录来源与申请要求

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：。生成日期不代表招聘方确认项目仍开放。

资料更新记录：。申请前请再次核对原始公告。

机器人博士：让多模态感知进入闭环操作控制

项目价值与关键条件

机器人能识别一件物体，并不意味着能在它变形、滑动或被遮挡时稳定操作。这个博士课题研究怎样表示不断变化的物体状态，并利用视觉、接触和本体感知反馈调整动作，工作横跨多模态感知、物理交互和闭环控制。基础模型或视觉—语言—动作模型（VLA）在这里提供高层目标和动作先验；博士工作的价值在于把这些先验与真实物理反馈、模型约束和安全控制结合。综合判断为方向有潜力，但关键条件尚未明确；应先确认指导分工和可用实验设备，再评估研究是否能够落地。

项目位于法国第戎的 Laboratoire Interdisciplinaire Carnot de Bourgogne（ICB），属于 PEPR Robotique 的 HAMMER 定向项目。ICB 的视觉与机器人研究、Cédric Demonceaux 与 HAMMER 的关联，以及团队近期的多模态标定和三维感知论文，构成了较好的研究支撑。不过，正式论文导师、联合导师、博士注册学校、学位授予机构、协作机器人型号和传感器配置均未在招聘介绍中明确。现有资料说明的是研究计划，尚不能据此认定完整的感知控制系统已经部署，或所有实验设备都已保证可用。

合同为 36 个月全职固定期限博士合同，计划 2027 年 1 月 1 日入职，申请于 2026 年 10 月 26 日（星期一）23:59 截止，截止时区未注明。月薪至少 2300.00 欧元，招聘文字未注明税前或税后。中国及其他非欧盟申请者应先核实学历等效认定和具体签证、居留路径。招聘没有写明 PPST/ZRR 条款；机构另有受限区域管理规定，是否适用于本合同和实际工作区，需要 HR 个案确认。官方项目介绍

研究问题与博士工作

已公告的研究任务

项目介绍将博士工作分为三项主要贡献：

  • 表示高维物体状态。 构建紧凑的多模态表示，结合 RGB-D 几何、局部形状、接触线索、本体感知信号和学习得到的描述特征。
  • 融合模型驱动与数据驱动控制。 开发闭环操作策略，让物理和几何约束指导学习，同时由学习组件提高对不确定性的适应能力。
  • 将高层动作先验与物理反馈结合。 使用基础模型或 VLA 提出目标、动作或操作基元，再依据多模态反馈、模型约束和考虑安全性的控制调整动作。

实验计划在配备不同感知模态的协作机器人（cobot）上开展。预期成果是面向真实世界操作的混合感知与控制框架，使机器人能够根据丰富的物体状态表示和实时物理反馈调整行为。这是拟开展的实验和预期成果，不能表述为已经完成或具有保证性能的系统。

物体状态为何不能只用六维位姿表示

项目面向机器人从结构化工业工作单元走向开放环境的需求，所举场景包括农场、车间、仓库、医院、家庭和户外作业现场。人形机器人的运动与操作已有进展，基础模型也为语义理解、任务规划和动作生成提供了新方法，但机器人理解任务目标之后，仍要处理接触、形变和物体运动造成的复杂物理交互。

传统刚性物体操作主要依赖六维位姿估计。现实中的物体却可能变形、关节转动、柔性弯曲，或在操作过程中被遮挡、受到接触。此时，一个刚性变换不足以概括物体状态。形状、局部几何、接触条件、抓取稳定性、材料响应及与任务相关的可供性（affordances），都可能决定下一步动作是否可行。

纺织物操作尤其能说明这一局限。机器人需要推断形状如何演化、接触如何变化，并在状态只能部分观测时行动。项目介绍以纺织物综述和抓取选择 benchmark 为例，但没有把博士研究限定为纺织物。可变形物体、铰接物体及其他复杂接触对象的具体范围仍应由导师说明。

混合方法的必要性来自两类方法各自的局限。模型驱动方法能够提供物理一致性、几何约束和控制结构，但难以完整描述未知的材料属性、局部几何和接触条件。数据驱动方法可以从经验中学习视觉描述、潜在状态、残差动力学和动作先验，却可能依赖大量数据，也不会天然给出安全性或稳定性保证。博士课题希望用模型约束和引导动作，再用学习组件适应难以显式建模的变化。

现有文献与这一问题相符。2025 年的学习动力学综述讨论了表示、模型架构及与规划控制的结合；纺织物操作综述指出了对象差异、感知和评测带来的泛化困难。TARS 和 VLMPC 分别提供视觉与触觉可供性、视觉语言模型与模型预测控制的研究例子。这些工作支持课题的研究动机，但并不意味着相同方法已经成为本项目确定的技术方案。学习动力学综述、纺织物操作综述、TARS、VLMPC

可形成的成果与技术边界

从上述任务判断，较有说服力的博士成果可能是一套框架及系统实验，而不止是独立的感知模块。可探索的成果包括适用于可变形或铰接物体的状态表示、闭环操作控制器、安全过滤方法，以及对仅依赖位姿方法或端到端学习方法的比较。协作机器人上的可重复任务评测，也可能成为重要产出。这些是基于课题内容的研究判断，具体成果要求和发表计划尚未公告。

关键问题是，高层动作先验能否通过物理反馈持续检验。一个完整的研究计划需要说明部分可观测状态和不确定性如何进入控制，接触或抓取稳定性如何评估，安全约束怎样执行，以及失败如何被记录和比较。招聘介绍没有给出机器人型号、触觉传感器、RGB-D 相机、力／力矩传感器、仿真器、中间件或数据集计划。因此，具体实现难度和第一年可做的实验仍需要面试时核实。

项目介绍列出的六项参考研究应分别理解：

参考研究 与课题的关系
Ai, B. 等，A review of learning-based dynamics models for robotic manipulation，Science Robotics（2025） 说明学习动力学在复杂交互建模及规划控制中的机会与限制。
Longhini, A. 等，Unfolding the Literature: A Review of Robotic Cloth Manipulation，Annual Review of Control, Robotics, and Autonomous Systems（2025） 说明纺织物形变、接触和部分可观测性为何超出刚性位姿表示。
Wu, Q. 等，TARS: Tactile Affordance in Robot Synesthesia for Dexterous Manipulation，IEEE Robotics and Automation Letters（2025） 提供外部视觉与局部触觉反馈结合的相关研究。
Zhao, W. 等，VLMPC: Vision-Language Model Predictive Control for Robotic Manipulation，Robotics: Science and Systems（2024） 提供视觉语言先验与模型预测控制结合的研究路径。
De Gusseme, V.-L. 等，A Dataset and Benchmark for Robotic Cloth Unfolding Grasp Selection: The ICRA 2024 Cloth Competition，The International Journal of Robotics Research（2026） 以纺织物展开抓取选择说明任务评测和可变形对象操作的挑战。
Gu, Zhaoyuan 等，Humanoid Locomotion and Manipulation: Current Progress and Challenges in Control, Planning, and Learning，IEEE/ASME Transactions on Mechatronics 31.2（2026） 提供人形机器人控制、规划和学习的背景；不代表本博士使用人形机器人。

学校、学科与培养

注册环境与排名

UBE 的博士介绍允许硕士学位或同等水平的申请者进入博士阶段。ED SPIM 的学科范围覆盖工程科学、信息与通信、信号图像和机器人，且 ICB 在其研究单位之列，因此它是与本课题相符的可能注册环境。但招聘介绍没有确认本岗位注册于 ED SPIM，也没有明确学位授予机构。UBE 博士介绍、ED SPIM、区域博士学院的博士学校介绍

综合大学排名提供的是较宽泛的背景信号：

来源 年份与结果
QS 2027 年世界大学排名 #1201–1400。
THE 2026 年世界大学排名 1001–1200；计算机科学 601–800，工程 801–1000。
UBE 官方排名页面转述 Shanghai/ARWU 2026 年 701–800。

这些排名不宜直接衡量本博士的质量。与课题更相关的是 CNRS 联合研究单位、PEPR Robotique 国家项目、团队近期论文和具体实验条件。Nature Index 可提供 CNRS 的宏观研究背景，不能作为本课题、拟任导师或机器人研究的独立质量证明。QS、THE、UBE 排名说明、Nature Index

研究与职业价值

多模态感知、触觉与复杂接触操作、具身 AI，以及融合学习表示、物理约束和安全控制的控制器，都是活跃研究方向。领域前景较好，同时竞争也较强。高层语义模型与真实物理行动之间的衔接，仍需要能够测量和复现实验表现的方法。

WEF、IFR、McKinsey 和 European Commission 的资料表明，AI、机器人、自动化和 physical AI 受到持续关注。这些是行业或政策层面的趋势证据，不能保证某个博士项目或个人的就业结果。课题的职业价值更取决于能否产出可靠的机器人代码、实验演示、数据集与论文，并说明闭环性能及失败边界。较相关的方向包括机器人感知与控制研究、具身 AI 研发、机器人操作、自动系统，以及传感器融合和标定。WEF 就业趋势报告、IFR 服务机器人资料、McKinsey 通用机器人分析、European Commission 政策文件

导师与研究条件

Cédric Demonceaux 的关联较强，正式指导关系未确认

招聘介绍没有直接列出导师姓名。岗位编号 UMR6303-CEDDEM-002、研究主题和 HAMMER 项目关联，使 Cédric Demonceaux 成为最有依据的潜在学术负责人判断，但编号不能替代正式导师确认。

其个人学术页面将他列为 Université Bourgogne Europe 的 Professeur des Universités，所在单位为 ICB UMR 6303 UBE-CNRS，并列出 I-SyNC 部门。研究方向包括计算机视觉、深度学习、计算成像和机器人视觉。ICB 的人员目录则将他列于 Design, Optimization and Mechanical Engineering 部门。两种公开部门表述的关系尚未解释，应避免把其中任何一项直接当作本岗位确定的指导团队配置。个人学术主页、ICB 人员资料

他的项目页面列出 2025—2031 年 PEPR Robotique HAMMER，并将 ICB Dijon 和 C. Demonceaux 列于项目负责人结构。合作网络包括 I3S Nice、JRL Tsukuba、ONERA Paris、GIPSA Grenoble、ISIR Paris、LAAS Toulouse、INRIA-ENS Willow Paris、INRIA ACENTAURI Nice、INRIA Larsen Nancy、Centre for Robotics PSL Paris 和 ICB Dijon。该网络说明可能具备跨团队合作基础，但不代表博士生一定获得访问、联合指导或伙伴设备使用安排。HAMMER 项目信息

近期论文支持哪些能力

SOAC: Spatio-Temporal Overlap-Aware Multi-Sensor Calibration using Neural Radiance Fields（CVPR 2024） 由 Cédric Demonceaux 参与合著，使用共同的神经场景表示及考虑传感器重叠的优化进行多模态时空标定。与本课题的联系在于，RGB-D、接触与本体感知信息要进入闭环控制，首先需要可靠地对齐。论文体现多传感器标定的方法基础，尚不能单独证明团队已完成操作控制系统。论文

3DGS-Calib: 3D Gaussian Splatting for Multimodal SpatioTemporal Calibration（IROS 2024） 延续多模态标定研究，使用 3D Gaussian Splatting 加快无标定靶标的时空标定。它支持团队在现代三维表示与多模态感知上的积累，但研究本身并非机器人操作策略。项目与论文资源

Dense Scene Reconstruction from Light-Field Images Affected by Rolling Shutter（WACV 2025） 研究光场图像中的稠密深度估计和滚动快门补偿，以 Gaussian Splatting 方法处理困难成像条件，并提供代码和数据资源线索。动态三维感知、复杂传感条件和可重复数据集，可能支撑高维物体状态研究。不过，光场重建与接触操作仍是相邻课题，不能直接等同。论文

Joint 3D Shape and Motion Estimation From Rolling Shutter Light-Field Images（WACV 2024） 研究滚动快门光场图像的形状与运动联合估计，并提供 benchmark 数据集和代码。它进一步说明团队具有动态三维感知和数据集构建经验，但无法确认本博士所需协作机器人或触觉设备是否可用。论文

实验室环境与设备信息

ICB 是 CNRS、Université Bourgogne Europe（UBE）与 UTBM 的联合研究单位。官方介绍称其在 Bourgogne-Franche-Comté 多个地点拥有超过 350 名物理学家、化学家、工程师和技术人员，设有多个研究部门，并由 五个技术平台 支撑。其 Industry 4.0 方向涉及机器人与协作机器人、仪器、表面表征、传感器、增强现实和 AI。ICB 简介、跨领域研究方向

TITAN 平台也显示实验室具备设计制造、计算智能和多种机械／材料表征相关基础；ICB-Vision-AI 的公开代码组织则显示近期视觉工作的代码和数据集产出。这些有助于判断研究环境，但广泛的平台资源不能自动转化为本项目的设备承诺。TITAN 平台、ICB-Vision-AI 代码资源

对本岗位最直接的硬件信息仍是招聘介绍中的“配有不同感知模态的协作机器人”。申请者需要核实机器人和传感器清单、控制与仿真软件、算力配额、数据集归属，以及设备现在已经到位还是需等待 HAMMER 项目采购。日常指导者和控制方向联合导师同样重要，因为目前公开论文对感知能力的支持较明确，对本项目具体操作控制配置的说明较少。

申请匹配与中国申请者可行性

官方条件与建议准备应分开

招聘介绍明确标注的学历层级是 Bac+5，通常对应硕士层级或同等训练；没有单独列出专业范围、必需编程语言、优先技能、英语／法语要求或材料清单。岗位也向持有残障工作者身份认定文件的人开放。没有公开国籍限制并不等于已确认所有国籍均无附加程序。

UBE 与法国博士框架支持硕士或同等学历及研究能力的基本准入原则。中国硕士学位可以构成申请依据，但是否认可、怎样认定和需要哪些材料，仍由注册机构与博士学校决定。建议准备成绩单、学位证书、毕业证书、按要求提供的认证译件，以及硕士论文或项目成果，并说明研究训练。是否需要学位认证或 ENIC-NARIC 可比性证明，应向接收机构确认。法国博士框架、外国学生注册说明

从研究内容判断，机器人、控制、计算机视觉、感知机器学习、机电一体化、自动系统或具有机器人实验经验的应用 AI 背景较匹配。以下是分析所建议的准备方向，并非招聘介绍已经公布的硬性要求：Python/C++、ROS 或 ROS 2、RGB-D 感知、相机与机器人标定、三维点云、触觉或力感知、闭环控制、模型预测控制、强化／模仿学习、安全过滤方法，以及实验记录和统计评估。

最有力的申请材料应能展示完整研究过程，例如硕士论文、论文、GitHub 代码、机器人演示或实验报告。一个相关的作品可以在遮挡、对象变化或接触不确定性下比较感知控制方法与基线，并提供消融实验和失败分析。纯 NLP／基础模型背景、缺少控制感知深度的软件背景，或缺少感知与实施经验的纯控制理论背景，需要额外展示与物理机器人实验的衔接。它们并非被官方排除的申请类型。

行政审查需要核实到本岗位

CNRS 的申请帮助资料说明，外国国籍者在符合条件时可以进入法国公共部门的相关就业岗位。这提供一般制度背景，不能替代对本岗位和个人情况的确认。申请帮助

UBE 的研究单位管理指南涉及 PPST/ZRR，并提到在包括 ICB 的相关受限区域内，受邀外国研究人员或博士候选人停留超过一周的情形需要有利的部级意见，检查需预留两个月。法国主管部门也说明 PPST 包括对 ZRR 区域的访问管理。这里必须保留适用范围：这是机构规则的线索，招聘介绍没有明确列出相应条款，现有证据尚不能确认本合同、具体工作区和申请者将怎样适用。应向实验室询问是否涉及授权、由谁发起、何时启动，以及是否影响签约或入室日期，不能据此直接判断中国申请者不符合资格或无需审查。UBE 管理指南、法国 PPST 说明

签证与居留同样需要结合合同、接待协议及 HR 流程判断。France-Visas 的研究人员／人才路径可作为核实依据，但不能先认定本岗位自动适用某一种签证。France-Visas 相关路径

薪资、福利与第戎生活成本

合同条件与工资口径

项目 已公开信息或信息缺口
合同 全职 CDD Doctorant，36 个月；地点为 Côte-d'Or 的 21078 DIJON。
入职 2027 年 1 月 1 日。
申请截止 2026 年 10 月 26 日（星期一）23:59，时区未注明。
薪资 每月至少 2300.00 欧元，招聘文字未注明税前或税后。
休假 每年休假与 RTT 合计 44 天。
远程工作 列有远程工作及补偿，具体适用条件未说明。
交通 报销 75% 交通费用，可持续出行补助最高 300 欧元。
注册与搬迁 博士注册费或学费覆盖、搬迁支持、首月工资时间均未明确。

法国博士官方资料说明，自 2026 年 1 月 1 日 起博士合同最低工资为每月 2300 欧元税前，CNRS 合同雇员薪酬资料也使用税前月薪口径。这支持将本岗位金额理解为税前工资的判断，但应把“外部规则支持的解释”与“本岗位招聘文字”分开。接受前须由 HR 书面确认合同工资口径、扣除社会缴费后的收入、所得税预扣、是否有额外补助，以及 2027 年实际适用的薪酬安排。法国博士资助说明、CNRS 合同雇员薪酬说明

2300 欧元不能作为每月可支配现金直接编入预算。最有用的核实材料，是 HR 对 2027 年 1 月 1 日入职的博士雇员给出预计月净收入，并说明社会缴费、所得税预扣和工资发放时间。个人税务情况可能影响最终净收入。

生活成本证据的适用范围

第戎生活成本预计比巴黎更容易负担。Campus France 给出法国学生用于食物、住房和交通的宽泛月预算约 600–800 欧元，具体随城市和住宿变化。该数字是学生预算参考，不能当作本人的完整生活成本或博士雇员一定足够的预算。预算指南、生活成本 FAQ

当地 UBE/IUT 和 CROUS 资料显示，第戎学生住房通常低于巴黎。一份较早的当地介绍给出 CROUS 房间约 150–250 欧元／月；2026 年租金表摘录中的第戎单间／studio 示例则多为数百欧元，随宿舍和房型变化。这些价格不能代替当前房源报价，也不保证博士雇员能够取得 CROUS 房间。当地住宿与出行介绍、2026 年租金表摘录

这些学生预算和宿舍价格只能帮助准备询价清单，目前不足以算出个人博士工资的生活余额。需要以净工资、实际可租房源和完整支出核算。到达时还需要覆盖住房押金、首月房租、临时住宿、签证与居留费用、保险和冬季衣物。首笔工资到账前的资金安排，不能只按正常月份的预算估算。

下一步与待确认问题

申请前先解决资格与流程问题

优先联系实验室或招聘负责人，确认正式论文导师、联合导师、博士学校、注册机构和学位授予机构。Cédric Demonceaux 的关联可用于选择联系对象，但邮件中应询问指导安排，不能先认定其为正式论文导师。

确认中国硕士学历的评估流程，以及成绩单、认证译件、学位认证、论文证明和语言材料的具体要求。询问是否需要 ENIC-NARIC 可比性声明。再确认是否只需通过官方申请入口提交，候选人账号是否足够，以及是否同时需要完成大学或博士学校步骤。本岗位申请入口

同时核实截止时区和材料清单。对于 PPST/ZRR，应询问本岗位是否实际涉及相应区域或授权，以及审查启动时间、负责人和与 2027 年 1 月 1 日入职的关系。一般机构指南不能替代这项个案答复。

面试时确认技术计划与指导分工

需要重点确认首年研究任务：具体对象类别、机器人型号、末端执行器、RGB-D／触觉／力传感器、仿真器、控制中间件、数据集、算力资源和安全要求。请团队说明哪些资源入职时即可使用，哪些取决于采购或合作单位，以及博士生是否需要自建数据集。

研究讨论应进一步落到基线方法、成功指标、重复实验、失败分析、首年里程碑和预期发表渠道。高层基础模型／VLA 先验怎样经过物理反馈约束，是需要具体讨论的技术问题。研究计划应说明闭环验证、不确定性、接触稳定性和安全控制怎样进入真实实验。另需确认感知与控制方向分别由谁日常指导，以及 HAMMER 合作是否包含实际访问或共同实验安排。

接受前取得书面条件

接受前取得预计净月薪、社会缴费和所得税预扣、首月发薪日期、休假规则、博士注册费用、健康保险和搬迁支持的书面说明。签证／居留路径、接待协议、适用时的 PPST/ZRR 授权状态及入职日期约束，应由 HR 与实验室共同确认。

研究方面，应明确导师责任、可以保证使用的硬件、数据和算力，以及可能涉及的知识产权或发表审查流程。语言要求尚未说明，也应确认是否影响实验室工作或行政手续。

证据与来源

项目与研究环境

博士注册与学校背景

团队论文与研究前沿

薪酬、资格与行政流程

生活成本与职业趋势

按研究方向和所在国家或地区整理，优先展示资助类型相近的机会。申请前请核对各项目的最新公告。