HKUST(GZ) · Systems Hub · Robotics and Autonomous Systems

RIL-LAB 机器人智能与学习实验室

我们聚焦机器人与人工智能的深度融合,探索下一代具备自主学习能力的机器人系统,重点关注机器人设计与控制、多模态感知、人机交互、从视频中学习、智能操作与生物医学相关应用。

Humanoid Robotics Multimodal Perception Human-Robot Interaction Embodied AI

Research Snapshot

RIL-LAB 致力于构建面向复杂真实环境的机器人智能,从感知、决策、控制到学习闭环推进具身智能研究。

具身智能与学习
围绕多模态理解、智能决策、操作与模仿学习展开系统研究。
机器人系统设计
关注人形机器人、外骨骼、生物医疗机器人等新型平台。
开放合作与招募
欢迎博士、硕士、RA 与实习生加入,一起做有长期价值的研究。
2024 实验室成立
6+ 核心研究方向
Open 长期招募中
About the Lab

一个面向未来机器人的研究实验室

RIL-LAB 由聂强教授创立,隶属于香港科技大学(广州)系统枢纽机器人与自主系统学域。我们希望在机器人智能、学习、理解和操作能力之间建立更紧密的联系,打造真正能够在现实世界中持续学习与协作的机器人系统。

实验室定位

我们致力于打造兼具学术深度与系统落地能力的研究平台,强调算法、系统、硬件与应用场景的协同发展。实验室鼓励有独立思考能力、长期主义与动手能力的研究者,在开放讨论和密切指导中推动高质量研究。

成立时间
2024 年,依托 HKUST(GZ) 快速建设中的机器人研究环境。
所在机构
香港科技大学(广州)· 系统枢纽 · 机器人与自主系统学域。
合作风格
注重一对一指导、开放协作与长期研究价值,欢迎跨方向联合探索。
6+ 核心研究方向
AI × Robotics 多模态、控制、操作、学习
开放招募 博士 / 硕士 / RA / 实习生
持续建设中 更多成果、项目与成员即将补充
Research Pillars

研究方向

我们围绕机器人智能的关键环节展开研究,从感知、决策、控制到学习与操作,形成跨学科、跨层级的研究矩阵,以支持下一代自主机器人系统的发展。

机器人设计及控制
Robot Design

机器人设计及控制

探索机器人结构创新、动力学建模与先进控制算法,构建更智能、更灵活、更可靠的机器人平台。

Structure · Control · Motion
多模态计算机视觉
Perception

多模态计算机视觉

研究视觉、语言与其他传感模态的统一理解与生成,提升机器人对复杂环境的感知与适应能力。

Vision · Language · Multimodal Models
智能操作
Manipulation

智能操作

面向复杂真实场景探索智能操作技术,增强机器人感知—决策—执行一体化能力。

Manipulation · Planning · Skill Learning
人机交互
HRI

人机交互

关注人类行为理解、姿态估计、动作预测与协作决策,推动更自然、更高效的人机协同。

Pose · Action · Collaboration
从视频中学习
Learning from Video

从视频中学习

通过视频理解、行为模仿与技能迁移,让机器人从大规模视觉数据中学习通用能力。

Imitation · Video Understanding · World Models
AI Agent
Embodied Agent

AI Agent

开发具备自主决策与持续优化能力的智能体,让机器人在真实环境中实现更高层级的自主行动。

Reasoning · Decision-Making · Embodied Intelligence
Selected Publications

精选学术成果

以下展示实验室近期代表性成果。首页保留精选预览,更多内容将在后续持续补充与整理。

More Results

加载标题中...

加载作者中...

加载机构中...

正在获取摘要与项目信息,请稍候。

People

团队概览

RIL-LAB 正在持续扩展。首页展示实验室负责人与部分成员概览,更多成员与完整信息将逐步补充。

聂强 教授
Principal Investigator

聂强 教授

助理教授,香港科技大学(广州)系统枢纽机器人与自主系统学域。研究方向包括机器人设计与控制、人机交互、多模态感知、从视频中学习、智能操作与 AI Agent。

实验室强调长期研究价值、开放协作与高质量指导,欢迎对机器人和人工智能研究有强烈兴趣的同学加入,共同推进具身智能与真实世界机器人系统的发展。

张志远
博士研究生

张志远

研究方向

大语言模型、机器人、强化学习。

孙泳
博士研究生

孙泳

研究方向

面向生物医学的人工智能。

石珺予
博士研究生

石珺予

研究方向

人机交互、人体动作理解与预测。

张正杰
博士研究生

张正杰

研究方向

多模态大模型、多模态感知。

戴欣怡
硕士研究生

戴欣怡

研究方向

机器人、人体姿态估计。

何宇鑫
博士研究生

何宇鑫

研究方向

视频学习、具身世界模型。

李嘉成
研究助理

李嘉成

研究方向

Flexible Sensor 与相关机器人系统。

More Members

更多成员持续更新中

完整团队介绍、研究方向和更多个人主页信息将在后续版本中逐步补充。

Full Team Directory

完整成员信息

这里预留为完整团队成员展示区。你后续可以继续补充:博士研究生、硕士研究生、RA、实习生、校友与合作成员的完整信息,或单独拆成独立团队页面。

博士研究生

张志远

方向:大语言模型、机器人、强化学习。适合作为完整成员区的首批详情卡模板。

博士研究生

孙泳

方向:面向生物医学的人工智能。后续可在这里补充教育背景、主页与论文链接。

研究助理 / 实习生

更多成员

这里可以继续扩展成完整成员矩阵,包含 RA、实习生、校友、合作学生等分组信息。

Join RIL-LAB

欢迎加入我们

我们长期欢迎对机器人与人工智能研究有热情的博士生、硕士生、研究助理和实习生加入团队。你可以在这里获得系统性的学术指导、开放合作的研究环境与面向未来的研究问题。

2026 招募进行中
重点招募广告:VLA / 强化学习方向 RA 与实习生

如果你在 Vision-Language-Action、强化学习、模仿学习、机器人操作或具身智能方向有项目或研究经验,我们非常欢迎你联系实验室,优秀者将优先进入正式面试与长期合作通道。

我们希望看到的申请者

  • 对机器人、人工智能、多模态理解或相关方向有真实兴趣,愿意长期投入研究。
  • 具备良好的数理基础与编程能力,能独立思考并主动推动问题。
  • 具备相关研究经验者优先,如机械设计、控制、计算机视觉、人机交互等。
  • 博士申请者需满足相应入学要求;非博士岗位亦欢迎有潜力的优秀同学申请。

你将获得什么

  • 前沿交叉研究方向,面向真实机器人系统和长期学术价值。
  • 温和且细致的导师指导,每周有稳定的一对一讨论与研究交流机会。
  • 国际化研究环境与大湾区区位优势,便于连接学术与产业场景。
  • 博士生岗位提供有竞争力的奖学金,其他岗位亦有相应支持与待遇。

如何申请

正式申请流程已经迁移到在线申请系统。你也可以先通过邮件沟通研究兴趣与背景。

  1. 浏览开放岗位与研究方向。
  2. 准备个人简历、研究经历与相关材料。
  3. 在线提交正式申请,或先通过邮件咨询。
进入在线申请系统 发送邮件咨询