Carnegie Mellon University

关于

卡内基梅隆大学（CMU）是全球机器人与人工智能研究领域公认的顶尖学府，其研究涵盖自主导航、机器学习、人机交互、医疗机器人等多个前沿方向，深刻塑造了现代机器人学的理论框架与工程实践。 CMU在概率机器人学领域的贡献尤为卓著。2002年发表的《概率机器人学》被引逾8000次，奠定了移动机器人在不确定环境下感知与决策的理论基石。动态窗口避障算法、蒙特卡洛定位系列研究以及FastSLAM框架，共同构建了移动机器人自主导航的核心技术体系，相关论文引用量均超过1600次。与此同时，VoxNet三维卷积神经网络（3579次引用）和PoseCNN六自由度位姿估计研究（2088次引用），代表了CMU在三维感知与深度学习交叉领域的突破性进展。 在更广泛的智能系统领域，CMU同样成果斐然。关于机器人强化学习与示范学习的两项综述性研究合计被引超过6000次，成为该领域研究者的必读文献。Argoverse自动驾驶数据集的发布则为业界提供了重要的感知与预测研究基准。在新兴方向上，软体机器人与连续体医疗机器人的前沿探索，展现了CMU将工程创新与生物启发设计相融合的独特视野。 CMU机器人研究所（Robotics Institute）作为全球首个专业机器人研究机构，数十年来持续引领学科发展，吸引了无数顶尖学者与工程师。无论是希望深耕基础理论的科研人员，还是志在推动产业变革的工程实践者，CMU都提供了无与伦比的学术土壤与合作生态。

研究焦点

主要成就

代表论文

1. 1
   Probabilistic robotics

   8,006 次引用 · 2002
2. 2
   The dynamic window approach to collision avoidance

   3,622 次引用 · 1997
3. 3
   VoxNet: A 3D Convolutional Neural Network for real-time object recognition

   3,579 次引用 · 2015
4. 4
   A survey of robot learning from demonstration

   3,252 次引用 · 2008
5. 5
   A survey of socially interactive robots

   3,108 次引用 · 2003
6. 6
   Behavior-based formation control for multirobot teams

   3,095 次引用 · 1998
7. 7
   Reinforcement learning in robotics: A survey

   3,055 次引用 · 2013
8. 8
   Human Trust in Artificial Intelligence: Review of Empirical Research

   2,193 次引用 · 2020
9. 9
   Using occupancy grids for mobile robot perception and navigation

   2,173 次引用 · 1989
10. 10
    PoseCNN: A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes

    2,088 次引用 · 2018

教职员与研究人员

…