导师简介
如果你想申请曼彻斯特大学计算机的博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析曼大的Professor Cangelosi的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！
导师是曼彻斯特大学机器学习与机器人学教授，同时也是曼彻斯特机器人与人工智能中心的联合主任和创始人。作为一位杰出的学者，导师于2023年获得了欧洲研究委员会(ERC)高级项目资助。此外，导师还担任伦敦艾伦图灵研究所的图灵研究员，以及米兰天主教大学和河海大学的客座教授。在学术成果方面，导师已发表超过300篇科学文献。同时，导师还与本田、BAE系统和Jacobs等企业开展了多项合作研究项目。
研究领域
导师的教学和研究主要涵盖以下领域：
- 认知与发展机器人学
- 神经网络
- 语言基础
- 人机交互与信任
- 用于健康和社会护理的机器人伙伴
- 机器学习
- 人工智能
- 认知科学
研究分析
1."A Cognitive Robotics Implementation of Global Workspace Theory for Episodic Memory Interaction with Consciousness"
发表于：IEEE Transactions on Cognitive and Developmental Systems
这篇论文探讨了全局工作空间理论(Global Workspace Theory, GWT)在认知机器人中的实现，特别关注了情节记忆与意识的交互。研究提出了一种新的认知架构，将GWT与情节记忆系统相结合，旨在模拟人类意识和记忆的交互过程。这项研究对于推进人工通用智能(AGI)和机器意识的研究具有重要意义，为未来更复杂的认知机器人系统奠定了基础。
2."CASPER: Cognitive Architecture for Social Perception and Engagement in Robots"
发表于：International Journal of Social Robotics
这篇论文介绍了一种名为CASPER的新型认知架构，专门用于增强机器人的社交感知和互动能力。CASPER架构整合了多个认知模块，包括视觉处理、语音识别、情感识别等，以实现机器人与人类的自然交互。这项研究对于开发更智能、更具社交能力的服务型机器人具有重要意义，可应用于家庭、医疗、教育等多个领域。
3."Noise-Free Explanation for Driving Action Prediction"
发表于：27th European Conference on Artificial Intelligence (ECAI-2024)
这篇会议论文提出了一种新的方法，用于解释自动驾驶系统中的行为预测模型。研究采用了注意力机制和决策模型相结合的方法，旨在提供更清晰、更可解释的预测结果。这项工作对于提高自动驾驶系统的透明度和可信度具有重要意义，同时也为人工智能在安全关键领域的应用提供了新的思路。
4."Relationships Between Experience, Sleepiness, Height, Reported Task Load, and Performance Scores in Teleoperators for the JET"
发表于：IEEE Transactions on Plasma Science
这篇论文研究了远程操作员在控制JET（Joint European Torus，欧洲联合环形器）时的各种因素对任务表现的影响。研究考察了操作员的经验、睡眠状况、身高、主观任务负荷等因素与性能得分之间的关系。这项研究对于优化远程操作系统的人机界面设计、改善操作员的工作条件和提高操作效率具有重要的实践意义。
5."ToP-ToM: Trust-aware Robot Policy with Theory of Mind"
发表于：2024 IEEE International Conference on Robotics and Automation (ICRA)
这篇会议论文提出了一种名为ToP-ToM的新型机器人策略，结合了信任感知和心智理论（Theory of Mind）。该策略使机器人能够更好地理解和预测人类的行为和意图，从而在人机协作任务中做出更合适的决策。这项研究对于提高人机协作的效率和自然度具有重要意义，可应用于工业、医疗、服务等多个领域的协作机器人系统。
项目分析
1.eTALK: [eTALK] embodied Thought for Abstract Language Knowledge
这是一个由欧洲研究委员会(ERC)资助的高级项目，旨在研究抽象语言知识的具身认知过程。项目探讨了如何通过具身认知的方式来理解和生成抽象语言，这对于发展更自然、更智能的人机交互系统具有重要意义。研究成果可能对语言学、认知科学和人工智能等多个领域产生深远影响。
2.Joint Research Program on Assistive Robots using Theory of Mind
这个项目旨在开发具有心智理论（Theory of Mind）能力的辅助机器人。通过赋予机器人理解和预测人类意图的能力，项目旨在提高辅助机器人在日常生活中的实用性和适应性。这项研究对于改善老年人和残障人士的生活质量具有重要意义，同时也推动了认知机器人学和人机交互研究的发展。
3.TRAIL: [TRAIL] TRAnsparent InterpretabLe robots
TRAIL项目致力于开发透明和可解释的机器人系统。项目的目标是使机器人的决策过程更容易被人类理解和信任，这对于机器人在复杂环境中的应用至关重要。研究成果可能对提高人机协作的效率和安全性产生重要影响，同时也为人工智能系统的可解释性研究提供了新的思路。
研究想法
1. 多模态认知机器人学习系统：
- 设计一个整合视觉、听觉、触觉和语言的多模态学习系统，模拟人类婴儿的认知发展过程。
- 研究不同感官模态之间的协同作用，探索如何通过多模态信息融合来增强机器人的学习能力和环境适应性。
- 开发能够在复杂、动态环境中自主学习和适应的认知机器人系统。
2. 基于心智理论的社交机器人决策框架：
- 构建一个基于心智理论的决策框架，使社交机器人能够更好地理解和预测人类的意图、情感和行为。
- 研究如何将心智理论与强化学习相结合，以优化机器人在社交互动中的决策过程。
- 探索在不同文化背景下，心智理论模型的适应性和泛化能力。
3. 具身认知语言习得模型：
- 开发一个基于具身认知理论的语言习得模型，研究抽象概念如何通过身体经验和感知互动来形成。
- 探索如何通过物理交互和感知体验来增强机器人对语言的理解和生成能力。
- 设计实验来比较传统符号主义方法和具身认知方法在语言习得任务上的表现差异。
4. 透明可解释的机器人伦理决策系统：
- 开发一个能够解释其决策过程的机器人伦理推理系统，特别关注在医疗、教育等敏感领域的应用。
- 研究如何将伦理规则和价值观念融入机器人的决策过程，并使这些决策过程对人类用户透明可解释。
- 探索如何在保持决策效率的同时，提高机器人决策的可解释性和可信度。
5. 认知机器人的情感调节和社会学习模型：
- 设计一个模拟人类情感调节过程的计算模型，并将其应用于社交机器人。
- 研究情感调节如何影响机器人的决策过程和社交互动效果。
- 探索通过观察和模仿人类行为来增强机器人社会学习能力的方法。
申请建议
1. 强化跨学科背景：
- 深入学习认知科学、神经科学、语言学和心理学等相关领域的知识，建立跨学科思维。
- 参与跨学科研究项目或课程，培养综合运用多学科知识解决问题的能力。
- 在申请材料中突出展示你的跨学科背景及其如何与导师的研究方向契合。
2. 提升编程和实验技能：
- 精通Python、C++等编程语言，熟悉TensorFlow、PyTorch等深度学习框架。
- 学习ROS（机器人操作系统）并积累实际的机器人编程经验。
- 设计并完成一个小型的认知机器人项目，将其作为申请材料的亮点。
3. 深入研究导师的工作：
- 仔细阅读导师近期发表的论文，特别是关于CASPER架构和ToP-ToM策略的研究。
- 分析导师正在进行的项目，如eTALK和TRAIL，思考可能的研究方向和创新点。
- 在研究计划中提出与导师现有工作相关但又有创新的研究想法。
4. 积累相关研究经验：
- 争取参与认知机器人、人机交互或人工智能相关的研究项目。
- 尝试复现导师的一些研究工作，并思考可能的改进或扩展。
- 在申请材料中详细描述你的研究经历，突出你的问题分析能力和创新思维。
博士背景
Rudy：美本美硕计算机科学专业，目前在美国top10攻读CS博士学位。他的研究重点是深度学习和人工智能在医疗影像分析中的应用。在顶级学术期刊《IEEE Transactions on Medical Imaging》发表过论文，擅长RP写作指导。
【竞赛报名/项目咨询请加微信：mollywei007】
