科大讯飞数字人才培养方案(2026)

具身智能领域（本科·星辰版）

李奎 编著

科大讯飞股份有限公司

二〇二六年八月

修订说明

目录

一、背景

二、产业人才培养规格

2.1 讯飞职业胜任力模型

2.2 讯飞职业胜任力模型的达成路径

三、产业人才培养特色

3.1 “三段式”培养模式

3.2 “项目工坊”教学模式

3.3 “体验式”职业素养培育

3.4 “智协式”AI+工具赋能

四、产业分析与人才需求

4.1 具身智能产业发展概况

4.2 产业链全景与人才需求

4.3 岗位需求与核心技能图谱

4.4 产业需求与课程对应体系

五、培养定位与目标

六、课程体系

6.1 通识教育课程

6.2 学科基础课程

6.3 专业核心课程

6.4 专业方向课程

6.5 专业选修课程

七、实践教学环节

八、教学进程安排

九、企业实习与毕业设计

十、课程与毕业要求对应关系

十一、主要就业岗位与行业应用场景

11.1 主要就业岗位

11.2 行业应用场景与课程支撑

十二、产教融合保障机制

十三、实验室建设方案

13.1 具身智能实验室综合方案

13.2 核心硬件产品说明

十四、适配本科专业目录

附录：核心课程教学大纲

一、背景

人才培养方案是学校落实党和国家关于人才培养总体要求，组织开展教学活动、安排教学任务的规范性文件，是实施人才培养和开展质量评价的基本依据。当前，我国以《关于深入实施”人工智能+“行动的意见》为核心指引，全力推动人工智能与经济社会各领域深度融合，明确提出”到2027年新一代智能终端、智能体等应用普及率超70%，2030年超90%，2035年，我国全面步入智能经济和智能社会发展新阶段，为基本实现社会主义现代化提供有力支撑”的核心目标，为智能体工程技术专业的建设提供了顶层政策支撑。

2025年《政府工作报告》首次将”具身智能”列入国家未来产业重点培育清单，标志着具身智能正式上升为国家战略层面的重点发展方向。工业和信息化部《人形机器人创新发展指导意见》首次以单独文件形式对人形机器人发展做出全面战略规划。教育部《高等学校人工智能创新行动计划》推进”新工科”建设，完善人工智能领域多主体协同育人机制。

其中，智能体技术与具身智能作为人工智能领域的关键技术，通过深度产教融合，重点突破动态场景智能感知、自主决策、智能操作与智能控制等关键技术瓶颈，实现”人机协同、跨界融合”智能经济形态的核心载体。智能体技术承担着”跨场景智能决策与协同”的核心功能，具身智能则聚焦”物理世界交互与自主执行”的落地能力，二者共同构成了”人工智能+产业”“人工智能+民生”“人工智能+治理”等重点行动的技术底座，成为破解”从技术创新到场景落地”关键瓶颈的核心抓手。因此，亟需通过本科专业建设培育专项人才，以支撑政策目标落地。

产业背景数据：

截至2024年底，全国智能机器人产业相关企业已达45.17万家，较2020年底增长206.73%，呈现爆发式增长态势。2025年前5个月，国内机器人产业招聘职位数同比增长6%，其中人形机器人领域招聘需求同比增长409%，求职人数同比增长396%，供需双增特征显著。投融资方面，截至2025年，我国具身智能和机器人领域投资事件达744起，融资总额735.43亿元人民币。据Grand View Research预测，到2030年，仅人形机器人、自动驾驶、无人机三大核心赛道的累计市场规模将达到3398.4亿美元，产业增长空间巨大。

二、产业人才培养规格

2.1 讯飞职业胜任力模型

科大讯飞在产教融合领域，提出校企合作培养的数字人才要求具备”职业发展所需要的底层能力+项目实践能力+AI应用能力”三个能力要素，即：讯飞职业胜任力模型2.0。

“一核”-底层能力：

是指在职业发展过程中所需要具备的职业素养。在数字化与智能化深度重塑职场生态的当下，“职业素养”已不再是传统意义上的软技能集合，而是进化为驱动人才价值实现跨越式跃升的核心动力引擎。基于对企业用人需求的深度调研，学习能力、创新思维能力、沟通表达能力以及积极主动的意识，是学生成功迈入职场并实现可持续发展的核心基石。

“两翼”-项目+：

是指围绕真实产业需求，以生产实践类项目为主要牵引，将企业项目运作流程、思维融入实践教学体系，提升学生的岗位专业技能和职业素养。

“两翼”-AI+：

大模型时代下，新技术、新工具、新方法层出不穷，AI与各个行业中的融合不断扩大、深入。了解、掌握AI技术（或工具）将有助于提高工作效率，优化工作流程，并使个人在竞争激烈的职场中脱颖而出。

2.2 讯飞职业胜任力模型的达成路径

科大讯飞依据多年办学经验总结出了讯飞人才培养实现战略2.0，以人才培养模式、教学模式、职业素养培育、AI+工具赋能、人才培养方案设计为抓手，建立讯飞特色人才培养体系，促进职业胜任力的达成。

三、产业人才培养特色

3.1 “三段式”培养模式

为实现专业紧密对接产业，教育内容与产业发展同步更新，培养符合产业需求的创新应用型人才，有效提高学生的分析、解决问题与实践动手能力，采用三段式培养模式，即”2.5+0.5+1（本科层次）“培养模式：

第一阶段，第1-5学期，为数理基础及专业核心基础课程培养。该阶段强化和拓宽数理基础，专业核心基础课程学习和应用，为学生后期专业学习打好扎实基础的同时，构建未来五年的职业发展路径。

第二阶段，第6学期，面向产业最新发展趋势和岗位能力要求，设计并开展专业方向课程学习，强化项目实践能力，拉近行业差距。该阶段学生从专业内涵能力建设进阶到产业技术能力培养。

第三阶段，第7-8学期，为企业实习与毕业设计阶段。学生需要至少入职企业实习6个月以上，初步建立职业发展规划，为后续高质量就业提供基础保障。

3.2 “项目工坊”教学模式

在经典的学习金字塔模型里，以学生参与为主的主动学习方式（如：学生实践、学生讲课、小组讨论等）的知识技能留存率最高。因此，在培养方案中的专业课程和项目实践环节，采用项目工坊教学模式，搭建一个多元化、实践性、互助合作和个性化发展的学习空间，引入真实项目案例，融入企业项目运作方式：

• 教学方式：从”知识传递”转变为”解决问题”
• 教学场景：从”传统课堂”转变为”多元化学习空间”
• 讲师角色：从”演讲者”转变为”导演”
• 学生角色：从”听众”变成”解决问题的人”

3.3 “体验式”职业素养培育

职业素养培育遵循类似”10000小时定律”的累积法则，需通过长期持续的刻意练习，才能内化为条件反射般的行为自觉。在设计教育方案时，将沟通表达、创新思维、团队协作及自主学习等核心职业素养要素，巧妙地融入”课前五分钟”以及常规竞赛和活动中。原则上，学生在实习之前必须完成4次”课前五分钟”活动和6次学科类/综合类竞赛。

3.4 “智协式”AI+工具赋能

以ChatGPT、DeepSeek等大模型为代表的通用人工智能（AGI）取得突破性进展，标志着AI技术进入能力泛化、门槛降低的新纪元。企业迫切需要能高效驾驭AI工具以显著提升开发效率（AI+编程）、优化流程（AI+办公）、激发内容创新（AI+创作）、加速知识获取与迭代（AI+学习）以及进行深度分析与战略思考（AI+认知）的复合型人才。系统性融入AI工具赋能，是高校重塑信息技术人才培养体系，使其适应并引领智能时代的必然选择。

四、产业分析与人才需求

4.1 具身智能产业发展概况

具身智能作为人工智能与物理实体深度融合的新兴领域，已成为全球科技竞争的前沿赛道。全球范围内，英伟达创始人黄仁勋明确指出”人工智能的下一个前沿是具身智能”，特斯拉、OpenAI、Figure AI等国际企业纷纷加码布局，国内智元、宇树、优必选等企业也在软硬件全栈领域实现了突破性进展。

当前具身智能产业整体处于发展早期，正从”科研试验”迈向”进厂入户”的商用落地初期，呈现三大核心特征：

① 融合创新加速：推动软硬融合、知行合一、虚实贯通，突破传统智能瓶颈；
② 产品形态多元：从单一功能机器人向”上天入海涉险”的多元化产品拓展，覆盖工业、家庭、商业、应急等多个场景；
③ 生态体系完善：逐步形成行业应用、产品服务、技术服务、基础设施四大板块的完整产业链。

4.2 产业链全景与人才需求

根据中国信通院《具身智能产业发展白皮书》的划分，具身智能产业链可分为四大核心板块：

（一）上游：基础设施层

核心环节：执行系统（关节电机、减速器、伺服驱动器）、传感系统（激光雷达、视觉传感器、力控传感器、IMU）、计算芯片（边缘AI芯片、异构计算芯片）、工具平台（仿真训练平台、数据标注平台、开发工具链）。人才需求特征：对硬件研发、精密制造、芯片设计人才需求旺盛，要求具备扎实的硬件设计、材料科学、微电子技术基础，是本科层次研发人才的核心就业方向之一。

（二）中游：产品服务层

核心产品形态：人形机器人（双足/轮足，企业占比32%）、移动机器人（四足、协作、AMR）、智能运载装备（无人车、无人机、无人船）。人才需求特征：需要大量的系统集成、软硬件开发人才，既要懂机械结构设计，也要懂算法与控制，是复合型人才的核心需求领域，本科层次侧重系统架构设计。

（三）中上游：技术服务层

核心技术方向：算法模型（具身基础大模型、世界模型、运动控制算法、感知融合算法，企业占比43%）、系统集成、数据服务。人才需求特征：高端人才最集中的领域，对算法研发、AI模型训练人才需求迫切，要求具备扎实的数学基础、深度学习、强化学习等技术能力，主要面向本科及以上学历的研发型人才。

（四）下游：行业应用层

核心应用场景：工业制造（人机协作、产线柔性改造、质检运维）、家庭服务（家政、养老、教育陪护）、商业服务（零售导购、酒店服务、物流配送）、应急特种（危险环境作业、抢险救援、巡检勘探）。人才需求特征：对应用型人才需求最大，需要大量能够完成现场部署、调试运维、技术支持的人才，同时也需要能够理解行业场景的解决方案人才。

4.3 岗位需求与核心技能图谱

基于《具身智能从业人员能力要求》与智联招聘人才报告，具身智能产业的岗位可分为五大职业方向：

4.4 产业需求与课程对应体系

基于岗位的技能要求，构建从技能到课程的对应体系，确保人才培养与产业需求精准匹配：

本方案课程体系对产业需求的覆盖情况：

经过对照分析，本培养方案的课程体系已基本覆盖产业分析报告中提出的核心技能需求：

• 感知层需求：由”传感器原理与数据采集”“机器视觉”“多模态大模型应用”等课程覆盖；
• 决策层需求：由”机器学习与深度学习”“神经网络与深度学习”“边缘计算与嵌入式AI部署”等课程覆盖；
• 控制层需求：由”电机驱动与运动控制”“高级运动规划与决策”“机器人学导论（运动学 / 动力学）”等课程覆盖；
• 系统层需求：由”ROS2 机器人系统”“单片机原理与应用（51/STM32）”“机器人系统与应用”等课程覆盖；
• 仿真与部署需求：由”机器人仿真与Sim2Real技术”“模型压缩与边缘部署”等课程覆盖。

同时，根据产业报告中对”世界模型”“具身大模型”“VLA模型”等前沿技术的需求，在专业选修课中增设了”大模型技术与应用”“SLAM技术基础”“数字孪生技术”等课程，以强化前沿技术覆盖。

五、培养定位与目标

培养定位：面向智能经济和智能社会发展需求，培养具备扎实的智能体工程技术理论基础、较强的工程实践能力和创新能力，掌握智能体系统设计、动态场景感知、自主决策与协同控制等核心技术，能够在人工智能、智能制造、智慧服务等领域从事智能体相关产品研发、系统集成、应用部署及运维管理等工作的高素质复合型本科人才。培养目标以“厚基础、强实践、重创新、懂应用”为核心，具体分为知识、能力、素养三个维度：知识维度要求学生系统掌握数学与自然科学基础知识、计算机科学与技术核心理论、智能体工程技术专业知识（包括智能感知、自主决策、人机交互、智能控制等）以及相关领域应用知识；能力维度强调学生具备智能体系统分析与设计能力、项目开发与实践能力、AI工具集成与应用能力、问题解决与创新能力以及团队协作与沟通能力；素养维度注重培养学生的工程伦理意识、终身学习习惯、社会责任感和国际视野，使其成为适应智能时代发展的“AI原住民”人才。课程体系构建遵循“底层基础+核心技术+应用实践+职业拓展”的逻辑框架，底层基础课程涵盖高等数学、线性代数、概率论与数理统计、大学物理、程序设计基础、数据结构与算法等，夯实学生的数理与计算机基础；核心技术课程聚焦智能体专业领域，包括人工智能导论、机器学习、深度学习、智能感知技术、自主决策原理、机器人学、智能控制技术、多智能体系统等，培养学生的核心技术能力；应用实践课程通过项目实训、专业实习、毕业设计等环节，结合“项目工坊”教学模式，提升学生解决实际问题的能力；职业拓展课程则融入沟通表达、团队管理、创新创业、AI伦理与安全等内容，全面提升学生的职业素养。同时，依据产业发展动态以及技术前沿趋势，定期对课程体系开展优化调整工作，确保教学内容与产业需求保持同步。

具身智能方向产业数字人才培养方案整体示意图如下：

岗位方向 × 第1–5学期前置课程泳道图（互动版）：

互动说明：顶部可切换方向①–④，高亮该岗位在第1–5学期的前置课程；底部卡片含机械臂运动控制方向简介。

培养目标以”厚基础、强实践、重创新、懂应用”为核心，具体分为知识、能力、素养三个维度：

知识维度：

要求学生系统掌握数学与自然科学基础知识、计算机科学与技术核心理论、智能体工程技术专业知识（包括智能感知、自主决策、人机交互、智能控制等）以及相关领域应用知识。

能力维度：

强调学生具备智能体系统分析与设计能力、项目开发与实践能力、AI工具集成与应用能力、问题解决与创新能力以及团队协作与沟通能力。

素养维度：

注重培养学生的工程伦理意识、终身学习习惯、社会责任感和国际视野，使其成为适应智能时代发展的”AI原住民”人才。

培养目标具体分解：

目标1（工程能力）：具备具身智能系统分析、设计与开发能力，能够运用人工智能、机器人学、控制理论等专业知识解决复杂工程问题。

目标2（创新能力）：具备创新意识和工程实践能力，能够在具身智能领域进行技术研究、产品开发和方案设计。

目标3（职业素养）：具备良好的工程伦理意识、社会责任感、团队协作精神和国际视野，能够在多学科背景下进行有效沟通与合作。

目标4（终身学习）：具有自主学习和终身学习的意识与能力，能够持续跟踪具身智能技术前沿发展。

六、课程体系

课程体系构建遵循”底层基础+核心技术+应用实践+职业拓展”的逻辑框架，围绕具身智能”感知—决策—执行”技术栈构建，涵盖AI基础算法、机器人系统、传感与控制三大模块。

6.1 通识教育课程

通识教育课程包括思想政治理论课、大学英语、大学体育、军事理论与训练、心理健康教育、创新创业基础、形势与政策、安全教育、职业生涯规划与就业指导等，约50学分。具体课程参照学校统一的通识教育课程方案执行。

6.2 学科基础课程

6.3 专业核心课程

专业核心课程围绕具身智能”感知—决策—执行”技术栈构建，涵盖AI基础算法、机器人系统、传感与控制三大模块：

6.4 专业方向课程（第6学期，选修一个方向）

方向一：嵌入式软硬件方向

方向二：嵌入式AI方向

方向三：机器人运动控制方向

方向四：机器人运维方向

6.5 专业选修课程（至少选修8学分）

七、实践教学环节

实践教学环节注重”做中学”，通过课程实验、课程设计、综合实训、企业实习、毕业设计等多层次实践，培养学生解决实际工程问题的能力。实践教学学分占总学分比例不低于30%，符合应用型本科人才培养要求。

八、教学进程安排

以下为各学期课程安排，课程之间存在明确的先修后续关系。每学期周学时控制在22-24学时（不含体育和实践环节），确保学生学习负担合理。

第一学期（约22学时）

第二学期（约22学时）

第三学期（约22学时）

第四学期（约22学时）

第五学期（约22学时）

第六学期（约20学时）

第七学期（约10学时）

第八学期（企业实习+毕业设计）

课程先修后续关系说明：

• C语言程序设计A（第1学期）→ Python程序设计A（第3学期）→ 数据结构与算法A（第4学期）

• 高等数学+线性代数+概率统计（第1-3学期）→ 机器学习/边缘计算与嵌入式AI部署/神经网络与深度学习（第5学期）

• 电工电子技术B（第3学期）→ 单片机原理与应用（51/STM32）（第4学期）→ 电机驱动与运动控制（第5学期）

• 大学物理A（第2-3学期）→ 机器人学导论（运动学 / 动力学）（第5学期）→ 高级运动规划与决策（方向课，第6学期）

• 机器学习（第5学期）→ 机器视觉/自然语言处理/多模态大模型应用（选修，第5-6学期）

• ROS2 机器人系统（第5学期）→ 机器人仿真与Sim2Real技术（方向课，第6学期）

• 传感器原理与数据采集（第5学期）→ 多模态大模型应用（选修，第6学期）

九、企业实习与毕业设计

9.1 企业实习

学生进入合作企业实习6个月以上，参与真实项目开发。企业实习是产教融合培养模式的核心环节，旨在让学生在真实产业环境中：

• 将课堂所学的理论知识应用于实际工程项目；
• 了解产业最新技术趋势和岗位能力要求；
• 培养团队协作、项目管理和职业沟通能力；
• 初步建立职业发展规划，为高质量就业提供保障。

实习期间实行校企双导师制度，企业导师负责技术指导和项目管理，校内导师负责学业指导和质量监控。

9.2 毕业设计

毕业设计选题紧密结合行业实际需求，由校企双导师联合指导。毕业设计要求学生综合运用所学知识，完成具有一定工程应用价值的设计或研究课题。毕业设计周期为14周，包括开题、中期检查、论文撰写和答辩等环节。

十、课程与毕业要求对应关系

核心课程与毕业要求对应关系矩阵（●表示强支撑，○表示弱支撑）：

十一、主要就业岗位与行业应用场景

11.1 主要就业岗位

本专业毕业生主要面向以下岗位：

核心能力与课程支撑：

• 感知能力：传感器原理与数据采集、机器视觉、多模态大模型应用等课程覆盖视觉/激光/IMU等感知技术栈
• 决策能力：机器学习、神经网络与深度学习、边缘计算与嵌入式AI部署等课程覆盖AI决策算法
• 控制能力：电机驱动与运动控制、高级运动规划与决策、机器人学导论（运动学 / 动力学）等课程覆盖运动控制全链路
• 系统能力：ROS2 机器人系统、嵌入式系统等课程覆盖系统集成能力
• 仿真能力：机器人仿真与Sim2Real技术（方向课）覆盖仿真平台开发能力
• 部署能力：模型压缩与边缘部署、边缘计算与嵌入式AI部署覆盖边缘推理部署能力

11.2 行业应用场景与课程支撑

本专业课程体系围绕具身智能典型行业应用场景构建，确保学生所学知识能够直接服务于实际产业需求：

（一）工业制造场景

以工业机器人为主，融合智能物联、自适应控制等技术，构建自动化生产线监控、智能物料搬运、精密装配及质量检测平台。支撑课程：机器人学导论（运动学 / 动力学）、电机驱动与运动控制、高级运动规划与决策、单片机原理与应用（51/STM32）、机器人仿真与Sim2Real技术。

（二）智能家居场景

以家庭服务机器人为核心，结合语音交互、视觉识别、自主导航等技术，构建安全监控、家务协助、健康管理等智能服务体系。支撑课程：机器人学导论（运动学 / 动力学）、ROS2 机器人系统、机器视觉、自然语言处理、多模态大模型应用、高级运动规划与决策。

（三）零售物流场景

以服务型机器人、无人车为核心，结合物联网、路径规划等技术，构建智能仓储、商品分拣、无人配送系统。支撑课程：机器人学导论（运动学 / 动力学）、ROS2 机器人系统、高级运动规划与决策、边缘计算与嵌入式AI部署、多模态大模型应用。

（四）应急特种场景

面向危险环境作业、抢险救援、巡检勘探等需求，解决人类无法涉足的场景需求。支撑课程：机器人学导论（运动学 / 动力学）、传感器原理与数据采集、高级运动规划与决策、单片机原理与应用（51/STM32）。

十二、产教融合保障机制

1. 校企合作机制

与行业领先企业建立深度合作关系，共建产业学院，联合开发课程体系，引入行业真实项目和案例。推行”订单班”等培养模式，让学生在校期间就能接触产业真实技术，提升人岗匹配度。

2. 师资队伍建设

实行”双师型”教师制度，聘请行业技术专家担任兼职教师，定期选派教师到企业挂职锻炼。组织原有教师参加具身智能领域的专项培训，引进一批具有产业经验的高端人才，打造一支既懂理论又懂实践的双师型教师队伍。

3. 课程资源建设

校企联合开发教材、实验指导书、项目案例库，确保教学内容与产业需求同步更新。依据产业发展动态以及技术前沿趋势，定期对课程体系开展优化调整工作，确保教学内容与产业需求保持同步。

4. 实习实训基地

建立稳定的校外实习基地，为学生提供不少于6个月的企业实习机会。建设具身智能仿真平台、机器人实训平台，引入真实的人形机器人、移动机器人等实训设备，让学生在实操中掌握核心技能。

5. 就业服务保障

依托行业资源，为学生提供就业指导、岗位推荐和职业发展规划服务。建立毕业生跟踪反馈机制，持续优化人才培养方案。

6. 职业素养培育

通过”课前五分钟”演讲、团队项目、技术沙龙等活动，系统培养学生沟通表达、团队协作、创新思维等核心职业素养。鼓励学生参加”挑战杯”、全国大学生智能汽车竞赛、中国机器人大赛等学科竞赛。

十三、实验室建设方案

为支撑具身智能方向人才培养的实践教学需求，科大讯飞聆智工程中心提供完善的实验室解决方案，涵盖从基础实操到行业应用的多层次实验环境。以下方案以40人/班为标准配置。

13.1 具身智能实验室综合方案

具身智能实验室以讯飞自研具身智能实验箱B2旗舰版和具身智能机器人小车C1为核心硬件载体，配套完整的实验资源与场景沙盘，构建从基础实操到行业应用的递进式实验环境。以下为满足50人/班教学需求的综合配置方案：

实验室综合配置清单（50人/班）：

合计金额：约232.5万元（以实际询价为准）

13.2 实验室适用专业

适配人工智能、机器人工程、电子信息工程、物联网工程，匹配部分智能科学与技术、智能制造工程、自动化等相关课程和岗位。

13.3 核心硬件产品说明

13.4 实验资源覆盖的课程对照

十四、适配本科专业目录

本培养方案主要适配以下本科专业，各合作院校可根据自身专业设置情况选择对接：

附录：核心课程教学大纲

课程名称：机器人学导论（运动学 / 动力学）

课程编号：NEW002 | 课程性质：专业核心课（必修） | 学分：3 | 学时：48（讲授40+实验8）

先修课程：高等数学、线性代数、大学物理、电工电子技术B

一、课程目标

Z1：掌握机器人运动学、动力学的基本理论和分析方法，能够建立机器人数学模型。

Z2：理解机器人的基本组成、分类和工作原理，具备机器人系统级认知能力。

Z3：能够运用所学知识进行简单机器人系统的设计与分析，培养工程实践能力。

二、教学内容与学时分配

三、考核方式：平时成绩30% + 实验成绩20% + 期末考试50%

四、推荐教材

《机器人学导论》（第4版），Craig J.J. 著，贠超 等译，机械工业出版社，2018。

《机器人学导论（运动学 / 动力学）》，蔡自兴 主编，机械工业出版社，2021。（应用型本科推荐）

课程名称：高级运动规划与决策

课程编号：NEW007 | 课程性质：专业核心课（必修） | 学分：3 | 学时：48（讲授32+实验16）

先修课程：机器人学导论（运动学 / 动力学）、边缘计算与嵌入式AI部署

一、课程目标

Z1：掌握路径搜索算法和轨迹优化方法，能够在已知和未知环境中进行运动规划。

Z2：理解机器人运动控制的基本原理，能够在实体机器人上实现运动控制算法。

Z3：具备在复杂动态环境中进行实时避障和多机器人协同规划的能力。

二、教学内容与学时分配

三、考核方式：平时成绩20% + 实验成绩30% + 期末考试50%

四、推荐教材

《Planning Algorithms》，LaValle S.M. 著，Cambridge University Press，2006。（经典参考）

《智能机器人SLAM与路径规划技术》陶重犇 等著，电子工业出版社，2024。（应用型本科推荐）

课程名称：单片机原理与应用（51/STM32）

课程编号：NEW001 | 课程性质：专业核心课（必修） | 学分：3 | 学时：56（讲授40+实验16）

先修课程：C语言程序设计A、电工电子技术B

一、课程目标

Z1：掌握嵌入式系统的基本架构和工作原理，理解ARM处理器体系结构。

Z2：能够使用C/C++进行嵌入式程序开发，掌握GPIO、ADC、UART、I2C、SPI等接口编程。

Z3：具备嵌入式系统综合设计能力，能够完成传感器数据采集和执行器控制等任务。

二、教学内容与学时分配

三、考核方式：平时成绩20% + 实验成绩30% + 期末考试50%

四、推荐教材

《STM32嵌入式微控制器快速上手》（第2版），张洋 主编，电子工业出版社，2021。

《ARM Cortex-M3嵌入式原理与实践——基于STM32F1》，朱华 等编著，电子工业出版社，2022。（应用型本科推荐）

《STM32F4开发指南——基于HAL库》，正点原子 编著，北京航空航天大学出版社，2023。（实验配套参考）

课程名称：ROS2 机器人系统

课程编号：NEW005 | 课程性质：专业核心课（必修） | 学分：3 | 学时：56（讲授32+实验24）

先修课程：C语言程序设计A、Python程序设计A（建议同期修Linux读操作系统）

一、课程目标

Z1：理解ROS2架构和核心概念，掌握节点、话题、服务、动作等通信机制。

Z2：能够使用ROS2创建功能包、编写传感器驱动和控制节点，实现机器人系统集成。

Z3：具备在ROS2框架下进行机器人应用开发的能力，能够完成导航、视觉等综合任务。

二、教学内容与学时分配

三、考核方式：平时成绩20% + 实验成绩40% + 期末考试40%

四、推荐教材

《ROS机器人开发》：ROS2编程，张新钰，赵虚左著。

《ROS2智能机器人开发实践》，刘锦涛 等编著，电子工业出版社，2023。（应用型本科推荐）

《Robot Operating System (ROS) for Absolute Beginners》，Lentin Joseph 著，Apress，2018。（英文参考）

课程名称：多模态大模型应用

课程编号：E005 | 课程性质：专业选修课 | 学分：2.5 | 学时：48（讲授32+实验16）

先修课程：机器学习、传感器原理与数据采集（建议同期修读机器视觉）

一、课程目标

Z1：理解多模态感知的基本原理，掌握视觉、激光雷达、IMU等传感器的数据特性。

Z2：掌握多传感器融合算法，能够实现多源信息融合。

Z3：了解视觉-语言-动作模型等前沿技术，具备具身推理的初步能力。

二、教学内容与学时分配

三、考核方式：平时成绩20% + 实验成绩30% + 期末考试50%

四、推荐教材

《多传感器融合理论与应用》，何友 等著，电子工业出版社，2021。

《机器人感知与融合》，戴琼海 等著，清华大学出版社，2022。（应用型本科推荐）

专业方向课程介绍

课程名称：传感器原理与数据采集

课程编号：NEW003 | 课程性质：专业核心课（必修） | 学分：2.5 | 学时：48（讲授32 + 实验16） | 开设学期：第5学期

先修课程：大学物理、电工电子技术B

一、课程目标

掌握（Master） 传感器的基本工作原理、性能指标与误差分析方法，能够对常见传感器进行静态与动态特性标定。

熟悉（Familiarize） 力/力矩、视觉、激光雷达、惯性等具身智能核心传感器的结构、原理与信号处理方法。

具备（Equip） 多传感器标定与数据预处理能力，能够完成手眼标定、外参标定及滤波降噪等工程实践。

培养（Cultivate） 面向具身智能应用场景的传感器选型、集成与系统级调试能力。

二、教学内容与学时分配

三、考核方式

四、推荐教材

《传感器与检测技术》（第4版），祝诗平 主编，机械工业出版社，2021。

《传感器原理与数据采集》，王化祥 等编著，天津大学出版社，2022。（应用型本科推荐）

课程名称：机器视觉

课程编号：E002 | 课程性质：专业选修课 | 学分：3 | 学时：48（讲授32 + 实验16） | 开设学期：第5学期

先修课程：机器学习、Python程序设计A

一、课程目标

掌握（Master） 图像处理基础理论与传统视觉特征提取方法，能够运用SIFT、ORB、HOG等算法完成视觉特征检测与匹配。

掌握（Master） 基于深度学习的目标检测与语义/实例分割方法，能够使用YOLO、Faster R-CNN等模型完成视觉感知任务。

具备（Equip） 三维视觉与视觉SLAM的基本能力，能够进行立体视觉重建、点云处理和位姿估计。

培养（Cultivate） 将机器视觉技术应用于具身智能场景（视觉伺服、抓取引导等）的综合实践能力。

二、教学内容与学时分配

三、考核方式

四、推荐教材

《OpenCV 4机器视觉项目实战》（第2版），Laganière R. 著，刘冰 译，人民邮电出版社，2021。

《机器视觉——算法与应用》（第2版），Szeliski R. 著，刘波 等译，清华大学出版社，2023。

《深度学习与目标检测》，裴伟 等编著，电子工业出版社，2023。（含YOLO系列与边缘部署，应用型本科推荐）

《边缘计算与嵌入式AI》，李明 编著，机械工业出版社，2023。（NPU部署参考）

课程名称：机器学习

课程编号：Z11021009 | 课程性质：专业核心课（必修） | 学分：3.5 | 学时：64（讲授48 + 实验16） | 开设学期：第5学期

先修课程：概率论与数理统计、线性代数、Python程序设计A

一、课程目标

掌握（Master） 机器学习的基本概念、理论框架与经典算法，包括回归、分类、聚类与降维方法。

具备（Equip） 模型选择、评估与调优能力，能够运用交叉验证、偏差-方差分析等方法选择合适的模型并优化性能。

掌握（Master） 强化学习的基本理论框架（MDP、策略梯度、Q-learning），理解其在序贯决策问题中的应用。

培养（Cultivate） 将机器学习方法应用于机器人感知、决策与控制等具身智能场景的综合能力。

二、教学内容与学时分配

三、考核方式

四、推荐教材

《机器学习》（西瓜书），周志华 著，清华大学出版社，2016。（经典教材）

《机器学习实战——基于Scikit-Learn、Keras和TensorFlow》（第2版），Géron A. 著，机械工业出版社，2023。（应用型本科推荐）

课程名称：边缘计算与嵌入式AI部署

课程编号：Z11021010 | 课程性质：专业核心课（必修） | 学分：3.5 | 学时：64（讲授48 + 实验16） | 开设学期：第5学期

先修课程：概率论与数理统计、信息与最优化算法

一、课程目标

掌握（Master） 最优化理论基础，包括凸优化、梯度下降及其变体，能够建立和求解典型优化问题。

掌握（Master） 进化计算、群智能优化与模糊计算等智能优化算法的原理与实现方法。

具备（Equip） 贝叶斯优化与自动机器学习（AutoML）等现代边缘计算与嵌入式AI部署技术，能够进行超参数搜索与模型自动调优。

培养（Cultivate） 将边缘计算与嵌入式AI部署方法应用于机器人路径规划、参数调优等具身智能工程问题的能力。

二、教学内容与学时分配

三、考核方式

四、推荐教材

《边缘计算与嵌入式AI部署方法》，张军 等编著，清华大学出版社，2021。

《最优化导论》（第4版），Edwin K.P. Chong 著，孙志强 等译，电子工业出版社，2020。（优化理论参考）

课程名称：神经网络与深度学习

课程编号：Z11021013 | 课程性质：专业核心课（必修） | 学分：4 | 学时：72（讲授56 + 实验16） | 开设学期：第5学期

先修课程：机器学习、线性代数

一、课程目标

掌握（Master） 神经网络的基本原理，包括前馈网络、反向传播算法与常用激活函数，能够从零实现简单神经网络。

掌握（Master） 卷积神经网络（CNN）、循环神经网络（RNN/LSTM/GRU）和Transformer等主流深度学习架构的原理与应用。

具备（Equip） 深度学习模型训练、优化与部署的工程能力，包括优化器选择、学习率调度、BatchNorm及模型压缩等技术。

培养（Cultivate） 将深度学习方法（含深度强化学习）应用于机器人感知与控制等具身智能任务的综合能力。

二、教学内容与学时分配

三、考核方式

四、推荐教材

《深度学习》（花书），Goodfellow I. 等著，赵申剑 等译，人民邮电出版社，2017。（经典参考）

《动手学深度学习》（PyTorch版），李沐 等著，人民邮电出版社，2023。（应用型本科推荐，含在线课程）

《神经网络与深度学习》，邱锡鹏 著，电子工业出版社，2022。（中文系统性教材）

课程名称：电机驱动与运动控制

课程编号：NEW004 | 课程性质：专业核心课（必修） | 学分：3 | 学时：56（讲授40 + 实验16） | 开设学期：第5学期

先修课程：电工电子技术B、单片机原理与应用（51/STM32）

一、课程目标

掌握（Master） 直流电机、步进电机、伺服电机和无刷直流电机（BLDC）的工作原理、数学模型与特性分析方法。

具备（Equip） 电机驱动电路设计能力，能够设计H桥驱动电路、实现PWM调速与编码器位置反馈系统。

掌握（Master） PID控制算法及其在位置环、速度环、电流环三环控制中的应用，了解FOC磁场定向控制基础。

培养（Cultivate） 机器人关节伺服系统设计与多关节协调运动控制的综合工程能力。

二、教学内容与学时分配

三、考核方式

四、推荐教材

《电机与拖动基础》（第4版），顾绳谷 主编，机械工业出版社，2019。

《机器人关节伺服驱动技术》，赵迪 等编著，机械工业出版社，2022。（应用型本科推荐）

课程名称：大模型技术与应用

课程编号：E010 | 课程性质：专业选修课 | 学分：2 | 学时：32（讲授16 + 实验16） | 开设学期：第6学期

先修课程：神经网络与深度学习

一、课程目标

掌握（Master） 大语言模型的核心架构与训练方法，包括Transformer深度解析、预训练与微调技术（SFT、LoRA、RLHF）。

具备（Equip） 大模型应用开发能力，包括提示工程、RAG检索增强生成、多模态大模型的使用与调优。

理解（Understand） 具身大模型（VLA）、世界模型等前沿概念，以及大模型在机器人任务规划中的应用范式。

培养（Cultivate） 大模型部署、推理优化与安全伦理意识，能够在具身智能系统中合理集成大模型能力。

二、教学内容与学时分配

三、考核方式

四、推荐教材

《大规模语言模型：从理论到实践》，张奇 等著，电子工业出版社，2024。（应用型本科推荐）

《动手做AI Agent》，黄佳 著，人民邮电出版社，2024。（Agent与具身智能结合参考）

课程名称：机器人仿真与Sim2Real技术

课程编号：DIR101 | 课程性质：专业方向课（必修） | 学分：3 | 学时：48（讲授24 + 实验24） | 开设学期：第6学期

先修课程：ROS2 机器人系统、机器人学导论（运动学 / 动力学）

一、课程目标

掌握（Master） 主流机器人仿真平台（Isaac Sim、Gazebo、MuJoCo、PyBullet）的使用方法，能够搭建完整的机器人仿真环境。

理解（Understand） 物理引擎的基本原理，包括刚体动力学、柔体仿真与接触力学建模。

具备（Equip） Sim2Real迁移的核心技术能力，包括领域随机化、系统辨识与模型自适应方法。

培养（Cultivate） 利用仿真环境进行强化学习训练、数字孪生构建与具身大模型仿真训练的综合实践能力。

二、教学内容与学时分配

三、考核方式

四、推荐教材

《Isaac Sim机器人仿真开发指南》，NVIDIA官方文档，2024。（官方参考）

《机器人仿真与数字孪生》，王伟 等编著，机械工业出版社，2023。（应用型本科推荐）

课程名称：具身智能数据工程

课程编号：E012 | 课程性质：专业选修课 | 学分：2 | 学时：32（讲授16 + 实验16） | 开设学期：第6学期

先修课程：Python程序设计A、机器学习

一、课程目标

理解（Understand） 具身智能数据的类型、特点与数据集标准，建立数据驱动机器人学习的基本认知框架。

掌握（Master） 机器人遥操作数据采集、仿真数据生成与数据增强的技术方法，能够构建高质量的机器人学习数据集。

具备（Equip） 数据标注（2D/3D/语义标注）、数据质量控制与数据治理的工程实践能力。

培养（Cultivate） 利用开源数据集与数据驱动方法支撑具身智能模型训练的综合能力。

二、教学内容与学时分配

三、考核方式

四、推荐教材

《数据工程基础》，韩家炜 等著，机械工业出版社，2022。（数据工程基础参考）

《机器学习数据集与标注实践》，陈丹琦 等编著，清华大学出版社，2023。（应用型本科推荐）