香港理工大学博士导师（Hung-lin Chi教授）

招生要求

香港理工大学博士招生以学术能力与科研潜力为核心评判标准，结合Chi教授研究团队的技术属性，具体要求如下：

· 学术背景：需持有建筑工程、土木工程、计算机科学、工程管理等相关专业的硕士学位；本科阶段成绩优异（GPA通常不低于3.0/4.0或同等水平），硕士阶段需具备独立开展科研的经历，如有相关领域论文发表或项目参与经历将优先考虑。

· 语言能力：非英语授课背景申请者需提供语言成绩证明，雅思（IELTS）总分不低于6.5且单项不低于6.0，或托福（TOEFL）网考不低于80分；若申请者硕士阶段课程以英语授课，可提交相关证明申请豁免。

· 材料准备：需提交个人陈述（重点说明科研兴趣与团队研究方向的契合点）、两封学术推荐信（推荐人需为熟悉申请者科研能力的教授或研究员）、硕士阶段成绩单、科研成果证明（论文、专利、项目报告等）及研究计划初稿。

· 其他优势：具备Python/C++编程基础、熟悉BIM相关软件（如Revit、Navisworks）、掌握机器学习框架（如TensorFlow、PyTorch）或有VR/AR技术应用经验者，在申请中将更具竞争力。

研究方向

Chi教授的研究始终围绕“建筑工程智能化”核心，结合计算机辅助工程技术与施工管理需求，形成四大特色方向，相关成果已发表于Automation in Construction、Advanced Engineering Informatics等领域顶刊：

1. 起重机作业优化与智能规划：作为团队重点研究方向，涵盖起重机路线重规划算法开发、多台塔式起重机布局自动生成系统（2025年专利相关成果）及老化塔式起重机起吊能力预测等。该方向以AI与数字孪生技术为支撑，解决施工中起重机调度效率低、安全风险高的痛点，Chi教授曾凭借“考虑起重机作业需求的自动运动规划”研究获澳大利亚研究委员会早期职业研究奖。

2. VR/AR技术在建筑领域的应用：包括基于VR环境的施工人员与设备操作员培训系统（融入精益管理理论）、AR增强型起重机远程操作界面开发等。团队近期成果已证实，沉浸式VR学习环境可显著提升建筑专业学生的技术接受度与知识迁移能力。

3. 建筑智能检测与监测技术：聚焦AI驱动的质量控制与安全管理，研究内容包括操作员疲劳检测AI模型、基于联邦学习的协同质量缺陷检测框架及BIM赋能的施工检查与基础设施监测系统。在钢结构、预制板等构件检测中，团队提出的概率遗传算法扫描规划方案，已实现全尺寸质量评估的工程应用。

4. BIM与无人机（UAV）技术融合应用：围绕BIM数据驱动的施工场地布局规划、无人机在铁路基础设施监测中的应用及小型无人机在建筑行业的监管框架构建开展研究。其中，无人机在建筑行业的应用综述文章（2023年发表于Automation in Construction）已获91次Scopus引用，成为该领域重要参考文献。

有想法

结合团队现有研究基础与建筑智能化发展趋势，以下三个创新研究方向兼具理论价值与工程可行性，符合Chi教授团队的科研定位：

· 数字孪生与强化学习融合的起重机动态调度系统：现有起重机规划多基于静态场景，而施工中天气、材料运输等动态因素常导致规划失效。本研究拟构建融合实时传感数据的起重机数字孪生模型，引入强化学习算法让系统在动态环境中自主调整调度策略，同时嵌入安全约束模块（如碰撞预警、负载限制）。该方向可衔接团队起重机规划与数字孪生研究基础，成果可直接应用于大型建筑项目现场。

· 基于联邦学习的跨项目BIM质量缺陷数据库构建与诊断：当前建筑质量检测多局限于单一项目数据，模型泛化能力不足。研究计划联合多个建筑企业，采用联邦学习框架实现多源BIM缺陷数据的协同训练——各企业在本地保留数据隐私，仅共享模型参数，最终构建覆盖混凝土、钢结构等多场景的通用缺陷诊断模型。此方向延续团队联邦学习研究成果，解决行业数据孤岛问题，契合工程实践需求。

· VR+生理传感的施工安全培训情景化设计与效果评估：团队现有VR培训系统侧重技术操作，对安全风险感知的训练不足。本研究拟在VR培训场景中融入高处坠落、机械伤害等典型安全事故情景，同步采集培训者心率、脑电等生理数据，分析不同情景设计对风险认知的影响，进而优化培训内容。研究可结合团队VR教育与传感技术优势，为建筑安全培训提供“技术+生理+认知”的多维度评估方法。

Hung-lin Chi教授团队科研资金充足，涵盖香港研究资助局优配研究金（ECS）、理工大学教学发展基金等，全奖博士将获得包括学费豁免及生活津贴（约每月1.8万港币）的资助。有意申请者可重点梳理自身与上述研究方向的契合点，提前邮件联系沟通研究计划细节。