今天聊的这位导师是新加坡国立大学（National University of Singapore）计算机科学系的 Prof. Harold Soh，主要做人机协作AI和可信赖机器人。他带的实验室叫 CLeAR Lab，全称 Collaborative, Learning, and Adaptive Robots。
说实话，我第一次认真看这个组的时候，最吸引我的不是论文列表，是毕业生去向。一个组的PhD毕业之后能去CMU做博后、能去AWS做Applied Scientist、能拿到WorldQuant的量化研究员offer，还有人直接拿到大学教职——这说明什么？说明这个组训练出来的人，工业界和学术界都认。
一、可信赖人机协作AI——这个方向到底值不值得押
如果你最近有关注AI领域的动向，应该会发现一个很明显的趋势：大模型的能力越来越强，但"能不能信"这个问题反而越来越突出。不管是自动驾驶、医疗AI还是工业机器人，所有落地场景都在问同一个问题——这个AI做的决策，人能不能放心？
Harold Soh的研究恰好就卡在这个位置上。他做的不是纯粹的算法，而是"人和AI/机器人之间怎么建立信任"。这个问题听起来有点软，但实际上非常硬核——涉及到概率建模、扩散模型、强化学习、分布外检测等一系列技术。
从资本和政策层面看，新加坡这两年对AI+机器人的投入力度非常大。NUS本身就有AI Singapore这个国家级平台，Harold Soh还担任了AI Singapore的AI Research Director。这意味着他不只是做学术，还在影响新加坡整个AI研究生态的方向。但这也是它的问题——做这个方向需要你既懂机器学习，又对机器人系统和人因工程有感觉，门槛不低。
二、从导师的项目布局看方向走势
看一个方向有没有前景，最直接的方法就是看这个方向的头部导师在做什么。Harold Soh最近两年的论文布局很有意思：
第一条线是扩散模型+机器人操控。2025年他在CoRL、ICRA、RA-L上连发了好几篇，做的是用扩散模型来做机器人的长期任务规划——比如让机器人学会做一整套复杂的操作，不只是单个动作。这个方向现在是机器人学习领域最火的赛道之一。
第二条线是可信赖机器学习。他在NeurIPS 2024上发的那篇用单个扩散模型做分布外检测的工作，思路非常巧妙。这个方向的意义在于：未来所有部署在真实环境中的AI系统，都需要"知道自己不知道什么"。
第三条线是社交导航机器人。Arena 5.0这个项目被RSS 2025接收，做的是在复杂人群环境中让机器人安全导航。这个方向直接对接服务机器人、仓储物流等场景。
如果是我来判断，我觉得这三条线的布局是非常聪明的。它们各自独立但底层技术互通，而且每一条都有很清晰的产业落地路径。
三、如果跟这个组，可以往哪些方向深挖
Idea 1：大语言模型+机器人信任校准。现在LLM在机器人领域的应用越来越多，但一个核心问题还没解决——人对LLM驱动的机器人到底该信任到什么程度？Harold Soh组在trust建模上有深厚积累（IJRR、HRI都有代表作），如果你能把信任校准和LLM-agent结合，这个方向能做2-3篇顶会。背景要求：需要对概率模型和NLP都有基础。
Idea 2：触觉感知+扩散模型的跨模态操控。CLeAR Lab之前做过触觉感知的工作（VLA-Touch，2025），把触觉信号引入视觉-语言-动作模型。如果在扩散模型的框架下深入做触觉引导的精细操控，这个方向在工业装配、手术机器人场景有非常大的应用空间。可行性很高，因为组里已经有硬件基础和数据积累。
Idea 3：可解释的分布外检测在安全关键系统中的部署。他们NeurIPS 2024的工作证明了单个扩散模型可以做OOD检测，但要部署到自动驾驶、医疗等安全关键场景，还需要可解释性。这个方向学术价值和产业价值都很高，但难度也不小，适合有较强数学背景的同学。
四、读完这个博士能走什么路
这个组毕业生的去向我仔细扒过，说实话质量相当不错：
路径一：顶校博后→教职。Yaqi Xie去了CMU做博后，之前Indu Prasad去了南安普顿大学拿到教职，还有一位去了SMU做助理教授。如果目标是学术界，这个组的学术网络够硬。
路径二：大厂AI科学家。Abdul Fatir Ansari毕业后去了AWS AI做Applied Scientist。这类岗位在新加坡起薪约SGD 8,000-12,000/月（约人民币42,000-63,000/月），涨幅快。
路径三：量化/金融科技。Alvin Heng去了WorldQuant做量化研究员。ML PhD转量化在新加坡非常常见，薪资天花板极高。
路径四：机器人创业公司。Kaiqi Chen和Tasbolat Taunyazov都去了Light Robotics。新加坡的机器人创业生态这两年发展很快，适合想做偏应用的同学。路径五：继续深造。有本科FYP学生去了牛津、密歇根、马克斯普朗克研究所读PhD。说明这个组的推荐信在国际上很有认可度。
五、钱的问题——奖学金、生活费、净收支
| 项目 | 金额 |
| NUS Research Scholarship（QE前） | SGD 2,700/月 |
| NUS Research Scholarship（QE后） | SGD 3,200/月 |
| President's Graduate Fellowship | SGD 3,400-4,300/月 |
| 学费 | 全额减免（最多4年） |
| 新加坡生活费（估算） | SGD 1,200-1,800/月 |
| 每月净剩余（Research Scholarship QE后） | 约SGD 1,400-2,000 |
我个人觉得，NUS的PhD奖学金在亚洲范围内算中上水平。SGD 3,200/月折合人民币约17,000，新加坡的租房成本确实比香港便宜一些，合租单间大概SGD 700-1,000。所以如果不太铺张，每个月能存下大几千人民币。比不上香港HKPFS那种天花板，但胜在稳定。
六、我的判断——什么人适合，什么人不适合
如果是我，我会推荐这个组给以下几类人：你对机器人+AI的交叉方向感兴趣，不只想做纯算法；你想毕业后工业界和学术界都有选择权；你希望导师在教学和指导上花时间（Harold Soh拿了好几年教学奖，这在NUS CS里不常见）。
但，我会劝以下这些人再想想：如果你只想做纯理论的机器学习研究，这个组偏应用了一些；如果你完全没有编程和数学基础，上手会比较吃力；如果你只看h-index来评价导师，这个组的数据不是最顶的——但我个人觉得，对于一个以质量和学生培养见长的组，h-index不是唯一的衡量标准。
有一点我没查到确切数据，就是Harold Soh具体的项目经费总额。但从他组里的规模（7-8个PhD+博后+RA）、与Rolls-Royce等企业的合作、以及AI Singapore的平台支持来推测，经费应该是比较充裕的。
