要是有人告诉你，有个研究生专业，天天琢磨怎么在烂泥地里拔草、在草莓丛里摘果子，你八成觉得：这不就是农业机械化吗？有啥好学的。
先别急着划走。
就是这样一个看似“土味”的野外环境，在国际AI和机器人学界是公认最难的感知场景。因为野外环境没有标准的道路格局、没有高精地图指引，到处是泥巴、野草、晃眼的阳光，轮胎动不动就打滑。
但反过来想：如果一台机器的“眼睛”和“脑子”，能在这种乱七八糟的地方稳稳当当干活、自己做决定，那你把这副脑子和眼睛塞进车里，就是一套顶级的自动驾驶方案；把它放进人形机器人里，就是下一代智能体雏形。
这就是被无数人低估的——概率机器人与环境感知。
要学习这个方向的技术和应用，波恩大学有一个包容性极强、对泛工科背景极其友好的硕士专业——移动机器人。
今天，我们就来讲讲这个专业。
移动机器人
波恩大学没有传统意义上的工程学院，该专业由计算机科学研究所和大地测量与地理信息学系联合开设。
这个专业具有很强的研究导向，主要学习的是构建智能机器人的基础技能，让这些机器人能够理解并模拟其周围环境，自主导航，并做出明智的决策。
重点的课程内容是概率与机器学习技术的运用，使移动机器人能够在复杂的环境中可靠地运行，解决感知、状态估计建模、动作生成、规划、操作以及交互等问题。
说到概率，就不得不提波恩大学在概率机器人领域的历史。
上世纪90年代，由Sebastian Thrun、Wolfram Burgard 和 Dieter Fox等学者在波恩大学共同奠定的“概率机器人”技术，彻底颠覆了现代人工智能的发展轨迹。
值得一提的是，Sebastian Thrun博士也是谷歌X实验室的创始人之一，并曾负责谷歌无人驾驶汽车项目。
概率机器人技术最大的贡献在于打破了以往机器人对绝对精确几何模型的依赖，转而用概率论来应对现实世界中的不确定性。通过引入贝叶斯滤波器等统计学框架，机器人第一次学会了“接受”传感器的误差，并在此基础上实现了边走边画地图的自主导航。
波恩大学的这一学术遗产并没有止步于传统统计学，而是与深度学习深度融合，演变成现代AI的核心基础设施。
从2024年起，波恩大学组建了机器人中心，将智能自主系统、人形机器人、计算视觉、地理测绘、机器感知与学习、农业机器人等多个研究团队整合到同一平台中，并共同参与卓越集群计划PhenoRob——用于可持续作物生产的机器人和表型分析项目的研究。
移动机器人硕士专业就是在这样的背景下诞生的。虽然这个专业会比较侧重于移动机器人在农业领域的应用研究，但他的底层知识技能几乎都是围绕着概率机器人这一技术框架在学习，并融入了现代AI算法的学习，具有极强的知识可迁移能力。
比如说，轨迹估计这门课就是专门学习卡尔曼滤波、扩展卡尔曼滤波以及图优化这些概率机器人理论的底层数学公式。
机器人建图这门课就是学习机器人如何一边走，一边用概率算法来绘制周边环境地图、做实时定位的底层技术。这就是智能驾驶中重要的SLAM技术。
另一项概率机器人的技术底座——传感器融合，也可以通过计算机视觉和移动机器人导论两门课程进行学习。这一项技术也是当今智能驾驶和机器人行业最火的视觉-雷达融合感知的基础。
而路径规划和深度学习预测能力在传统概率机器人学中采用部分可观测马尔科夫决策和主动感知方法，目前已经全面被机器学习和深度强化学习所取代，而波恩的移动机器人专业也有专门的一门核心课学习如何使用现代AI算法，预测周围物理的于东轨迹，做出最优的行为规划。
可以说，这个专业其实就是在农业应用场景下学习智能驾驶的技术底座。
-谁适合申请-
申请要求和适合的方向
要申请德国工科类的硕士，在TU9大学中通常有比较严格的匹配度要求。之所以说“严格”，是因为这些大学列出来的最低专业课学分总数很高，占到接近一半的总学分数，并且罗列的专业课类别也比较广泛。
不过，非TU9的大学，虽然也会对具体的专业课学分和具体科目有一定要求，但这些要求会更加容易达到，因为学分数量和必修要求的科目更少一些。
而像是移动机器人这样具备很强的跨学科属性的专业，可接纳的本科专业背景就更宽泛了。
从他的学分要求来看，具有数学、计算机、电气工程、物理和大地测量专业背景的学生都有机会申请这个专业。
如果你去传统强校学电动汽车或机电，你学的是“如何造一辆好车”。但在今天，汽车的机械和底盘已经极度成熟且内卷，未来车企的胜负手在“智能”。
其实这个专业的核心课程和热度很高的慕尼黑工大机器人学，认知，智能硕士专业非常接近，都涵盖了计算机视觉、机器人学和机器学习这三大核心。
但如果你仔细对比两者的必修课结构、专业方向划分以及选课的自由度，你会发现这两所学校的培养哲学有着非常显著的“学术专精”与“大工业交叉”的区别。
▲ TUM RCI 的专业学习范围
什么意思呢？
波恩的这个移动机器人专业就极度聚焦“移动感知”： 从第一学期开始，它的必修课几乎全是为了让机器人“看懂空间、定位自己、安全移动”而服务的。重点在于“感知”，相当于研究机器人的“大脑和眼睛”。
而TUM的RCI却强调的是人机协作、软硬件协同设计，重点在于研究机器人的“大脑和小脑的协调”。
当然了，除了学习内容侧重点的差异，匹配度要求、竞争激烈度、学费水平这几个要素也是
大家在申请选择的时候需要考虑的问题。
总的来说，波恩这个新专业对于未来想要进入智能驾驶领域的同学来说是个非常不错的选择。这两年不少TU9大学也开设了类似TUM的RCI的机器人+智能的专业。老师后续也将为大家一一介绍。
