有些研究计划读起来特别像一份行业愿景：发展智能机器人、提高自主性、增强复杂环境适应能力。这些想法都可以成立，但如果放进博士 RP 的第一段，导师可能还不知道申请者准备从哪一个问题开始研究。
最近读澳大利亚国立大学 Robert Mahony 教授的研究，我觉得特别适合用来说明，研究计划里的“问题”与“口号”究竟差在哪里。他在 ANU 工程学院研究非线性控制、机器人视觉与几何方法，学校研究门户列有他参与的时空事件处理项目。那些看起来复杂的名词背后，其实有一个很具体的困难：机器人怎样知道自己的状态正在如何变化？
想象一架移动的无人机，摄像头不断看到环境，惯性传感器也不断报告运动。机器人不能仅凭某一张画面就确认自身姿态，因为画面可能模糊、视角会改变，传感器也会有噪声。而事件相机不同于按固定频率输出整张图像的传统相机，它主要记录像素亮度变化的事件，带来另一类时空信息处理问题。
Mahony 教授公开的研究简介谈到姿态估计中的非线性滤波、视觉状态估计及事件相机数据的异步处理。这是我最希望申请者在 RP 里认真消化的部分：研究对象不是笼统的“机器人智能”，而是运动状态怎样由有限、带噪声或异步到达的观测推算出来。
假设原稿写的是：“我希望结合人工智能与先进传感器，开发高精度的自主机器人系统，以提升复杂场景中的稳定性。”这里的毛病不是表达不够正式，而是“高精度”和“稳定性”都没有可检验含义。究竟测量位置、姿态，还是路径偏差？出现问题时，是动态光照、传感器延迟，还是快速旋转？
如果申请者做过视觉惯性里程计或状态估计，我们可以先把这句改成：“我希望比较在快速旋转与非同步视觉观测条件下，不同状态估计方法的姿态误差及延迟表现，并分析传感器噪声对结果的影响。”新的表达没有承诺研究一定成功，却明确了观测条件、研究对象和初步评价指标。
接下来不能就此宣布 RP 写好了。还要问：为什么选择这个场景？现有方法在哪些条件下表现不足？数据从哪里来？对照方法怎么选？是否有能力在基础平台上复现已有算法？没有这几个环节，新句子也可能只是一段好看的模拟论文摘要。
另一个容易忽略的地方是研究归属。Mahony 教授的经历跨机器人控制、视觉和事件数据，申请者不能把同学院任何最新的无人机论文都当作他的成果。在材料里引用研究时，最好挑他本人署名或学校明确列为负责人、参与者的工作，再解释自己为什么从其中某个局部问题得到启发。
对真正做过控制系统的申请者，我会再看数学建模与系统稳定性方面的训练；对主要做图像识别的人，则需要检查他是否理解坐标变换、状态空间和传感器误差，而不仅是会训练视觉网络。这些都不是靠一段漂亮的自述能够弥补的。
一份有说服力的研究计划并不一定要提出比导师现有研究更宏大的主题。更有价值的起点，往往是找到一个研究中真实存在的小困难，说明它为什么重要，知道如何衡量，并诚实呈现自己现阶段有能力做到什么。
所以改 RP 时，我习惯先把“智能化”“前沿”“下一代”这些形容词暂时删掉。删完以后，如果还剩一个明确的研究对象、条件、比较和可行的第一步，那就有继续写下去的基础。否则，最需要做的也许不是润色，而是再读一篇论文，再做一次小规模复现。
