新加坡国立大学暑期学校
交流总结报告

Robotics and Deep Learning · 研学项目总结

一、项目概况与课程选择

2026年暑期，我有幸参加了新加坡国立大学计算机学院举办的暑期工作坊。NUS在2026年QS世界大学排名中位列亚洲第1、全球第8，其计算机学院在2025年QS学科排名中位列全球第4。本次工作坊是NUS计算机学院举办的第八届旗舰项目，面向计算机科学、软件工程、人工智能、数据科学、电子信息等相关专业的本科生开放。

我选择的课程方向为“Robotics and Deep Learning”。该工作坊设置机器人与深度学习两个并行轨道：机器人轨道侧重电路设计、传感器与执行器连接，以及微控制器编程；深度学习轨道则侧重运用统计方法与深度神经网络分析传感器数据，完成预测与决策。两个轨道还共同学习数据流传输、后端服务器搭建与编程，以及将决策结果回传并驱动执行器完成动作。我在团队中主要负责深度学习部分的学习与实现。

二、课程学习：从理论到工程

课程前半段以高强度理论教学为主。教授们从深度学习的基础框架入手，系统讲授了卷积神经网络的核心原理、YOLO系列目标检测算法的网络结构与训练策略，以及强化学习的基本范式。课程紧密结合真实工程问题，重点讨论如何在计算资源受限的边缘设备上高效部署模型，并在保证精度的前提下实现推理加速与模型轻量化。

教授特别强调了模型剪枝、量化训练等优化技术在嵌入式平台上的应用价值，使我进一步认识到学术研究与工业落地之间的紧密联系。课堂采用全英文授课，教授讲解逻辑清晰、深入浅出，助教团队也在课后提供了充分的答疑与辅导。每次课后作业都要求在限定时间内完成模型搭建、训练与评估的全流程实践，这种高强度、高密度的训练显著提升了我的工程实现能力。

“Robotics and Deep Learning”课程方向的突出特色在于跨学科融合：学习者既要理解算法的数学原理，也要掌握硬件系统的运行逻辑。通过课程学习，我不仅接触了深度学习的前沿方法，也了解了机器人系统中的传感器数据采集与传输、微控制器编程以及实时决策流程。这种“算法+硬件+系统”的知识架构，让我对人工智能赋能物理世界的方式有了更加立体而深入的理解。

三、项目实践：智能购物小车

课程后半段进入项目实践阶段。我们小组的任务是打造一款“智能购物小车”——在模拟超市环境中，小车需要实现自主巡航、视觉识别并跟随特定用户，同时准确检测并抓取货架上的商品。这一课题深度融合了深度学习与机器人技术，也对一个月所学知识进行了系统检验。

项目实施过程中，我负责的深度学习模块首先面临的挑战，是如何在计算资源有限的嵌入式平台上实时运行高精度目标检测模型。由于平台算力不足以直接部署标准YOLO模型，团队开展了大量优化实验，包括模型剪枝、量化训练以及推理引擎的对比与切换。最令人难忘的是，我们首次将优化后的模型部署到小车上，实现稳定、低延迟的实时画面传输与目标检测时，整个团队都为之振奋。

此外，我还参与了数据集构建与标注、训练策略调整以及推理管线搭建，并与负责机器人轨道的队友密切协作，确保深度学习模块的输出能够顺畅传递至导航与控制模块。反复调试和协同联调的过程，使我更加深刻地理解了完整智能系统中各模块之间的依赖关系。

图1 智能购物小车成品展示（左：硬件与视觉模块；右：完整外观）

四、最终展示与项目成果

在最终实物演示环节，我们的小车流畅完成了“用户跟随—自主避障—商品识别—目标抓取”的全链路任务。尽管现场出现了因环境光线变化导致的短暂识别抖动，团队仍沉着应对、迅速调整，最终圆满完成全部演示。这份凝聚团队智慧与汗水的作品从众多优秀项目中脱颖而出，获得第三名。当颁奖嘉宾念出我们小组名字的那一刻，所有辛苦与付出都化为了自豪与感动。

图2 小组进行最终评比展示

五、跨文化交流与国际视野

新加坡国立大学暑期工作坊汇聚了来自世界各地的优秀学子。在全英文授课与小组协作环境中，我积极与不同国家、不同文化背景的同学深入交流。项目实践期间，我们围绕模型轻量化、边缘部署、传感器数据融合等技术难题开展了多轮讨论与头脑风暴，彼此分享学习经验与技术见解。每周我们还会定期向教授和助教汇报项目进展，接受指导与反馈。这种开放、包容而高强度的学术交流氛围，让我深刻体会到“三人行，必有我师”的真谛。

新加坡多元文化交融的城市环境同样给我留下了深刻印象。在紧张学习之余，我漫步滨海湾花园，感受科技与自然的和谐共生；穿梭于牛车水与小印度，体会不同文明之间的包容与尊重。NUS浓厚的学术氛围、完善的科研设施，以及教职员工与学生志愿者的热情专业，让我切身感受到世界一流大学的独特魅力。这些经历拓宽了我的国际视野，也加深了我对多元文化背景下团队协作的理解。

六、总结与展望

回顾这一个月的新加坡国立大学暑期学校之旅，我的收获远不止一张成绩单或一份获奖证书。在专业知识方面，我系统掌握了深度学习从模型训练、优化到边缘部署的全链路技能，成功将优化后的目标检测模型部署于嵌入式平台，实现了智能购物小车的稳定视觉跟随与商品识别。在算法调优、模型轻量化与实时推理等方面积累的实战经验，使我的深度学习工程实践能力得到显著提升。

在综合能力方面，全英文授课与交流环境提升了我的英语学术表达能力；高强度团队项目锻炼了我的沟通协调能力与项目管理意识；面对技术难题时的反复调试与优化，则磨砺了我的抗压能力与解决问题的韧性。与世界各地的优秀学子同台竞技、与NUS教授和助教深入交流，也让我对人工智能与机器人技术的发展前沿有了更加清晰的认识。

我更加深刻地体会到，优秀的工程师不仅需要扎实的技术功底，也需要开放的心态、良好的沟通能力与广阔的国际视野。“智能购物小车”项目虽已告一段落，却在我心中播下了一颗持续探索人工智能与机器人技术的种子。深度学习与机器人的深度融合是未来科技发展的重要方向，而我也有幸走在这条充满可能的道路上。

感谢新加坡国立大学提供的宝贵平台，感谢悉心指导的教授与助教团队，也感谢并肩作战的队友们。这个夏天，狮城的阳光不仅照亮了我的学术之路，也点燃了我持续探索、智行未来的热情。我将带着这份沉甸甸的收获，在人工智能与机器人技术的征途上行稳致远、进而有为。