个人简介
倪诗尧
麦吉尔大学（McGill）& Mila 机械工程硕士在读，导师为
Audrey Sedal 教授。
现于 Aerial Technologies 担任嵌入式 AI 实习工程师。
研究方向围绕 具身智能展开 ——
既用 AI 加速硬件设计，也让 AI 跑在硬件之上。
关于我
我目前在 麦吉尔大学（McGill University）与 魁北克人工智能研究所（Mila）攻读 机械工程硕士学位，师从 Audrey Sedal 教授， 从事 具身智能 方向的研究 —— 包括面向软体抓手与刚性夹爪的 强化学习策略，以及 为软体机械手设计的 声学触觉传感器。我相信「机器人的身体本身就是它思维的一部分」： 形态与控制、感知与执行，理应协同设计。本科阶段，我的研究成果发表于 Autonomous Robots 期刊（关于协同优化软体爬行机器人的 sim-to-real 迁移）。那段经历让我深入理解了 计算式设计，也让我相信：物理设计中漫长的「试错循环」，可以被更聪明的方式所取代。
研究生之前，我曾在 Mila 担任机器学习咨询顾问，专注于 物理加速设计 —— 将扩散模型与 LLM 引导搜索同确定性物理仿真器耦合，替代盲目的 RL 形态搜索 （相对 RL 基线收敛速度提升 50%）。更早之前，我在 拓攻机器人（TopxGun） CTO 办公室开展农业机器人闭环控制的工作；本科期间则负责 「领域随机化下的爬行软体机器人协同优化」。眼下我在 Aerial Technologies 担任嵌入式 AI 实习工程师，把 AI 反向部署到硬件之上：在 ESP32-S3 上构建 实时火警检测、跌倒检测等设备端分类器，配合压电 / PVDF 信号调理。
主要工作
面向抓取与触觉的强化学习
硕士课题：仿真训练的 RL 策略经 ROS 部署于开源机械臂； 将声学触觉传感器集成到软体抓手上，实现接触与抓取状态感知。
面向软体机器人的物理加速设计
扩散模型与 LLM 引导搜索同确定性物理仿真器耦合 —— 用物理先验取代盲目的 RL 形态搜索，相对 RL 基线收敛速度提升 50%。
设计作品与个人项目
机械设计、嵌入式原型、以及软硬件方向的个人项目。 （内容仍以英文呈现，中文版稍后整理。）
已发表论文
Sim-to-real transfer of co-optimized soft robot crawlers （Autonomous Robots, 2023）—— 更多论文撰写中。
最新简历
PDF 格式：研究、项目、实习、课程与工具栈一览。