MeritPoint Academy · Research Lab
人工智能与机器人
科研实验室
面向 8–12 年级学生的长期科研成长平台，以个性化路线、真实项目和可验证成果，帮助学生建立扎实而持续的学术能力。
从兴趣出发，走向真实科研
我们不把科研培养简化为零散课时，而是围绕每位学生的基础、兴趣、时间投入与成长目标，贯通能力评估、技术训练、项目实施和成果表达。
个性化科研路线
根据年级、编程与数学基础、兴趣和长期目标制定清晰的阶段计划。
个人代表性项目
围绕有意义的问题完成数据获取、实验设计、系统实现、分析与迭代。
可验证科研档案
逐步形成项目网站、GitHub、技术报告、海报、视频或投稿材料。
由真实成果支撑的研究方向
这里展示的不是泛泛的选题标签。每个方向都连接到已完成实验、可复现材料、公开数据研究，或明确标注为“当前研发”的项目。
已完成证据
面向巡检机器人的 LiDAR 变化检测
0.84 米移位测得误差 15 毫米；正确识别缺失设施，注册阈值下无误报
固定随机种子的 CARLA 巡检比较前后两次扫描，识别移位或缺失设施，同时如实报告仅凭质心未能识别倾倒设施的失败案例。
当前研发
主动感知与 Active SLAM
现有原型：实时摄像头 → YOLO → 多客户端网页流水线；Active SLAM 闭环是下一验证阶段
当前路线加入移动设备 Camera/IMU、Visual Odometry、不确定度估计、Next-Best-View 运动建议和主动回环；页面明确将其标为研发中，而非已完成的 SLAM 成果。
六阶段科研成长路径
1
能力评估
了解学生基础、研究兴趣、可投入时间和成长目标。
2
个性化规划
制定 6 个月至 3 年的路线并明确阶段成果。
3
技术训练
围绕项目学习编程、数据、AI、视觉或机器人基础。
4
项目实施
完成数据、实验、模型、结果分析及多轮迭代。
5
成果表达
形成作品集、报告、海报、演示视频或规范论文材料。
6
持续成长
通过阶段报告和复盘规划下一阶段发展。
一分钟了解我们的研究方式
这是一个真实案例：从公开证据出发，区分事实与推论，定义候选机器人任务，并明确下一步需要验证什么。
学生可以形成的成果
- 项目网站或 GitHub 作品集
- 技术报告、研究海报或演示视频
- Extended abstract 或完整研究论文
- 学术会议、期刊或科创比赛投稿材料
- 大学申请中的准确项目描述、活动材料与面试内容
我们的原则：坚持真实研究与规范表达。实验室提供专业辅导和约定的培养支持，但不承诺论文录用、比赛获奖或特定学校录取。