卡內(nèi)基梅隆大學（CMU）位于美國匹茲堡，這座昔日工業(yè)重鎮(zhèn)如今因CMU的機器人研究所（RI）而聞名。RI成立于1979年，是世界上第一個致力于機器人研究的大學級研究所，四十多年來，它見證了無數(shù)機器人技術(shù)的突破。

在人工智能（AI）和仿真技術(shù)引領(lǐng)新時代的今天，CMU的機器人學研究者們面臨著新的挑戰(zhàn)：如何在保持傳統(tǒng)機器人學優(yōu)勢的同時，跟上具身智能的熱潮？答案是肯定的，他們中的一些人加入了前沿企業(yè)，如OpenAI和特斯拉，研究機器人基礎(chǔ)模型和人形機器人；有的人選擇了創(chuàng)業(yè)，如賓通智能、星猿哲等，將技術(shù)應(yīng)用于工廠、物流和商超場景；還有的人選擇進入高校，如北大、中大等，繼續(xù)具身智能的研究。

侯一凡，這位曾在清華自動化系就讀的博士，2015年來到CMU，師從機器人操作先驅(qū)Matthew T. Mason。他的研究聚焦于手內(nèi)操作和機器人手部操作能力，通過簡化手指自由度，設(shè)計了兩指結(jié)構(gòu)，并廣泛采用“外部靈巧度”概念，使機器人能夠通過與環(huán)境互動彌補手部自由度的不足。侯一凡的研究表明，簡單模型結(jié)合魯棒的控制和規(guī)劃方法，能夠在實際應(yīng)用中取得顯著效果。

與此同時，另一位CMU的研究者楊碩，前大疆技術(shù)總監(jiān)，在2018年來到CMU，研究足式機器人的長距離定位。他意識到，傳統(tǒng)的基于模型的方法并不等同于過時，而是與基于學習的方法并行發(fā)展，各有側(cè)重。楊碩的研究從六足機器人開始，逐漸深入到足式機器人的建模、狀態(tài)估計、底層控制和軌跡規(guī)劃，最終實現(xiàn)了對復(fù)雜任務(wù)的有效解決。

林星宇，從北京大學信息科學系畢業(yè)后進入CMU讀博，他的研究從三維視覺轉(zhuǎn)向機器人與強化學習的交叉領(lǐng)域。林星宇開發(fā)了一種新算法，通過增加探索獎勵，使強化學習智能體能夠快速適應(yīng)新環(huán)境。他的研究逐漸聚焦于構(gòu)建柔性物體的世界模型，通過圖神經(jīng)網(wǎng)絡(luò)模擬粒子間的相互作用和動態(tài)，為機器人完成復(fù)雜任務(wù)提供了可能。

除了這些專注于機器人操作和控制的研究者，CMU還有一批從視覺切入具身智能的研究者，如王小龍、梁小丹和仉尚航。王小龍在CMU讀博期間，通過融合語義先驗知識到深度強化學習框架中，提升了機器人在新場景中導航至目標物體的性能和泛化能力。梁小丹則專注于機器人視覺語言導航，將分割算法應(yīng)用于機器人交互中。仉尚航則通過領(lǐng)域自適應(yīng)和有限樣本學習的方法，研究了自動駕駛的泛化視覺感知。

龔超慧，CMU RI的博士，她的研究聚焦于高維度數(shù)學空間的規(guī)劃問題，通過降低機器人的維度，在更低維的空間中快速進行計算，并利用這一理論框架研究生物和機器人的運動。龔超慧在博士后期開始關(guān)注廣義機器人的規(guī)劃與任務(wù)分配軟件，認為AI和Robotics技術(shù)將在制造業(yè)中有廣泛應(yīng)用的機會。

在產(chǎn)業(yè)界，CMU的學子們也展現(xiàn)了他們的實力。楊碩在特斯拉參與人形機器人Optimus的研發(fā)，通過深度學習和AI的方法，解決了機器人控制中的關(guān)鍵問題。侯一凡則在亞馬遜機器人部門研究物流場景中的儲存任務(wù)，通過柔性控制和運動規(guī)劃設(shè)計，提高了自動化存儲的效率。

CMU的機器人學研究者們，無論是在學術(shù)界還是產(chǎn)業(yè)界，都展現(xiàn)出了他們的創(chuàng)新和實力。他們不僅保持了傳統(tǒng)機器人學的優(yōu)勢，還積極擁抱新的技術(shù)趨勢，為機器人技術(shù)的發(fā)展貢獻了自己的力量。