CMU 具身智能风云榜：从传统到全面

他们成长于新与旧的碰撞，让机器人迈向了下一个台阶。

原标题：CMU 具身智能风云榜：从传统到全面
文章来源：AI科技评论
内容字数：29822字

卡内基梅隆大学机器人研究所：传统与学习的融合

本文讲述了卡内基梅隆大学机器人研究所(CMU RI)培养的机器人领域人才，如何在传统机器人学和学习方法的碰撞中，推动机器人技术发展的故事。

1. 传统机器人学的坚守与创新

CMU RI长期以传统机器人学见长，注重基于模型的方法。然而，随着人工智能的兴起，基于学习的方法（如强化学习）成为热点。一些CMU RI的学生选择拥抱新方法，例如前往OpenAI或特斯拉从事机器人基础模型和人形机器人研发；另一些则选择创业，将技术应用于工厂、物流等实际场景。但也有许多学生坚守传统机器人学，例如侯一凡，他专注于解决机器人操作中的难题，认为“行得通的技术”才是最先进的。他通过简化模型，设计鲁棒的控制和规划方法，取得了显著成果。杨硕则在足式机器人定位方面取得突破，他将约束LQR与SLAM中的图优化技术相结合，解决了领域内的挑战。邱迪聪则认为强化学习应与基于模型的方法结合，才能更好地适应复杂场景。

2. 学习方法的探索与突破

CMU RI也涌现出一批致力于学习方法研究的学者。林星宇在强化学习领域取得突破，他通过创建针对柔性物体的基准测试，推动了该领域的发展，并发现简单的搜索算法在处理柔性物体操作方面效果卓越。王小龙从计算机视觉领域切入，将语义先验知识融入强化学习框架，提升了机器人的导航能力。梁小丹和仉尚航则分别在机器人视觉语言导航和自动驾驶领域取得进展，并最终选择回国任教，继续推动具身智能领域的研究。

3. 系统性优势与产业化探索

CMU RI的优势在于其系统性的培养模式，学生不仅掌握算法，还了解机器人系统的全链条，这使得CMU毕业生更容易将技术落地。龚超慧和周佳骥是其中的代表，他们分别创立了宾通智能和星猿哲，将CMU RI的技术成果成功应用于工业和物流领域。罗瑞琨则在人机协作领域积累了丰富的经验，并加入了木牛机器人，专注于工业场景的落地。

4. 传统与学习的融合：迈向下一个台阶

最终，许多CMU RI毕业生发现，传统机器人学和学习方法的结合才是未来方向。杨硕在特斯拉的工作中，将传统机器人学的理解与深度学习方法相结合，取得了显著成果。侯一凡则在亚马逊和斯坦福的经历中，逐渐认识到学习方法和传统方法的互补性。邱迪聪也创立了雅可比机器人，将学习能力与实际应用相结合。林星宇则加入OpenAI，致力于研究机器人基础模型。

CMU RI培养的人才，展现了传统机器人学与学习方法融合的巨大潜力，他们正共同推动着机器人技术迈向下一个台阶。

联系作者

文章来源：AI科技评论
作者微信：
作者简介：雷峰网旗下AI新媒体。聚焦AI前沿研究，关注AI工程落地。