CMU 具身智能风云榜：从传统到全面
CMU 具身智能风云榜：从传统到全面
卡内基梅隆大学（CMU）机器人研究所（RI）成立于1979年，是世界上第一个致力于机器人研究的大学级研究所。这座机器人摇篮在 45 年间诞生了无数耀眼成就，特别是在传统机器人学与基于学习方法的结合方面。
坚守「传统」Robotics
侯一凡：从清华到CMU
侯一凡从清华自动化系毕业后，来到CMU成为了机器人操作（Manipulation）先驱Matthew T. Mason的学生。他擅长运动控制和步态规划，在CMU深入探索机器人系统后，逐渐将研究重点转向手部的操作能力。
研究思路：
- 选择简单模型并设计鲁棒的控制和规划方法
- 利用“外部灵巧度”概念，通过与环境互动来弥补手部自由度的不足
- 专注于规划和控制，特别是在多接触点操作中的稳定性
研究成果：
- 发表的论文让机器人能够规划并稳定执行一系列接触模式变化复杂的动作
- 这些动作能够在模型并不准确的情况下做到稳定多次重复
杨硕：从大疆到CMU
杨硕在大疆深入研究了深度神经网络和强化学习后，于2018年来到CMU，成为了Howie Choset的学生，研究主线是足式机器人的长距离定位。
研究历程：
- 读博初期专注于工程实现，但意识到需要解决科学问题
- 与SLAM图优化先驱 Frank Dellaert 及其学生合作，发表ICRA论文
- 在Zachary Manchester指导下深入学习机器人轨迹规划
邱迪聪：从强化学习到机器人
邱迪聪从中山大学软件工程系毕业后，于2017年来到CMU，由“大白之父”Christopher Atkeson和场地机器人之父William（Red）Whittaker指导，研究多步优化决策和人形机器人的双臂灵巧操作。
研究观点：
- 强化学习存在时代的局限性
- 应将强化学习与优化或基于模型的方法结合起来
- 纯基于学习方法的机器人尚未实现任何落地
进军 Learning
林星宇：从AlphaGo到机器人
林星宇从北京大学信息科学系毕业后，进入CMU读博士学位，师从David Held，研究机器人学与强化学习的交叉领域。
研究历程：
- 开发新算法以快速适应新环境
- 研究机器人对柔性物体的操作
- 建立柔性物体的Benchmark
- 通过图神经网络模拟粒子间的相互作用和动态
王小龙：从视觉到机器人
王小龙从中山大学来到CMU读博，师从Abhinav Gupta，研究计算机视觉。博士期间在FAIR实习，发表Non-local Network的工作。
研究历程：
- 接触机器人导航、操作等相关研究
- 发表首个RL+Robotics的工作
- 研究语义先验知识融入语义导航任务
- 加入UCSD视觉计算中心任教
梁小丹：从视觉到具身智能
梁小丹从中山大学读博毕业后，师从邢波（Eric Xing），主要做机器人视觉语言导航。
研究历程：
- 从2D到3D世界的过渡
- 发布仿真平台InfiniteWorld
- 研发具身大模型
- 希望把多模态大模型加上3D感知能力
仉尚航：从自动驾驶到具身智能
仉尚航从北京大学毕业后，师从José Moura，研究领域自适应和有限样本学习。
研究历程：
- 通过高通创新竞赛过渡到自动驾驶
- 研究自动驾驶的泛化视觉感知
- 在伯克利BAIR做博士后，研究开放世界泛化学习
- 回到北京大学任教，专注于具身智能领域的研究
- 发布大规模多构型智能机器人数据集RoboMind
系统见长
龚超慧：从学术到创业
龚超慧从哈工大毕业来到CMU RI读博，师从Howie Choset，研究蛇形机器人和SLAM。
研究历程：
- 研究高维度数学空间的规划问题
- 关注智能制造方向
- 2017年与导师Howie Choset等人创立宾通智能（Bito Intelligence）
周佳骥：从学术到创业
周佳骥本科毕业于东南大学吴健雄学院，2012年来到CMU读研，师从Matthew T. Mason与视觉教授Drew Bagnell。
研究历程：
- 2016年获得ICRA全会最佳论文
- 2018年与MIT的俞冠廷共同创办星猿哲（XYZ Robotics）
罗瑞琨：从学术到工业
罗瑞琨毕业于清华的机械工程自动化系，来到CMU读研，研究人体动作学习和预测。
研究历程：
- 伍斯特理工与密歇根大学读博期间专注于人机协作的实际应用
- 2021年加入创企木牛机器人，开发底层框架
新与旧共舞
杨硕：从CMU到特斯拉
杨硕在CMU完成博士研究后，加入特斯拉参与Optimus项目，负责机器人控制核心算法模块的开发。
侯一凡：从亚马逊到斯坦福
侯一凡在亚马逊机器人部门工作三年后，于2023年3月来到斯坦福做博士后，继续研究操作问题。
邱迪聪：从自动驾驶到机器人
邱迪聪先后在英伟达、ISee、如祺出行与PIX Moving工作，2023年4月创立雅可比机器人，专注于商超场景的机器人应用。
林星宇：从CMU到OpenAI
林星宇在2022年从CMU毕业，加入伯克利Pieter Abbeel的组做博士后，研究机器人基础模型。2023年8月加入OpenAI机器人组。
结语
CMU在机器人学领域的独特优势在于：
- 对基础问题和整个系统的深入理解
- 传统方法与基于学习方法的结合
- 工程与科学并重的跨学科交叉
CMU的研究人员们正站在传统与创新的交汇点，为具身智能的未来搭建着新的台阶。