卡内基梅隆大学（CMU）位于美国匹兹堡，这座昔日工业重镇如今因CMU的机器人研究所（RI）而闻名。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，四十多年来，它见证了无数机器人技术的突破。
在人工智能（AI）和仿真技术引领新时代的今天，CMU的机器人学研究者们面临着新的挑战：如何在保持传统机器人学优势的同时，跟上具身智能的热潮？答案是肯定的，他们中的一些人加入了前沿企业，如OpenAI和特斯拉，研究机器人基础模型和人形机器人；有的人选择了创业，如宾通智能、星猿哲等，将技术应用于工厂、物流和商超场景；还有的人选择进入高校，如北大、中大等，继续具身智能的研究。
侯一凡，这位曾在清华自动化系就读的博士，2015年来到CMU，师从机器人操作先驱Matthew T. Mason。他的研究聚焦于手内操作和机器人手部操作能力，通过简化手指自由度，设计了两指结构，并广泛采用“外部灵巧度”概念，使机器人能够通过与环境互动弥补手部自由度的不足。侯一凡的研究表明，简单模型结合鲁棒的控制和规划方法，能够在实际应用中取得显著效果。
与此同时，另一位CMU的研究者杨硕，前大疆技术总监，在2018年来到CMU，研究足式机器人的长距离定位。他意识到，传统的基于模型的方法并不等同于过时，而是与基于学习的方法并行发展，各有侧重。杨硕的研究从六足机器人开始，逐渐深入到足式机器人的建模、状态估计、底层控制和轨迹规划，最终实现了对复杂任务的有效解决。
林星宇，从北京大学信息科学系毕业后进入CMU读博，他的研究从三维视觉转向机器人与强化学习的交叉领域。林星宇开发了一种新算法，通过增加探索奖励，使强化学习智能体能够快速适应新环境。他的研究逐渐聚焦于构建柔性物体的世界模型，通过图神经网络模拟粒子间的相互作用和动态，为机器人完成复杂任务提供了可能。
除了这些专注于机器人操作和控制的研究者，CMU还有一批从视觉切入具身智能的研究者，如王小龙、梁小丹和仉尚航。王小龙在CMU读博期间，通过融合语义先验知识到深度强化学习框架中，提升了机器人在新场景中导航至目标物体的性能和泛化能力。梁小丹则专注于机器人视觉语言导航，将分割算法应用于机器人交互中。仉尚航则通过领域自适应和有限样本学习的方法，研究了自动驾驶的泛化视觉感知。
龚超慧，CMU RI的博士，她的研究聚焦于高维度数学空间的规划问题，通过降低机器人的维度，在更低维的空间中快速进行计算，并利用这一理论框架研究生物和机器人的运动。龚超慧在博士后期开始关注广义机器人的规划与任务分配软件，认为AI和Robotics技术将在制造业中有广泛应用的机会。
在产业界，CMU的学子们也展现了他们的实力。杨硕在特斯拉参与人形机器人Optimus的研发，通过深度学习和AI的方法，解决了机器人控制中的关键问题。侯一凡则在亚马逊机器人部门研究物流场景中的储存任务，通过柔性控制和运动规划设计，提高了自动化存储的效率。
CMU的机器人学研究者们，无论是在学术界还是产业界，都展现出了他们的创新和实力。他们不仅保持了传统机器人学的优势，还积极拥抱新的技术趋势，为机器人技术的发展贡献了自己的力量。
