共计 1209 个字符，预计需要花费 4 分钟才能阅读完成。
清华姚班,这个被称为“中国 AI 第一班”的地方, 近日迎来了 2026 级新生。在迎新现场, 一位新面孔引起了关注——徐梦迪, 交叉信息院助理教授, 去年 9 月才从斯坦福回到清华, 如今已成为姚班四位新生班主任之一。她的到来, 不仅带来了一场题为“构建下一代智能”的分享, 也让人好奇: 一位本科读车辆工程的学者, 为何能站上姚班的讲台?
📌 从车辆工程到姚班: 一条“非典型”学术路径
徐梦迪的学术轨迹,与大多数姚班教师不同 。她并非姚班毕业生, 也不是传统计算机科班出身。2017 年从清华车辆工程本科毕业后, 她先后在约翰斯·霍普金斯大学学习机器人学, 在卡内基梅隆大学(CMU) 攻读机械工程博士, 师从 CMU Safe AI Lab 负责人赵丁, 研究机器人学习、强化学习与 AI 安全。
博士毕业后,她进入斯坦福视觉与学习实验室从事博士后研究 , 与吴佳俊、李飞飞合作, 聚焦具身智能。一年后, 她选择回到本科母校, 加入清华交叉信息院。这条看似绕远的路径, 最终指向了一个核心问题: 怎样让机器人真正进入现实世界。
🔍 挑战 Scaling Law: 通用机器人需要“适应能力”
过去几年,大模型在语言和图像领域展现了 Scaling Law 的魔力: 参数越多、数据越大, 能力越强。于是, 很多人自然期待这条规律也能复刻到机器人领域。但徐梦迪在她的博士论文《构建可适应的通用机器人》中, 直接挑战了这一思路。
💡 三条路径: 从 Prompt-DT 到 RoboTool
- 让智能体根据少量示范快速适应新任务 : 在 ICML 2022 论文《Prompting Decision Transformer》中, 她将 NLP 中的 prompt 范式引入强化学习, 用一小段演示轨迹(trajectory prompt) 告诉智能体任务目标, 无需微调参数即可适应新任务。
- 让机器人自己发现任务间的共同结构: 通过无监督持续强化学习, 让机器人主动发现不同任务共享的动作、视觉几何和动力学规律, 形成可复用的“技能库”。
- 借用大模型知识解决物理任务: 代表工作 RoboTool, 利用大语言模型的知识, 结合环境约束, 生成机器人可执行的代码。比如, 当机械臂够不到远处的牛奶盒时, 它会把锤子当钩子, 把牛奶盒拉到手边; 四足机器人无法跨过间隙时, 会寻找物体搭桥。
📊 姚班新变化: 更“广交叉”的学术版图
值得注意的是,2026 级姚班四位新生班主任的研究方向, 也显示姚班正在变得更“广交叉”: 吕凯风研究机器学习理论与 AI 安全, 贺天行关注游戏研发与社会模拟, 徐梦迪聚焦机器学习与机器人学, 侯攀宇则从事量子计算研究。从 2005 年创办时的“软件科学实验班”, 到如今覆盖计算机科学、人工智能、量子信息三个方向, 姚班的学术版图明显拓宽。
🚀 结语: 下一代智能的交叉地带
围绕“去年归国的徐梦迪, 成了清华姚班班主任”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
