从车辆工程到具身智能：徐梦迪归国执掌清华姚班

2026 年秋季学期，清华大学计算机科学实验班（俗称「姚班」）迎来约 90 名新生，其中约 66 人通过竞赛保送等渠道提前入选，另有 24 人经过二次选拔脱颖而出。在新生班主任团队中，一位去年 9 月才从斯坦福回国的年轻面孔格外引人注目——交叉信息院助理教授徐梦迪，开学季的导引主题被她定名为「构建下一代智能」。

从车辆工程到机器人学习：一条跨学科路径

徐梦迪并不是典型的计算机科班出身。2017 年她从清华大学车辆工程专业本科毕业后，先后在约翰斯·霍普金斯大学学习机器人学、在卡内基梅隆大学学习机器学习，并于 2024 年获得 CMU 机械工程博士学位。博士期间她师从 CMU Safe AI Lab 负责人赵丁，研究方向覆盖机器人学习、强化学习与 AI 安全。

博士毕业后，她又前往斯坦福视觉与学习实验室跟随吴佳俊、李飞飞从事博士后研究。一年后，她选择回到本科母校，加入交叉信息院，开始组建自己的研究团队。交叉信息院由姚期智于 2011 年创办，也是姚班的培养单位，研究版图覆盖理论计算机科学、人工智能与量子信息等领域。

跨学科经历也体现在她的实习履历中——她曾先后进入丰田研究院、MIT-IBM Watson AI Lab 和 Google DeepMind 机器人团队，接触自动驾驶、机器学习与机器人等不同方向。

代表性工作：RoboTool 与 Prompt-DT

徐梦迪的代表性研究之一是与 CMU、Google DeepMind 等机构合作开发的 RoboTool。这套系统不再逐步指定机器人应使用什么工具、执行哪些动作，而是向其提供任务目标以及场景、物体和机器人能力等信息，由系统分析约束、选择工具、规划步骤，并最终生成机器人可执行的代码。

公开演示中，当机械臂够不到远处的牛奶盒时，系统会让它把锤子当成钩子把牛奶盒拉过来；当四足机器人无法跨越两张沙发之间的空隙时，它会搜索周围物体搭出通路；面对更复杂任务时，它甚至能组合滚筒和冲浪板做出简易杠杆。徐梦迪曾在采访中表示，工具使用常被视为高级智能的标志，以非常规方式找到解法对认知能力提出了更高要求。

另一项发表于 ICML 2022 的工作《Prompting Decision Transformer》则把自然语言处理中的 prompt（提示）范式引入强化学习：用一小段新任务的演示轨迹作为 trajectory prompt，让智能体判断当前任务目标并生成相应动作，无需额外微调模型参数。该思路与大模型中的上下文学习颇为相似。

博士论文立场：Scaling 之外，还需要适应能力

过去几年，Scaling Law 在语言和图像领域展现出迷人的能力涌现效应，自然引出一个问题：这条曲线能否复刻到机器人领域，带来 GPT-3 级别的突破？徐梦迪在题为《构建可适应的通用机器人》的博士论文中给出了否定回答。

她的论点是：真实世界的任务空间近乎无限，不可能把机器人未来会遇到的情况全部塞进训练集。因此，构建通用机器人不能只依赖 scalability，还必须补上另一种能力——adaptation（适应能力）。

围绕这一思路，论文从三条路径展开探索：

• 让智能体根据少量示范快速调整策略，应对未见过的目标方向、速度或位置；
• 让机器人主动发现不同任务之间的共同结构，把已掌握的能力迁移到后续任务，形成可复用的「技能库」；
• 借用大模型已获得的知识（如锤子可敲击、木板可作杠杆），并结合物体尺寸、空间位置与运动范围等物理约束，生成机器人可执行的动作规划。

这并不意味着徐梦迪反对 Scaling，她试图回答的是 Scaling 之后的问题：当机器人走出训练集，进入一个从未见过的环境，是否还能自己找到办法？2024 年，这篇论文拿下 CMU 机械工程系最佳博士论文奖。

回到清华：「下一代智能」的三个关键词

回到清华后，徐梦迪开设了名为 Interactive AI 的课程，并将参与组织 CoRL 2026「持续自我改进的机器人」研讨会。其研究方向涵盖机器学习、机器人学、人机交互与 AI 安全。她用三个词概括自己的目标：scalable、adaptable、reliable。

2026 年 2 月发布的 CoVer-VLA 进一步瞄准机器人理解指令与实际行动之间的偏差：系统在行动前会生成并比较多个候选方案，再从中选出更符合人类指令的动作。这呼应了她从博士阶段就在追问的问题——机器人获得能力之后，如何保证它真正理解人的指令并做出可靠行动。

姚班的新版图：四位班主任的学科拼图

徐梦迪只是 2026 级姚班四位新生班主任之一。其他三位的背景分别是：

• 吕凯风：机器学习理论、AI 安全与对齐、优化；
• 贺天行：电子游戏研发、多模态生成、社会模拟与 AI 安全；
• 侯攀宇：离子量子计算与金刚石色心研究。

把四人方向放在一起可以看到，姚班 2026 级展示的学术版图已远超出传统计算机实验班的范畴：在「重基础」之外更加「广交叉」，从算法延伸至多模态生成、社会模拟、机器人、人机交互乃至量子系统。这个变化，与姚班 2022 年合并姚班、智班与量信班后的统一布局一脉相承。

徐梦迪在迎新现场邀请新生「共同定义智能的下一站」。她自己的跨学科路径，或许已经提供了一个样本：下一代智能可能不只是更大的模型与更多的数据，也包括走出训练集后的快速适应，以及对人类指令的可靠执行。