本科读车辆工程，入职清华不到一年，她成了“中国AI第一班”的班主任

2026年8月19日，清华紫荆C楼。交叉信息研究院迎新现场。

四位新生班主任轮流上台介绍研究方向。讲人工智能方向的那位老师，2025年9月才入职，是全场最新的一张面孔。她叫徐梦迪，本科毕业于清华车辆工程专业。

台下坐着姚班2026级约90名新生。其中约66人通过竞赛保送提前锁定席位，另有24人从清华新生中经笔试面试二招脱颖而出，淘汰率超过95%，二招入选者中甚至出现了CMO数学奥赛金牌得主。国家集训队成员占据相当比例，约有27名信息学竞赛顶尖选手。

而给他们讲“构建下一代智能”的人，不是一个传统意义上的计算机科班学者。

一个为四驱车捡废铁的女孩

徐梦迪在播客里提到过一件事：小学时看《四驱兄弟》，会跑到外面捡废铁，就为了给自己的四驱车装点零件。

那种“把一堆小零件拼成能跑的东西”的冲动，后来以另一种方式回来了。大二那年，她跟着机械系阎绍泽老师做科研，研究蜜蜂翅膀的超弹性恢复——蜜蜂在采蜜时翅膀频繁撞击环境却不会受损，因为结构本身具有超弹性。大三暑假，她去了CMU Howie Choset教授的组，做仿生机器人方向。

2013年，她从河北衡水中学毕业。衡水中学、竞赛班，听起来是一条标准的高考路线。但她在播客里说过，在CMU之后她开始接触Robot Learning，当时看到Chelsea Finn的MAML工作——“能让机器人学到没见过的任务”——她觉得这才是机器人未来的方向。

2017年从清华车辆工程本科毕业后，她没有直接扎进计算机，而是去了约翰斯·霍普金斯大学学机器人学，再转到卡内基梅隆大学攻读机械工程博士，师从Safe AI Lab负责人赵丁。

博士期间，她的实习轨迹横跨三个顶级机构：2021年丰田研究院，2022年MIT-IBM Watson AI Lab，2023年Google DeepMind机器人团队。

2024年博士毕业，博士论文题为 Building Adaptable Generalist Robots，拿了CMU机械工程系最佳博士论文奖。随后她去斯坦福视觉与学习实验室做博士后，合作导师是吴佳俊和李飞飞。那个实验室是全球具身智能研究的重要阵地之一，关注视觉、机器人学习以及智能体对物理世界的理解。

2025年9月，她回到清华，加入交叉信息研究院，任助理教授。一年后，成为姚班班主任。

那个把锤子当钩子的机器人

让她在学术界真正被记住的工作，叫RoboTool。

2023年，徐梦迪和CMU、Google DeepMind的研究者一起开发了这个系统，她是共同第一作者。逻辑很直接：以前让机器人干活，得一步步告诉它用哪件工具、做哪个动作。RoboTool拿到的只有三样：任务目标、场景里有什么东西、机器人自己能做什么。剩下的分析约束、选择工具、规划步骤，系统自己来，最后生成可执行的代码。

结果很有意思。机械臂够不到远处的牛奶盒，它把锤子当成钩子，把盒子拉过来。四足机器人过不了两张沙发之间的空隙，它找来周围的物体搭出一条通路。更复杂的情况下，它用滚筒和冲浪板组装了一个杠杆装置。

RoboTool的架构包含四个组件：分析器处理自然语言提示，识别影响任务可行性的关键元素；规划器制定完成任务的策略；计算器确定参数，比如每个动作的目标位置；编码器将计划和参数转换为可执行代码。所有组件都基于GPT-4构建。

徐梦迪在接受《Tech Xplore》采访时说过一句话：“工具使用常被视为高级智能的标志。相比按照预设用途使用工具，以非常规方式找到解法，对认知能力提出了更高要求”。

这篇论文的合作者Peide Huang补充了一个更具体的判断：“在机器人领域，创意工具使用也是一种关键但非常苛刻的能力，因为它需要全方位地预测行动结果、推理使用哪种工具以及规划如何使用它们”。

这项研究还有一个不那么“学术”的落点。徐梦迪提到，RoboTool还可以用于灾后场景——机器人通过即兴使用可用工具，在碎片或倒塌的结构中导航，到达被困人员的位置。

“只靠Scaling，不够”

徐梦迪的博士论文明确挑战了当前AI领域最主流的思路。大模型时代，几乎所有人的信仰都是Scaling Law——参数越多，数据越大，能力越强。但她在论文里提出：构建通用机器人，不能只靠模型规模的扩大，还必须具备在开放环境中快速适应新任务的“现场适应能力” 。

说得更直白一点：物理世界无法穷举。你不可能用预训练数据覆盖所有可能遇到的场景。机器人到一个新环境，需要能通过一两次交互，当场学会新任务，而且越学越快。

她在播客里把这个方向称为机器人的In-Context Learning（ICL），并说自己“看到了Scaling Law的信号”。注意，她不是在否定Scaling，而是在说：Scaling之外，Adaptation（适应） 这条腿必须补上。

这个判断正在被行业验证。就在她录完那期播客的第二周，Generalist发布了GEN-1.5——只给机器人看一段3到12秒的动作示范，不做微调、不更新参数，机器人就能当场尝试完成新任务，10项任务平均成功率约59%。ICL随即成为全球具身智能领域最受关注的话题之一。

而她，已经在这个方向上押注了好几年。

回到清华，从“解题人”到“出题人”

2025年回国这件事，在播客里被问过一个很直接的问题：为什么回来？

她的回答不太像“标准答案”。在斯坦福跟李飞飞和吴佳俊做博士后，环境是世界顶级的。但她提到，年轻PI真正需要的是一块能自己搭台子的地方。回到清华叉院，从零开始组建自己的实验室。

她在个人主页上写得很清楚：正在积极招募学生，欢迎来自不同背景的人。研究方向包括可泛化的机器人学习、可信的具身AI、in-context机器人学习、分布鲁棒强化学习、机器人工具使用、大规模仿真基准、数据生成等。

回到清华后的第一个秋季，她开设了一门叫Interactive AI的课程。今年11月，她还将参与组织CoRL 2026“持续自我改进的机器人”研讨会。

姚班2026级迎新那天，她讲的题目是“构建下一代智能”。她系统解读了姚班人工智能方向的学科分支与发展脉络，并通过丰富案例展示了姚班的学术实力、育人成果与科研环境。最后她说了一句话：“期待大家秉持刨根问底的精神，共同定义智能的下一站”。

从姚期智2005年创办姚班以来，这个班级一直以计算机科学为核心。2022年后下设了计算机科学、人工智能、量子信息三个方向。而站在AI方向讲台上的，是一个本科读车辆工程、博士做机械工程的人。

这本身就是一个信号：姚班在变，AI的培养逻辑也在变。今年这四位班主任，一位做机器学习理论和AI对齐，一位做电子游戏研发和多模态生成，一位做离子量子计算，徐梦迪的方向是机器学习、机器人学、人机交互和AI安全。四张面孔，四个完全不同的背景。

下一代智能需要的，可能恰恰是那种不被单一学科框住的人。

30.5岁的摩羯座INTJ

播客里有一个快问快答环节。徐梦迪说自己的年龄是“30.5岁”，MBTI是INTJ，星座是摩羯。

问到她当前花时间最多的研究方向，她的回答很简洁：“让机器人能够从现实场景当中，不断地持续提升自己”。

她在播客最后说过一句挺实在的话：“只有乐观才可能成功”。

从为四驱车捡废铁的小女孩，到把锤子变成钩子的机器人研究者，再到站在“中国AI第一班”讲台上的班主任——这条路看起来绕了很远。但徐梦迪自己大概不这么觉得。她一直在追同一个问题：机器要怎样进入物理世界，并在那里持续生长。

绕远路的人，往往能看到直路上看不到的东西。