关于我

做研究、做工程，我始终只信一件事：追求真实，解决真正有意义的问题。机器人学习、优化与控制的交叉地带，是我最着迷的地方——数学的严谨在这里必须俯身于硬件的粗粝、实时的压力与安全的重量。我尤其迷恋那些横亘在经典模型与现代学习之间的问题，不是为了在学术上自圆其说，而是为了让自主系统真正可信、真正落地。

走进这一领域，缘起于浙大与伊利诺伊大学的联合培养。系统动力学、反馈控制、嵌入式系统——那几年奠定了我的基本功，而真正让我着迷的，是在传感器、嵌入式平台和机器人原型上摸爬滚打的那些时光。理论落到硬件上的那一刻，往往什么都会松动。也正是在那里，我开始相信：最诚实、也最重要的问题，恰恰藏在理论与现实真正相遇的地方。

在宾夕法尼亚大学，我走过不少弯路——概率动力学、采样式控制、自主系统全栈开发，以及学习优化框架——兜兜转转之后，我看清了自己最想深耕的地方：模型驱动的优化与数据驱动的学习之间的那片边界。这段经历让我确信，两者从来不是对手，而是同一问题的两面——学习与概率方法捕捉模型力所不及的复杂，结构化优化则带来部署所需的保证与可解释。我想做的研究，就生长在这里：严谨到足以应对安全与不确定性，灵活到足以直面真实世界的复杂。我目前正在积极寻找博士及科研助理职位，欢迎随时与我联系。

研究之外，我喜欢电子音乐——古典乐理与合成器在那里不期而遇，结构与能量不是彼此的对立，而是彼此的动力。有时候我觉得，这和机器人学习的底层逻辑，并没有什么本质的不同。