2009年的夏天，彼时还读大三的仉尚航背着沉重的书包，从南京挤上一列开往北京的绿皮火车。她刚为一场竞赛熬了几天夜，又只买到了一张站票，疲惫的身体却载着满心的期待。火车在夜色中摇晃着驶向北方，她的脑海里反复想象着那个素未谋面的目的地。
当她终于走到未名湖畔时，连日的奔波与喧嚣仿佛瞬间被按下了静音键。水光潋滟，柳丝低垂，一片深邃的宁静笼罩了她。“那一刻内心顿时安静，思绪也变得清晰，”仉尚航回忆道，“‘宁静致远’四个字在脑海里回荡。”
正是在这片宁静中，仉尚航内心第一次无比清晰地听见了自己对未来发展的选择——北京大学。一颗种子在心里萌芽，历经十余年的求索，2022年，她终于以助理教授的身份加入北京大学计算机学院，开始了她热爱的科研教学工作。
十七年后的今天，当年那个挤站票来北京的女生，已经成为北大计算机学院博导、全球具身智能领域最活跃的青年学者之一，蝉联近两年度全球计算机科学权威排名CS Ranking北京大学学者首位。那颗在未名湖畔萌芽的种子，早已长成了参天大树，滋养着更多年轻的梦想。
2013年，燕园初夏。毕业季的欢腾漫过林荫道，即将远行的学子们相拥合照，快门声与笑声交织成青春的底色。正值硕士毕业之际的仉尚航立于其间，一个身影意外吸引了她的视线：一位白发如霜、气质儒雅的老教师，正骑着旧式自行车朝着学五食堂的方向慢慢驶去。阳光透过枝叶筛下细碎的光斑，老者的周身似乎自带一层静谧的滤镜，与周遭的喧闹形成了温柔的反差。
那一刻，时间仿佛被按下了暂停键，又让她想起2009年初见未名湖时的宁静。仉尚航站在原地，望着那远去的背影，心底涌起滚烫的向往，当初的念头再次涌上心间：“如果未来能回到北大，一辈子在这里当老师，该有多幸福。”
这份对燕园纯粹的眷恋，成为她八年海外求学路上最温暖的动力，也成为她校准人生方向的坐标。愈发浓烈的不舍情愫，暗暗指引着命运抵达的站点。“念念不忘，必有回响。2013年离开校园时种下的梦想，总在心里觉得‘我还会回来的’，结果真的回来了。”
2022年，大三初次访问北大时的种子生根发芽，仉尚航如愿回国，加入北大计算机学院从事教学研究工作，将当年藏在心底的梦想酿成现实。她带领着十余名硕博研究生组成的团队，在视频与视觉技术国家工程研究中心与多媒体信息处理全国重点实验室两大平台的支持下，围绕自己深耕的“泛化机器学习”展开研究，力图提升具身智能在开放世界中的泛化能力。
谈及已有的获奖与成果，她坦言自己并没有以此为目标，而是一直强调自己始终坚守的信条，“专注过程不问结果”。仉尚航课题组的氛围与文化，也恰似她当年求学时所体验到的那般。
她十分感恩硕士导师高文教授培养她“发现问题、定义问题、解决问题”的思维能力，感恩博士导师José Moura教授对她尝试新方法的支持，感恩博士后导师Kurt Keutzer教授让她在UC Berkeley BAIR研究所开放多元的学术氛围中自由探索。“长大后我就成了你”，如今成为老师的她“因材施教、兴趣引导、取长补短、各得其所”。她先让学生根据兴趣选择科研课题，夯实科研基础并获得正反馈，再有针对性地弥补短板，最终使得每位学生都可以“各得其所，心中有热爱，眼里有光”。
几年后，团队里的学生们快速成长。其中，仉尚航的第一位博士生刘家铭，在国际顶会发表了关于具身大模型的系列工作，得到UC Berkeley Sergey Levine教授等知名国际学者的关注，获批国自然青年项目并获字节跳动奖学金，成长为具身智能领域的新星。
博士生Gaole Dai来自加拿大，仉尚航根据其生物学本科的背景建议他进行AI与生物的交叉研究，并重点补充深度学习技能，Gaole成长为全能型人才，以第一作者在《自然·计算科学》发表了长文。
同样完成跨界蜕变的，还有硕士生谭桦杰，他带着集成电路的硬件底色，在仉尚航的引导下，构建RoboBrain具身大模型，成长为具身大脑领域的探路先锋，他作为第一作者的RoboBrain工作成为“具身通用大脑”的里程碑，被国际顶会CVPR在官网进行推荐。
“学生的成长是我觉得最有成就感的事情，看到他们从迷茫到坚定，从跟随到创造，这种过程的正反馈胜于任何奖项。”
面对学生时，她总会想起自己走过的路，想起一次次迷雾中的摸索、一次次推翻重来，深知每一步成长的不易，也深深感谢一路走来帮助过她的每一位师长和同学，因而感同身受地理解学生们科研过程中的困难。
她常鼓励学生积极面对所有经历，即使遇到逆境，也要从中挖掘优势，“仰望星空、脚踏实地”，耐心等待自己的柳暗花明。不要担心结果，而是一直做下去，直到将它打磨成更好的模样，把“结果”做成“过程”，“所有结果都是好的，如果不够好，就还不是结果。”
进组前，仉老师就和我通了很久的电话，站在我的角度帮我分析未来深造方向，也用她的人生经历给我提供了规划参考。而后三年中，她也一直像一位亦师亦友的知心大姐姐，始终关注实验室每位同学的发展轨迹和科研情况，主动与大家交流，尽力提供指导与建议。
——2024级计算机学院硕士研究生 贾越如
去年年末，由北京大学主办的“北大科学yeah！——2026跨年演讲”成功举办，超百万网友在线奔赴这场科技之约。仉尚航站在镜头前，以“如何让机器人像人一样运动与思考”为题，深入浅出地向大众科普自己深奥的具身智能研究，也回溯了深耕机器人“大脑”构建的科研征途。
演讲中，仉尚航四两拨千斤地点出行业痛点，也给出了她深耕多年的答案：构建“类人快慢系统的长程闭环框架”，为机器人打造一个全模态全时自进化的统一基座模型。
仉尚航的创新，打破了传统机器人控制算法泛化性通用性不足的局限性，将“全模态全时自进化”大模型技术引入具身智能，让机器人进化为能思考、可泛化的智能体，为构建通用机器人的大脑提供了关键技术路径。
从业内首个跨机器人本体的具身大小脑协作框架RoboOS，到获AI国际顶会CVPR官方推荐的具身大脑RoboBrain；从被评为年度具身智能科技前沿热点成果、突破具身大模型推理效率瓶颈的具身小脑RoboMamba，到获得央视新闻报道、使机器人能够理解并预测真实世界的世界模型WoW；从首个一体化快慢系统大模型Fast-in-Slow，到引入隐空间时空思维链推理的生成理解一体化具身大模型LaST0；从面向真实世界机器人操作系统性扩展探索空间的数字孪生协同强化学习框架TwinRL，到全球下载量过两百万次、获开源操作系统年度技术会议“最佳开源智能突破奖”的全国首个通用具身智能数据集RoboMIND……
仉尚航带领团队接连攻克制约机器人走出实验室的瓶颈，为机器人走向真实世界系统性地构建起一条从统一基座模型到自主进化能力的关键技术路径。
正是凭借这一系列“从0到1”的产出成果，仉尚航成为唯一一位代表北京大学出任工信部人形机器人标准化技术委员会委员的老师，入选全球AI华人女性青年学者榜、全球前2%顶尖科学家榜单，荣获世界人形机器人运动会最佳互动奖、中关村仿生机器人大赛优胜奖、中国图象图形学学会石青云女科学家奖，蝉联近两年度全球计算机科学权威排名CS Ranking北京大学学者首位，谷歌学术引用2.5万余次。
然而，仉尚航的科研探索从来不是一蹴而就的飞跃，而是十余年久久为功的沉淀。这份对机器人“大脑”构建的执着，早在她求学之初便已有迹可循。漫漫求学路上，她曾在泛化机器学习领域积累了广泛经验，成就她在最终选定的具身智能赛道上厚积薄发、迅速成长。
仉尚航笑称自己是一个宏观上的理想主义者，纵使回溯到十年前的学生时代，敢于突破、勇于创新也是她一贯保持的科研风格。前路纵有迷雾茫茫，开拓者自会坚定上前与未知交手，躬身摸索、静待破晓。
在卡内基梅隆大学求学期间，博士导师José Moura教授（美国国家工程院院士、美国国家发明家科学院院士、IEEE2019年全球主席）交给她的任务宏大而开放：“纽约市各路口都有监控视频，你看能从里面分析出什么信息”。没有明确的问题定义，没有现成的数据，也没有具体的方法指引。读博的第一个课题在她面前铺开了一片几乎没有路标的荒原。
一切只得从零开始。她将曼哈顿地区212个摄像头的视频下载整理标注，数据越堆越多，问题却越做越难。低分辨率、低帧率、高分布差异的海量交通视频，让她几乎“走火入魔”，连走路吃饭都在思考如何定义问题、解决问题。最难的并不是方法论和做实验，而是最根本的“到底解决什么‘真’问题”。有段时间，她几乎每天都在推翻前一天的设想。
在反复否定中，她重新回到最原始的“发现问题”。某个夜晚，当她意识到“每个摄像头其实都是一个不同的数据域”时，思路忽然变得清晰起来。背景不同、天气不同、角度不同，本质上带来的是数据分布的差异。她不再执着于单一任务的性能，而是开始思考：如何让模型在不同数据分布上都可以稳定泛化？终于，她将开放的课题定义成明确的科学问题——领域泛化车辆检测与计数。
庞杂的工程逐渐凝练成一个清晰而深刻的科学问题：泛化机器学习。这不仅是她当时面临的关键技术瓶颈，更成为她日后“泛化学习”研究主线的起点。
从博士、博士后、到在北京大学执教，她的科研工作始终围绕“泛化机器学习”这一核心问题展开。在她看来，若要让机器人真正走出实验室、走向真实物理世界，关键就在于实现跨场景、跨任务的泛化能力，这不仅是具身智能当前最核心的科学挑战，也是实现机器人自主进化的必经之路。
问题定义好后，就要解决问题。在深度学习刚刚兴起的时期，大部分计算机视觉问题还是用传统机器学习算法解决。为了提升模型的泛化能力，仉尚航首次提出基于深度神经网络的多源域自适应对抗学习理论与算法，有效增强了模型跨场景的泛化能力，开创了多源域自适应问题新的研究方向。
“冒险”的尝试带来了显著的效果，直到现在仉尚航还十分感谢她曾经的导师们，在她每一次提出“与众不同”的方案时，不急于否定，而是给她充分的支持与探索空间。敢于打破思维定式、突破传统方法、提出创新思路，也成了仉尚航的科研思维习惯。她作为核心作者参与的国际人工智能顶会AAAI最佳论文工作Informer，也是国际上最早基于Transformer的时序序列预测工作之一，并提出稀疏注意力建模技术，突破传统循环神经网络误差累积的难题，该工作至今谷歌学术引用已达9500余次。
“最重要的不是具体知识点，而是科研思维过程：从发现重要的‘真’问题，到定义成明确的科学问题，再到提出新颖有效的解决方案，这个发现‘真’问题、解决“真”问题的过程，比结果更重要。”
她逐渐领悟，科研真正的正反馈，并非来自论文接收或获奖的消息，而是来自日思夜想之后的一次顿悟；过程中的专注与投入，才是让一切“水到渠成”的源泉。
从一夜站票的疲惫，到未名湖畔的宁静；从纽约212个摄像头的迷茫，到伯克利实验室的探索；从海外求学，到北大的讲台。仉尚航的人生轨迹清晰地印证着一个朴素而强大的信念：“追寻热爱，不忘初心，专注过程，不问结果。”
正是这种对过程的极致专注和“于无声处听惊雷”的耐心，让她在每一个路口都做出了清醒的选择，在每一次逆境中都找到了向上的力量，最终将人生写成了“水到渠成”的模样。
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
