Daniela Rus，和她带领的 MIT 计算机科学与人工智能实验室
Daniela Rus 是 MIT 最大实验室——计算机科学与人工智能实验室（ Computer Science and Artificial Intelligence Library，CSAIL ）主管 ，她推动 750 个学生和 110 位教授的工作，并管理这个有 54 年历史的研究所，让所有的研究在这里顺利开展。
整理 | Rik R 张震 刘燕
撰文 | Brian Heater
来源 | TechCrunch
Daniela Rus 的整个上午被各种会议填满，我的到访似乎有些意外。她考虑了一会儿，然后邀请我去了她的办公室，那儿已经有一群学生在耐心地等待着讨论自动驾驶汽车。「不能报道任何研究结果」，她微笑着说道，「但是你可以进来旁听。」
CSAIL 主管 Daniela Rus
Rus 允许我旁听了一整个上午的小组会议。这十分难得，但更重要的是，这是与麻省理工学院最大的实验室——计算机科学与人工智能实验室（ Computer Science and Artificial Intelligence Library，CSAIL ）主管进行面谈的唯一方式。领导位于马萨诸塞州剑桥市的实验室，这项工作永无止境， Rus 好像也从不休息。「我没有时间接受采访，」在我们入座后，她解释道，「也许午饭时间有空。」
办公室内，六个学生围坐在一张咖啡桌周围。桌子上放着一个奖杯之类的东西，还有一个倒置的 3D 打印机器人，它的六条腿笔直地站在空中——虽然二者都被淹没在了成堆的文件中。附近书架上放满了电气工程、编程和机器人学相关的书籍——计算机科学教授的日常食粮。然而在书架上方附近，斜放着一本《孙子兵法（The Art of War）》，还夹带着一本《肯尼迪语录》和一本 Gary Shteyngart 的小说。
在接下来的几个小时里，各类学生群体从办公室进进出出。可以看出，Rus 这天上午的任务就是解决问题，她检查了当前各个项目的进程，从机器人到自动驾驶轮椅。她着手处理着每一个可以想到的研究细节，从编程问题到促进 CSAIL 在学生群体中的推广，再到波士顿地区测试自动船只的最佳地点。
她既赞颂复杂原理，也鼓励关注常识。「我们需要一个机器人，」她告诉其中一个小组，「我们需要一个好看且快乐的机器人。」
我试图保持隐身——但在这样一个小团体里是不可能的。当我轻声敲击键盘并笨拙地试图记笔记时，Rus 会不断指出会议中哪些内容可以记录，哪些是不可以的。「你可以参与谈论问题，」Rus 说道，情绪稍有改变，「但不能涉及到解决方案。」
解决正确的问题
毕竟，这些解决方案还未正式发表。这些众多对话的终极目标就是以学术论文的形式发表并得到同行认可。但在 Rus 看来，解决问题才是这个过程的重点。她的工作就是推动 750 个学生和 110 位教授的工作，并管理这个有 54 年历史的研究所，让所有的研究在这里顺利开展。
会议间隙，我们终于有了几分钟的谈话时间。「我要确保他们解决的是正确的问题，」Rus 解释说，「作为这些学生的顾问，我需要确保他们的工作可以创造未来。确保他们的工作是合乎科学的、可靠的、有根据的、正确的。我们正在研究的是什么问题？它们有用吗？我们是否偏离了轨道？我们是否真的专注于问题最突出和最关键的方面？考虑这些是非常重要的，因为老实说，我们每天只有这么多小时，而可以做的事情也很多。」
Rus 自己也亲力亲为，身体力行。作为 CSAIL 主管，她帮助领导研究工作和外联推广，在机器人科学和计算机科学领域，碰到一些令人兴奋的研究项目，她身先士卒，是问题主要解决者和支持者。在前往亚洲对 CSAIL 进行一个为期两周的宣传之前，她成功挪腾大半天的时间招待我，对我来说，就像一个小小的奇迹一样，倍感意外。
她终于在午饭时挤出了几分钟的访谈时间，在这之前，她走到房间前面，给员工作了一个即席演讲。这是一个奇怪的空间，不规则的木板体现出建筑师 Frank Gehry 建筑外观设计的奇特形状。除此之外，午餐也是每周一次的签到——虽然本周的人员很少，因为许多教授在暑假都离开了学校。Rus 考虑举办一些校内活动，让学生在放假期间也能参加一些课外活动。
大家对此反应不一。「使命召唤（ Call of Duty ）赛怎么样？」一位教授笑着说到。
未来的计算
CSAIL 正式成立于 2003 年，MIT 的计算机科学实验室（ Laboratory for Computer Science , LCS ）与人工智能实验室合并，组成了最大的跨部门研究实验室，然而，这一起源可以追溯到 20 世纪 50 年代，当时，MIT 正展开第一次正式的人工智能研究。在过去的 50 年多里，该项目的各种人才迭代在机器人和计算机科学中起到了关键作用。
实验室官网上自豪地展示着一长串的成就清单，从创造了奠定现代操作系统基础的 Multics ，到早期的文件共享系统和移动机器人，再到一些万维网的底层技术。事实上，万维网之父 Tim Berners-Lee 就是 CSAIL 的 110 位团队领导之一。目前，CSAIL 就是万维网联盟的大本营。
Rus 与实验室的渊源可以追溯到 2008 年，彼时她刚刚担任达特茅斯大学的计算机科学教授。十多年前，Rus 在理论计算机先驱，科学家 John Hopcroft 的指导下，取得了康奈尔大学的博士学位。也是在那儿，曾学过数学和天文学的 Rus 爱上了机器人学。「 Hopcroft 教授的话令我倍感鼓舞，他说，经典图论算法（当时还是计算机科学的核心）中的许多问题都被解决了，该是进行大范围应用的时候了，」Rus 解释说。「他说，我们要把计算带到这个世界上来。我们应该致力于机器人研究。」
她的研究对象从主宰上世纪 90 年代中期研究的大型工业机器人，转移到更便携、更模块化的机器人概念。「其思路是制造一个细胞结构的机器人，就像细胞所组成的有机体那样，」Rus 解释说，「如果有细胞，你就可以创造任何你想要的形态。」她组建了达特茅斯大学的分布式机器人实验室（ Distributed Robotics Lab ），再转到 MIT 后也将这个实验室带了过来。
该实验室的项目在过去十年里呈多元化发展。与 CSAIL 的所有子实验室一样，研究工作是由其首席研究员的激情所驱动——而 Rus 最不缺的就是激情。分布式机器人实验室目前的研究项目涵盖了所有的尖端机器人技术。其中一个项目可以在一步之内实现 3D 打印机器人、液压系统等所有内容。在另一个令人印象深刻的演示中，一个折叠机器人可以在加热状态下折叠成预定结构，然后在磁铁作用下行走。还有许多仿生软体机器人和一个由大脑控制、可从过往错误中学习的工业机器人。
「我喜欢 CSAIL 的地方是，这里的每个人都生活在未来，」Rus 解释道，「每个人都在思考如何使未来变得更美好，我们将来需要什么样的东西。人们的想法很疯狂，天马行空，而且他们很有趣。我们非常兴奋，我们充满活力，最重要的是，我们热爱自己所做的事情。我认为由于我们有很多学生，有庞大的教职员工，有非常优秀的工作人员，这是一个非常特别的团体，我们致力于创造计算的未来。」
大脑的另一面
我们会在会议间隙坐下来聊天。我不得不想方设法利用好休息时间的短暂时光，而且 Rus 对机器人、计算机科学和幸福生活的热情与见解能够点燃谈话的每一分钟。令我猝不及防的是，她说自己对研究睡眠的兴趣越来越浓——虽然在实验室工作、出差和会谈之外，很难想象 Rus 会有充足的睡眠。但我们可以很清楚的知道，在醒着的每一刻，她的大脑都在加班。
她说到了自己的通勤时间——开车上班的时间如何影响了她对自动驾驶汽车的热情。「在达特茅斯工作时，我的通勤时间是一分钟，搬到剑桥之后，我开始对交通产生了兴趣，」Rus 说，「在 MIT ，我的通勤时间在 20 分钟到一个多小时之间，这与之前大不一样。我发现自己在本世纪初便开始思考自动驾驶，所以十年前的我已经萌生了收集数据的想法。」
就在我们说话的时候，轻柔的音乐从敞开的门缝间溜进来。是贝多芬的曲子。Rus 站起身来,招手示意我也过来。她消失在拐角处，接着又突然回来示意我跟上。她的办公室外面有一架小钢琴，一个学生坐在那里，演奏着一支熟悉的古典乐。
Rus 解释说，她几年前为自己的孩子买了一架钢琴——而搬运工在将其运回家之前把它放在了实验室。CSAIL 的学生们兴奋地扑向这个不速之客。「我就坐在这里，萧邦便悄然而至。」
当钢琴被运走，学生们自然十分沮丧。最后她解释说，她决定让这个乐器永远留在这里。「我喜欢看到学生们放松大脑，解放他们的另一种思维，」她说道，「作为一名教授，你的目标就是帮助人们在自己所选择的道路上做到最好。」
在TC Sessions: Robotics 进行演示的四款机器人
最新版本的 MIT 猎豹机器人 Cheetah 在本届 TC 大会上首次登台亮相：任何对行业动态稍有关注的人都会对此耳熟，它是近年来全球其中一所顶尖机器人院校所作的一次令人印象深刻的演示。早期版本的四足机器人已经能够以每小时 14 英里的速度奔跑，可以自动越过物体，甚至可以通过安装在背部的 Echo Dot 来回答 Alexa 的问题。
Soft Robotics 开发了软体机器人夹持器，可以在没有计算机视觉或传感器的帮助下操纵不同大小和形状的物品。这些夹持器获得美国食品药物管理局 FDA 的批准，这意味着 Soft Robotics 在一站式食品包装解决方案上效果良好。
哈佛大学的 Exosuit ，帮助健康人士（比如士兵）节省了 15%~20% 的日常荷载用力。Exosuit 是由柔软的纺织品和传感器制成，并由安装在背部的电池和发动机驱动。 ExoSuit 还可帮助中风患者及其他有行走障碍的人士。
Locus Robotics 打造了一款仓库协作机器人。人类员工仍会在各自区域内完成大部分的分拣工作， Locus Robots 可以在巨大的仓库中移动，避开物体、人和其它机器人，更重要的是，人类员工只需要接受一小时的培训就可以开始与 Locus Robots 展开合作。