西交 rk4 直博上海 AI Lab+上交 CS | 大一锁定 offer 的保研路径

🔴 起点：RM 与口罩时期

我高中因为所谓素质教育，接触了 RoboMaster，用 DJI 的 S1 套组写图形化程序打水弹对抗，技术沉淀为零，但记住了这个比赛。大一提前学完高数线代，百无聊赖，找到了学校的 RM 队伍。

口罩时期不用线下上课，我就在实验室写程序、听课。回过神来的时候，和舍友已经算不上熟络了。前前任视觉组组长 WJH 学长帮我打破了信息差：知道了绿群，开始了保研路；也知道了科研是怎么回事，从广泛学 ML 和传统 CV 转向聚焦领域。

🟡 第一段科研：医学影像的沉没成本

本校算力是混用的四卡 2080Ti 和 3090，我找周老师是因为看到他 scholar 有 inpainting 论文。结果他实际做多目标检测和医学影像，让我看半监督医学分割的论文。

当天复现完，自己改了改，开了若干次组会，忽然有个 idea，就有了 PMT: Progressive Mean Teacher via Exploring Temporal Consistency for Semi-Supervised Medical Image Segmentation。验证 work 之后赶 CVPR 2024，粗心失误太多，被拒。转投 ECCV 2024，443 初分，rebuttal 后 554，meta reviewer 不太喜欢，但中稿了。

同期还在做另一个 meta learning 的工作，投完 ICLR 2025 就不再继续。

在医学影像里摸爬滚打一年，我决定跳出舒适区。半监督医学影像某种程度上是伪命题：用五张 labelled data 超过八十张的效果，这和 leverage 大量 unlabelled data 的半监督思想相左。还有更哭笑不得的：单纯换 K-fold 性能掉 10 个点，hack 层出不穷。

🔵 转向具身：SHAILAB 的"白月光"

二择：MLLM 还是 Embodied AI。因为早年机器人探索，选了后者，去了大一 WJH 学长提过的 SHAILAB。当时印象极深：实习工资一天三百，单人间多人套间公寓。现在看待遇已不是最具竞争力，但好歹算白月光。

带着 ECCV 申了具身智能中心（当时还叫 OpenRobotLab），和庞江淼老师套瓷，两轮聊天式面试，进了伦哥组。大二暑假线下实习，之后转线上。大概这时候起，offer 基本锁定了。

我其实没有什么波澜壮阔的面试经历，就是恰当的时候，运气推波助澜，获得了稳定的 offer。

🟢 保研流程：AILAB 夏令营 + SJTU CS

AILAB 夏令营期间被 hr（还是 ur？）提醒报名，线下笔试面试。唯一一次和绿群群 u 面基，吃了海底捞，上海麻酱一股怪味，糟糕。当晚请教机试心得，得到 代码随想录刷题列表，着重学了 dp，定了 Python 放弃卡时长题目 的策略，最后 AK。

SJTU CS 夏令营更没悬念，面试就是聊天，听说入营即优营。

🔴 科研的焦虑：GenManip 与数据生成

在 SHAILAB 第一段阶段性产出是 GenManip，投 CVPR 2025，5442 遗憾 poster，rebuttal 漏掉问题导致 3 分审稿人降分。

初衷很明确：看到 CoPA、MOKA 等模块化方法，判断端到端通用操作智能短期内不现实，分层架构 + 双系统可能是趋势，于是在仿真中做 Benchmark。用 Isaac Sim 搭建，根据 scene graph 验证成功或生成 layout 的算法很 naive 但有效。

之后我投身数据生成。短期看具身数据贫瘠是重大缺口，仿真成本低、变量可控；长期看 scaling law 下，走通数据-模型-实验闭环是必须的。

GenManip 后续迭代聚焦 skill set 方式实现泛化数据生成，内部迭代后最近要完全开源。基于它产出了 InternData-M1（大规模 scaling up pick-and-place 数据集），Evaluation 部分 contribute 给 InternManip（all in one manipulation 训测工具链），十个双臂任务作为 IROS Workshop Manipulation 赛道赛题。

内部迭代支持定制化 Layout 设计到 Object Scaling，三分钟完成数据生成任务设计，之后支持 Articulation object general scaling。年初就有雏形，但论文 ArticuBot 被撞车，失去紧迫感，一拖再拖。

🟡 长期主义的悖论

过去一年做仿真和数据生成，上半年没多少论文产出，但只要做的事必要，就会被需要。读者可以在实验室近期成果里看到我，比如 InternVLA-M1 技术报告。

但仿真有极限。pick-and-place 和 1-dof articulation 我确信有通用算法，但软体、流体操作 general 成本越来越大，corner case 越来越多。资本入局，数据工厂建立，单任务 hardcode 降低技术栈要求，这正在成为不可阻挡的未来。

似乎是时候带理解去模型领域了。但比起中稿，更困扰我的是：这条路线是否值得下一个一年？像上一个一年一样，回头去看依然必要、依然有价值？

这个问题留给同样 junior 的读者：你现在做的事是否值得你的一年，而不是一个审稿周期？放眼整个博士生涯，这件事又该是什么？

⚠️ 一些反思

• 不要给自己设限：大一上学期结束我年级第二，学过传统 CV 和 ML，刷过李沐 d2l，其实可以直接申外校很好的 AP 组，省去本校拿论文当跳板的环节。有优势时勇敢跳，抛下沉没成本
• 多向别人请教：乔布斯说早期书法积累后续有用，但现在不是后期爆发的时候，要尽可能加速。我写的博客《致新生的你》反复提这点
• 趁早做自己认为对的事：积极探索，对知识保持兴趣，运气会来推波助澜