一条控制论暗线：硬盘、汽车、机器人，和正在到来的具身智能。 作者：吴彤 编辑：林海峰
01、八月的伯克利：一张学术星图
2026 年 8 月 7 日，伯克利工程学院新楼 Grimes Engineering Center 的 Jarvis Auditorium 里，议程从早上九点的欢迎致辞排到晚上的教师俱乐部晚宴。
活动名叫 Mechanical Systems Control Workshop，也叫 Tomizuka Fest——为 Masayoshi Tomizuka 的八十岁生日和他在伯克利的半个多世纪而办。机器人、数据存储、车辆与交通、机电一体化与制造，四个技术专场之后，是 Tomizuka 本人的收尾演讲；晚宴前后，FANUC 与 Western Digital 的代表分别上台。活动的官方介绍写得克制：这是一场纪念他在伯克利五十年职业生涯的全天庆典。
（Masayoshi Tomizuka 中文名：富塚城义）
真正不容易被写进议程的，是房间里的密度。
机械系主任 Chris Dames 让听众举手：是 Tommy 的学生或博士后的，举手；合作者，举手；朋友和家人，举手。再问从多远赶来：湾区、本地以外、加州以外、美国以外。每一次举手都像一次分层抽样，最后落到“海外”时，全场响起掌声。
Dames 随后放了一张 1989 年机械系务虚会的合影，让人五秒钟内找到 Tomizuka；又放出那张被称作 academic family tree 的图，说自己需要一架“Tommy 望远镜”才能理解这个星系：一千多个条目，六代学术后裔，中心只有一个质量极大的天体。Dames 给出的例子让这张星图突然有了时间深度：从 Roberto Horowitz 那一代，到 Jianyu Chen，再到更年轻的学生，一条六代链可以在几分钟内被念出来。
另一年，实验室一年走出九名博士；同一张家族树上，研究主题从机床、车辆与高速公路，到自动公路、伺服控制器、硬盘与计算机磁盘文件系统，再到今天的自动驾驶和具身智能。所谓“谱系”在这里不是修辞，而是一种可追踪的技术遗传：问题变了，训练方式没有断。
院长 Mark Asta 给出的数字更直接：Tomizuka 直接指导完成学业的博士生超过 165 人；他还是伯克利工程学院历史上最多产、最投入的导师之一。Asta 特别强调，这种影响不能用论文数单独衡量。半个世纪里，Tomizuka 既是机械系的奠基性成员，也是工程学院治理、国际协作和青年学者培养中的稳定存在；伯克利给他的 Carol D. Soc 杰出研究生导师奖，表彰的正是技术严谨、职业耐心与真实关怀三者同时成立。
主持人的开场数字是 161，并强调“还在增加”。这些口径不完全一致，原因并不复杂：一个仍在招生的导师，任何统计都只是某个时间截面上的快照。或许更稳定的概括是——2022 年，美国国家工程院选举他为院士，授奖词同时提到两件事：应用于全球工业的机械系统控制创新，以及对下一代领军者的教育。
这场生日会的另一层意味，在于它几乎把二十世纪后半叶以来机电控制的一条暗线摆到了同一个房间。
前一天，Western Digital 总部办了一场更小的研讨会，主题叫“Convergent Research with Roots in HDD Mechatronics”（源自硬盘驱动器机电一体化的融合研究）。硬盘机电系统、精密运动控制、机器人、自动驾驶、Physical AI，被放进同一条历史线里讨论。Western Digital CTO 车晓东说，公司“受益于 43 位出自 Tomizuka 门下的学生”；FANUC 主席稻叶善治送来八十岁贺礼，以富士山象征五十年的友谊。
对企业而言，这不是礼节性站台，而是一条长期供应链的显影：从实验室走出的算法、学生和工程品味，曾持续进入硬盘、机器人、汽车与医疗设备的生产线。
Tomizuka 本人在下午四点出场。他没有讲太多技术，讲的是“过去八十年发生了什么”。结尾只有一句话：“退休？还没有。我们的旅程继续。”
这句话可以被理解为一个老人的固执，也可以被理解为控制论式的自我描述：系统仍在运行，反馈仍在进入，控制器仍在调整。
02、东京少年：从医学到工程
Tomizuka 生于 1946 年春天的东京。
准确日期连他自己也要解释一番：实际出生于 4 月 4 日，登记生日却是 3 月 31 日；父母告诉他后者，他便倾向于相信后者。
附带的好处是， Tomizuka 比同龄人早一年进小学，从此总是班里身体最小、心智最不成熟的那一个。他后来把这件事半开玩笑地连到一生的心态上：同学总照顾他，大家对他很好，以至于成年后妻子仍觉得他没长大。
Tomizuka 在生日会上展示童年照片，先指出的不是自己，而是头围：出生时头就大，小学入学时父母很难找到合适的校帽。这个细节在几小时后与 Wayne Book 的 MIT 回忆形成互文——Book 的父亲从德州带来一顶最大号的牛仔帽，对他仍然偏小。
一个控制论大师的传记里，这样的段落看似轻佻，实际准确：他的一生都长于处理“过载”的头部问题，而身体始终像一个普通学生，坐在教室前排，认真把题做完。
Tomizuka 的父亲毕业于京都大学，家里还有一个哥哥和一个妹妹。哥哥先进入竞争激烈的庆应小学，弟妹随后获得相对容易的通道。Tomizuka 在庆应体系中一路升学，不必经历日本社会最折磨人的入学考试链条。真正决定方向的时刻发生在高中毕业：他原本把医学院列为第一选择，父亲却劝他改学工程，理由是医生实现经济独立需要太长时间，而父亲已经年长。Tomizuka 没有争论，遵从了父亲的愿望。
这个决定后来被学生用近乎宿命的方式反复提起。2005 年伯克利《Engineering News》问他“最初是什么激励你进入工程领域”，他答得坦白：第一选择是庆应医学院，但父亲认为从医太久才能自立。他的学生 Soo Jeon 在 2026 年的会上说：“我们都应该感谢 Tomizuka 教授的父亲。”
这句玩笑背后有真实的分量：现代机电控制的一条重要支脉，始于一个家庭内部的现实计算。
庆应岁月里，比课程更重要的是管弦乐队。Tomizuka 不是最努力的学生，却在小提琴上接受严格训练；大学四年级时，他已是第二小提琴声部首席，有权选择搭档。他选了低一届的 Mako——后来成为他的妻子。音乐在这段人生里不是装饰。它提供了另一种关于控制的早期经验：纪律、重复、节拍、多人协作，以及对细微偏差的敏感。多年后，Tomizuka 仍会把实验室的感恩节晚餐、滑雪教学、给学生做饭，视作与技术同等重要的教育场景。
进入研究生阶段后，他开始认真自学控制。当时庆应没有足够熟悉这一新兴方向的教师，他买到斯坦福教授所写的状态空间方法著作，从一角读到另一角，做完所有练习题；其中一道习题后来变成他的第一篇论文。这段经历解释了此后半个世纪他的知识姿态：理论首先是美的，但只有进入实验、机器和产业，美才成立。（欢迎添加作者吴彤微信：lI__O0o）
03、MIT：把未来放进控制律
1970 年，Tomizuka 从庆应前往 MIT。
博士导师是 Daniel Whitney，Tom Sheridan 在论文委员会中。论文题为“最优有限预览问题及其在人机系统中的应用”：如果驾驶者能看到前方有限的一段未来，他应当如何利用未来信息取得最优性能？这个问题后来被压缩成一个领域名称——preview control，预见控制。
预见控制的迷人之处，在于它把“未来”从文学修辞变成可计算对象。性能指标有积分上限，预览时长另有限度；两个时间尺度不一致，使解析求解变得复杂。
Tomizuka 的关键转折，是把看不清的未来纳入随机控制框架：视野受限时，仍可外推；局部未来是确定的，更远处用概率假设。理论成形后，他没有停在黑板，而设计了一个“手动预览跟踪”实验：受试者看着屏幕与未来轨迹，做出最佳操作。三个受试者之一是 Wayne Book。Book 试图用独特策略打破理论，结果仍落在理论之内。五十六年后，Book 在生日会上仍记得这位日语极好、想要一顶德州牛仔帽的同组同学。
MIT 还给了 Tomizuka 另一种教育。
第一年，他住在图书馆；资格考试后回日本结婚，再回来时决定不再住图书馆。新英格兰的岁月里，他和妻子 Mako 演奏二重奏，花 250 美元买下一辆轮胎很差的 Mustang，又为轮胎追加 100 美元投资；换车时，一个法国人出 350 美元买走旧车，他自豪于“收回轮胎成本”。这些细节有一种工程师的朴素精确：成本、回报、时间、系统状态。
1974 年 2 月，Tomizuka 取得 MIT 博士学位；随后与新婚妻子开车横穿美国，在感恩节假期前抵达伯克利。
抵达时间差一点就改写命运——再晚一些，伯克利可能没有职位。他原本询问最优控制方向的博士后机会，对方没有位置，却把信转给系主任 Bob Stidel。Stidel 回复可能有教职空缺。Tomizuka 没有当真，因为他不能在美国空等一年。但既然到了伯克利，他还是停下来看了看。第一天面试，午餐被安排在教师俱乐部，同桌的是 Dave Auslander 夫妇。
但更关键的面试官，其实是招聘委员会主席 Yasundo Takahashi ——当时不在美国，而是在日本。于是 Tomizuka 回国后在东京新宿的酒店里接受了约三十分钟面试。结果很不错，对方同意了 Tomizuka 的教职申请，还安排了推荐信，临了海还给了一个建议：了解日本控制学界，并见一见产业界的人，尤其是 FANUC 这家公司。
于是，在拿到伯克利的正式任命之前，Tomizuka 见到了 FANUC 的稻叶清美，与 FANUC 的关系由此开始。
可以说，这是 Tomizuka 人生中最重要的两个选择：拿到教职、连接产业。
教职给了他一个可以长期追问的学术位置，产业则把真实机器的摩擦、间隙、成本与可靠性摆到他面前。此后半个世纪，他几乎一直站在这两扇门之间——一边要理论足够漂亮，一边要系统真的能动。
这也解释了为什么伯克利会选择 Tomizuka 。多年后，Auslander 亲口还原当时的招聘背景：控制领域最大的争执是理论对应用——理论家是否做过任何有用的事，应用者是否做过任何严谨的事。招聘委员会寻找的，恰是能同时回答这两个问题的人。
五十一年后，Auslander 在 Tomizuka 80 岁生日会上总结：“从招聘委员会的角度看，我们打了一个本垒打。”
04、伯克利早期：理论的优雅，必须落到机器上
Tomizuka 初到伯克利时，控制理论正处在状态空间方法盛开的时代：极大值原理、动态规划、李雅普诺夫稳定性、卡尔曼滤波、线性二次型高斯控制，以及基于稳定性的自适应控制，都在 1960—1970 年代成熟。
与此同时，计算技术正在换轨：他学生时代用 IBM1130 打孔卡，博士研究用 PDP-8 小型机；到伯克利时，校园主机是 CDC 6000，实验室计算机从 PDP-7 一路升级到 PDP-11、LSI-11。1970 年代还出现了新一代机械系统：IBM 在 1973 年推出 Winchester 硬盘，FANUC 在 1972 年成立。Tomizuka 后来在普渡的演讲中回忆，MSC Lab 自然演变成一个同时研究控制的数学与实现两面的实验室。
Tomizuka 常说，最初吸引自己的是控制理论的优雅；MIT 让他明白控制终究是工程。到伯克利后，这一判断变成明确哲学：理论与应用必须结合。
1970 年代的伯克利还保留着战后工程学院的自信，也充满新方向彼此碰撞的噪音。材料科学教授 Chandrakant Tien 给 Tomizuka 的忠告是尽快独立：不要只做导师体系的延长线，要建立自己的问题、学生与外部合作。Tomizuka 后来的办公室在 Etcheverry Hall 5116，门牌号在学生回忆里像一个坐标；从那里发出的邮件、推荐信、年度评审和产业电话，连接起 FANUC、NSK、IBM、Western Digital、Nikon、DENSO、Toyota 与后来的自动驾驶公司。
计算工具的更替也刻在他的技术观里。学生时代是 IBM1130 打孔卡，MIT 博士研究是 PDP-8，伯克利校园主机是 CDC 6000，实验室计算机从 PDP-7 到 PDP-11、LSI-11；几十年后，学生开始把 GPU、深度学习框架、世界模型和数据闭环带进同一间实验室。
Tomizuka 在今年的 80 岁生日会上说自己是“一个非常自适应的教授”。这句自嘲有严格含义：环境变化时，控制器若拒绝更新内部模型，就会被对象淘汰。适应不是放弃原则，而是让原则在新对象上继续成立。
这个哲学不是口号，而是一套招生、选题、合作、评价的工作方式。学生 Bin Yao 记得，Tomizuka 实验室里的问题必须有实际动机；Nancy Dong 记得，Tomizuka 从不鼓励学生只因数学优雅而追求复杂方案，而是反复追问：真正的问题是什么？背后的物理是什么？为什么这个方法比别的方法更好？
在机器人上，这一哲学第一次显出锋利。
Roberto Horowitz原本是机构运动学与动力学学生，1977 年选修Tomizuka 的 ME 134 自动控制课，后来一边做六自由度机械臂动力学推导，一边被新兴的机器人领域吸引。他请 Tomizuka 指导机器人运动控制，Tomizuka 建议研究自适应控制。Horowitz 的“电梯演讲”是拿牛奶壶：不知道壶是空是满，手臂会过冲；手臂完全伸展与收起时，动力学不同。最初他们把问题框成参数辨识，很快意识到路径不对，转向模型参考自适应控制与线性化——让机器人表现得像一个纯线性系统，同时完成稳定性分析。 Horowitz 后来认为，他们是第一批实际研究这种方法的人；这也是他的第一篇会议与期刊论文，构成博士论文主体。
这段合作还改变了 Horowitz 的人生地理。他原本可能去委内瑞拉石油公司或委内瑞拉的大学；机械系控制系统方向出现教职空缺时，Tomizuka 鼓励他申请。Horowitz 只面试了一次，就留在伯克利，成为 Tomizuka 之后下一代控制与机器人教师。生日会上，他说伯克利机械系如今在这个方向上有三代人：Tommy、我自己，以及更年轻的一代。
George Anwar 的故事更粗粝。
他在 ME 132 的“著名难题”期中考试里拿过传说中一个显著的低分——历史上被引用为13%；他没有退课，后来进入实验室，与 NSK 两轴直接驱动机械臂共度无数小时。那台机械臂是他的“宠物、朋友和生活”。企业愿意把设备送来，不是因为学生聪明，而是因为知道 Tomizuka 迟早会做出东西。Anwar 记得自己像在糖果店里的孩子，剪开、拆开、测试各种机器人；也记得另一个凌晨：本科生做倒立摆演示，熬了两夜，终于让轨道上的玩具火车稳定运行。早上八点 Tomizuka 走进来，听完报告，抬手猛击摆，火车飞出轨道。Anwar 说，这教会他一件事：演示必须极其鲁棒。
这些故事共同构成 MSC Lab 的早期气质：数学要严密，机器要真实，实验要经得起最坏的一击。
05、精密控制的骨骼：零相位、重复与学习
如果要用一个算法概括 Tomizuka 的技术风格，最合适的可能是零相位误差跟踪控制（ZPETC）。
它不是最复杂的发明，却最能体现他的工程审美：面对数字控制系统中无法直接求逆的不稳定零点，不硬来，而是重构前馈，使相位误差归零，把性能损失压到可解释的幅值项上。
后来成为 UCLA 教授的 Tsu-Chin Tsao 在 Tomizuka 生日会上回忆，Tomizuka 用一个双积分器例子说明问题：数字控制带来一步延迟和一个不稳定零点，零相位误差跟踪使跟踪误差与参考信号的二阶差分——也就是加速度——成正比。若被控对象良好，阶跃与斜坡信号可以被完美跟踪。
Tsao 接着说，Tomizuka 当时问他：零相位是否有某种最优性？这个问题在 Tsao 论文完成时仍未解决。毕业后，他继续思考，最终把模型匹配残差加上有界加速度约束，求解后发现，对带一步延迟和一个不稳定零点的典型运动控制系统，H1 与 H∞ 意义下的最优解与零相位误差跟踪控制器完全相同。至此，一个工程上好用的算法，获得了理论上的闭环解释。这是 Tomizuka 式研究的完整周期：从实际问题出发，给出可用算法；再由学生把“好用”推进到“可证明”。
重复控制与迭代学习控制延续了同一逻辑。
第 89 号学生、后来任教于 RPI 的 Sandipan Mishra 回忆，他到伯克利后在 Nikon 晶圆台项目中研究内模原理：晶圆扫描是重复过程，把扰动动态注入控制器，就能在下一次重复中削弱它。几年后，他把同样思想用于直升机桨叶振动，再用于机翼上窄带扰动诱发的颤振抑制。研究生阶段六个月到八个月的重复控制训练，变成一条贯穿学术生涯的线。
迭代学习控制则把“熟能生巧”形式化：同一任务重复执行，每一次试验都为下一次提供修正。Mishra 的博士论文关心收敛性、最终性能与安全之间的权衡；多年后他把这套生活化结论带进强化学习——探索、失败、学习，失败的一步往往带来最多信息。
对 Tomizuka 而言，这不是追逐热点，而是控制论内部的一条老线索：系统在有结构的环境中重复暴露，就应当利用重复性；未知扰动集总存在，就应当估计并补偿；未来可知，就应当预览；未来不可知，就应当用概率与反馈守住边界。
这套逻辑后来常被误认为“传统控制”。事实上，它比许多后来的流行术语更早触及智能的核心问题：如何从经验中改进，同时不牺牲稳定性。（欢迎添加作者吴彤微信：lI__O0o）
06、硬盘：纳米尺度上的工业共和国
1980 年代末，伯克利机械系决定成立计算机力学实验室。
学生David Bogy回忆，最初方向很多，几年后变得明确：数据存储才是未来。实验室没有政府资金，必须从工业界筹资；最多时有 26 家成员公司，如今硬盘行业只剩两三家。Tomizuka 与 Horowitz 很快成为实验室在伺服执行器与磁道控制上的支柱。学生必须向企业做年度报告，内容必须让企业觉得值得付费。
硬盘是控制理论的绝佳试炼场。盘片每分钟数千转，磁头悬浮在盘片上方，读写位置误差以纳米计；温度、振动、材料偏心、柔性介质、执行器带宽，都会把理论拉回现实。
1990 年代中期，Iomega 因可移动 100MB 存储设备成功而找上门。Craig Smith记得，真正的挑战不是把鲁棒控制的大锤子举起来，而是 Tomizuka 每周研讨会里那个尖锐的小问题：“这比单纯的 P 控制真的好多少？”这句话不是反智，而是工程经济学：复杂度必须购买足够多的性能，成本与约束会随时代改变，因此同一个问题值得被重新审视。Smith 的博士研究主题，正是如何减少部署重复控制与周期性补偿所需的内存和计算量——“用更少做更多”，后来成为硬盘行业二十五年的核心语法。
Nancy Dong 是 Tomizuka 第 96 号博士生。她研究硬盘自伺服写入：不依赖外部定位设备，以纳米级精度写入磁道。这需要前置运动控制、系统辨识、干扰抑制、迭代学习控制与先进估计。她毕业后加入美敦力，十三年里开发重症监护呼吸机控制算法。
硬盘与呼吸机看似遥远，实则共享同一张控制框图：高速动态系统、精确传感、扰动抑制、反馈控制与不确定性下的鲁棒性。差别在于，呼吸机的“被控对象”还包括人体呼吸生理学；每一次呼吸不同，每个患者不同，同一患者也会随临床状态改变。2023 年夏天，她在南加州大学医院新生儿重症监护室看到两个只有 500 克的早产儿，靠她和团队开发的算法驱动的呼吸机维持呼吸。她说，那一刻，从纳米级磁头定位到维持新生儿脆弱生命，底层工程原理保持不变。
学生Steve Jen研究硬盘窄带干扰的自适应抑制：先识别干扰频率，再拟合进扰动观测器；或直接更新控制器参数以最小化磁道误配准。2009 年毕业后，他加入 Western Digital，在金融危机后的萧条期做 2.5 英寸 7200 转产品的伺服补偿器。八年后离开，他开玩笑说最后悔的是没留住股票。更意外的是，他把控制理论带进广告系统与数据科学：广告竞价是优化问题，也可转化为反馈控制回路；在 TikTok Shop，他用传感器般的数据埋点测量用户行为，再施加“影响而非操纵”的控制信号。控制论从机械系统进入数字系统，不需要改名。
Xu Chen的博士工作则处理宽带振动与“水床效应”：在误差抑制与机械系统基本限制导致的放大之间做权衡。他没有为工业系统重写控制器，而是在频域中“移除材料”，用较小陷波容纳宽频谱振动，再把移除的材料智能放到不敏感区域；不小心，就会把这些材料堆到山顶。四次 Western Digital 实习、专利与工业交付，让他把这套方法带进硬盘生产线。今天他在华盛顿大学教授现代控制，与 Tomizuka 合著教材《Introduction to Modern Controls》。
Western Digital CTO 车晓东在 Tomizuka 80 岁生日会上提出一个半玩笑的相关性：1994 到 2004 年，磁道密度 TPI 增长 30 倍；而 1994 年前后正是 Tomizuka 研究生毕业高峰之一。
“如果我是你，我会把这份功劳归于自己。”他说。
更硬的数据是，云端约 80% 的数据仍存在硬盘上；从第一台机器每英寸 10 条磁道，到如今展示每英寸 100 万条磁道，机械维度贡献了约 10 的五次方改进。硬盘行业并不性感，却长期为控制理论提供最残酷的考试：性能必须提升，成本必须下降，故障必须可解释，算法必须量产。
这也是为什么硬盘成为 Tomizuka 学术谱系的隐秘底座。许多后来进入机器人、自动驾驶、医疗设备、互联网广告的人，都在磁盘文件系统里学会同一件事：理论必须经受每秒数千次反馈的审问。
07、PATH：自动驾驶之前的自动公路
今天讨论自动驾驶，叙事常从 DARPA 挑战赛、深度学习或 Waymo 开始。Tomizuka 的线索更早。
1988 年起，Tomizuka 与加州 PATH 的Weibin Zhang合作研究车辆横向控制。DENSO 带来一辆四轮转向、四轮驱动、独立悬挂的测试车，价值超过百万美元，配备 DSP；1991 至 1993 年，日本供应商又带来丰田捐赠与驻场工程师，改装液压转向执行器、通信与计算机系统，并安装磁传感器。那是一辆全尺寸车，在真实道路条件下工作，面对液压执行器死区与非线性动态。Weibin Zhang 认为，这可能是自动车辆控制领域第一次用离散参考系统对装备精良的真实车辆进行测试，也是早期全规模演示之一。
这条线很快汇入更大的制度变迁。
1991 年，美国国会通过《综合地面交通效率法案》（ISTEA），资助智能车辆公路系统与自动化公路系统研究；PATH 是核心参与者之一。政府官员、国会议员与联邦公路管理局负责人来到 Richmond Field Station，看测试车沿埋设磁性标记的道路行驶。华盛顿负责决策，工程师负责让它可信。1997 年，Demo 97 在圣地亚哥 I-15 上进行自动化公路演示；PATH 保存的项目资料显示，这一时期的自动公路研究把车辆控制、道路基础设施、通信与交通安全放在同一个系统里设计。
值得注意的是，有一段容易被忽略的国际回声：
1996 年，日本筑波也做了自动公路演示，Tomizuka 的学生在横向控制中扮演关键角色；次年 Demo 97 在加州进行。
对一个以企业联盟和公共资金维持的项目而言，跨国演示的意义不只是技术可行，而是证明“车辆—道路—控制”的系统方案可以跨制度复制。Weibin Zhang 在回忆中特意提到Hu Pin：一位早逝的合作者，曾参与把早期横向控制推向实车。技术史通常只记录幸存下来的项目名称，但 MSC Lab 的口述材料保留了这些名字，说明这条线从来不是几位明星学者的独奏，而是许多工程师在测试场、实验室和公路上共同完成的长跑。
Tomizuka 的角色不是管理整个 PATH，而是把控制理论钉进车辆。
学生Pushkar记得，他在 Richmond 野外站看到一次爆胎实验：整辆车摇晃，却仍保持在车道内。他当即决定“这就是我想做的”。他研究重型车辆车道保持控制器的鲁棒性与性能，最初被高度非线性的方程吓住；Tomizuka 提醒他“这个模型本质上是非线性的”，又建议尝试滑模控制。Pushkar 在实验中发现，把速度视为参数后，模型实际上呈现线性；他与 Andy Packard 讨论 LPV 工具箱，在不同车速下做实验，最终实现 LPV 控制器。Tomizuka 已经拿到卡车、执行器与每年约30 万美元的项目资助，却信任一个“什么都没做过的年轻人”。Pushkar 后来说，那是他无法忘记的信任。
从伯克利毕业后，Pushkar 先去 IBM，再进入 Intuitive Surgical，经历四代达芬奇手术机器人。他把这段路径概括为一种迁移：让卡车保持在车道内，让数据保持在磁道内，让手术器械在体内精确运动——问题变了，严谨不变。
Jin Yu在 2000 年代初研究 PATH 车辆的故障检测与隔离。车辆前后保险杠上的两组磁强计测量横向位置，一旦故障，自动运行就失去安全基础；他用基于观测器的 FDI 与滤波器方法检测传感器故障，并修改 LQR 控制器，仅使用位置反馈完成横向控制实验。二十多年后，他仍保留 ME 232、ME 233 的课堂笔记，仍使用扰动观测器、自适应控制与卡尔曼滤波；回到台湾后，他把故障检测用于机器人执行器，把位置反馈控制用于机器人，再教授等价于 ME 233 的线性系统理论。
PATH 的历史意义，在于它提前暴露了今天自动驾驶产业仍在处理的问题：单车智能与基础设施的边界，控制与感知的分工，安全冗余的设计，真实道路上的非线性，示范与量产之间的距离。Tomizuka 在这里得到的不是“自动驾驶先驱”这种事后封号，而是一种长期主义的技术判断：车辆不是孤立的智能体，而是道路、法规、人类行为和机械动态共同构成的系统。
08、DeepDrive：当学习进入控制回路
2014 年前后，MSC Lab 的车辆研究进入另一个阶段。
Wei Zhan把博士旅程概括为四个词：开端、雄心、扩展、产品化。开端来自 PATH 项目重启与一个很现实的问题：为什么当时 Google 的自动驾驶车仍卷入许多事故，要么过于保守，要么对违规行为不够防御？Tomizuka 建议他研究实际问题，最后的成果是“非保守防御性驾驶”：把决策与规划结合，同时处理周围道路使用者的不确定性。
雄心出现在 2017 年前后。交互预测、联合预测规划、如何从大规模联合行为中学习，成为整个社区的难题。
当时可用的行为数据主要是 NGSIM，标签不准、场景单一、偏高速。Wei Zhan 与团队构建 INTERACTION 数据集，从国际真实场景收集高度交互驾驶行为，自动处理获得高精度标签，并建立预测基准。公开论文简介显示，他是该数据集的第一作者，并组织了 NeurIPS 2020 与 ICCV 2021 的预测挑战；他 2019 年从伯克利获得博士学位，后任伯克利助理研究员与 Berkeley DeepDrive 联合主任。
扩展则由 AlphaGo 触发。2016 年，Tomizuka 在实验室闲聊中兴奋地找到 Wei Zhan：AI 真的可以彻底改变决策系统，而不仅是感知系统。Berkeley DeepDrive 成为承载这一转向的平台，MSC Lab 是中心关键参与者之一，创建早期自动驾驶测试，搭建 2017 年驾驶模拟器，让行人在 Richmond 野外站实时制造奇怪行为，挑战自动驾驶车辆。十余名博士生围绕全栈汽车 AI 展开研究，赞助来自多家世界级企业。
产品化发生在工业界。Wei Zhan 后来在 Applied Intuition 创建工业研究实验室，把 Tomizuka 家族树的一种特殊后继者建在公司里：几十名研究人员和工程师，不只发论文，也解决根本问题，把研究心态带入自动驾驶栈、车辆操作系统、仿真工具与数据引擎，服务全球前二十大 OEM 与多家自动驾驶公司。
这一转变中的核心问题，是学习与控制如何共处。Chen Tang 记得，读博时所有人都在思考用模仿学习或强化学习为复杂交互交通学习类人策略；Tomizuka 持续追问的是：基于模型的控制理论在学习时代还能发挥什么作用？
他们给出的一个答案是 RL 策略加扰动观测器的安全迁移：不直接把强化学习策略部署到车上，而先由策略生成运动学轨迹，再由基于 DOB 的跟踪控制器在真实车辆上跟踪轨迹，从而抑制外部干扰，缩小仿真与真实之间的迁移鸿沟。实验在 Richmond 野外站完成；当时 Chen Tang 还没有驾照，只能请 Wei Zhan 担任安全驾驶员。Chen Tang 后来在 UCLA 建立可信自主移动系统实验室，研究以人为中心的自主系统。
Jiachen Li的博士论文则把多智能体交互表述为关系推理：用图表示系统，把智能体作为节点、关系作为边，从观测行为中无监督推断领导者—跟随者、避碰、群体等关系，再反过来提升预测。毕业后，他先后在斯坦福做博士后、在 UC Riverside 任教，后赴 Georgia Tech，领导可信自主系统实验室，研究可信、交互式、以人为中心的自主性。
Liting Sun的故事呈现了 MSC Lab 的另一种入口。
她最初只是访问学生，没有资助，也没有正式小组身份，每天看着博士生上课、讨论，花了许多天准备才敢敲 Tomizuka 办公室的门。Tomizuka 没有因为她是访问学生而拒之门外，而是让她先与同伴合作，递给她一篇关于 Bode 图的论文：如果能理解，再来谈。两天后她解释清楚，开始得到简单任务，随后放弃原先的博士路径，重新申请伯克利，正式加入实验室。
她研究过硬盘、扰动观测器、迭代学习控制，也修过晶圆台；2015 年后转向自动驾驶，后来去 Waymo 做研究科学家。她说，经典控制与现代机器学习应当结合：一边怀疑另一边只是拟合，另一边怀疑前者无法处理复杂世界；把两者优势接起来，工作才会独特。
这正是 Tomizuka 在 2019 年西安一场报告中公开表达的判断：自动驾驶的前沿是机器学习与 AI，但传统基于模型的控制仍发挥重要作用；更令人兴奋的研究，是把二者结合。几年之后，这句话变成整个 MSC Lab 年轻世代的工作纲领。
09、学术共同体：stewardship，而不是 leadership
如果只看论文和专利，Tomizuka 的故事会被误读为一名高产学者的个人史。生日会上，同代学者反复使用的另一个词是 stewardship——看管、维护、让一个领域持续运转。
学生 Miroslav Krstic说得直接：Tomizuka 的许多贡献不属于“领导力”那种站在前面的姿态，而属于 steward 的工作：创立期刊、连接学会、服务评审、帮助年轻人进入共同体，在行业与学术之间维持长期信任。
这种工作的痕迹遍布控制与机电一体化的制度史。
他曾任 ASME Journal of Dynamic Systems, Measurement and Control 主编，也是 IEEE/ASME Transactions on Mechatronics 的创刊主编；在一个 IEEE 与 ASME 各自有传统的领域里，把机电一体化放到同一本期刊上，本身就是一种边界工程。
美国自动控制委员会 1995 年西雅图ACC 大会上，Tomizuka 任总主席，Galip Ulsoy 任程序主席；Ulsoy 后来回忆，那几年美国国家科学基金会的动力系统与控制项目正需要既懂理论又懂应用的人，而 Tomizuka 在 NSF 的服务让更多跨学科提案被认真对待。Krstic 年轻时提交过一份并不成熟的 NSF 提案，Tomizuka 没有把它当作麻烦，而是帮他理解评审真正期待的问题结构。多年后，Krstic 把这件事概括成一句共同体政治：“社会不是靠章程运行的，而是靠资深人士是否回应年轻人。”
这种回应并不总是隆重。Lucy Pao 记得 1994 年 ACC 的早餐会、1995 年大会，以及后来的日美越研讨会，Tomizuka 总在做一件小事：把年轻人介绍给该认识的人，提醒资深学者提名谁、支持谁、不要忽略谁。Galip Ulsoy 的记忆更生活化：两人曾在会议上同住，讨论菜谱、孩子、系主任、学会政治；Tomizuka 送给年轻教师的一句忠告听起来像玩笑，实际极冷静——“永远善待你的学生，因为你永远不知道他们中谁会成为你的老板。”
伯克利机械系内部，这种 stewardship 又有更日常的形态。
David Auslander回忆招聘时，系里要的是能结束“理论对应用”争论的人；David Bogy回忆计算机力学实验室早期，硬盘行业从二十六家成员公司收缩到两三家，靠的正是几位教师持续证明研究值得企业付费；Francesco Borrelli记得一次 NSF 查重系统误报，他几乎被卷入抄袭风波，是 Tomizuka 帮他把问题拆开，向项目官员解释清楚。
Borrelli 也记得第一次去日本 FANUC 总部时的震惊：在机器人工业的圣地，Tomizuka 受到近乎神话般的礼遇。Koushil Sreenath 则在准备一份 150 万美元的青年教授 proposal 时得到过具体帮助；后来在港深创新及机器人研究院（HKCLR）的合作中，他再次看到同一种风格：不替年轻人做研究，而是帮他们拆掉制度摩擦。
这类工作很难进入谷歌学术的引用曲线，却决定一个领域能否传承。控制理论尤其如此：它需要数学训练，也需要机器、资金、实验场地、工业问题和学生；单靠天才论文无法维持。
Tomizuka 在 80 岁生日会上说自己只是“幸运”，但生日会的议程本身反驳了这种谦辞。机器人、数据存储、车辆交通、机电制造四个主题，不是四个碰巧相邻的方向，而是他与同事、学生、企业共同维护了几十年的生态系统。（欢迎添加作者吴彤微信：lI__O0o）
10、人的问题：安全、协作与机器人为何存在
Changliu Liu在 2012 年进入伯克利时，已经有一套宏大设想：未来的工厂里，人类与机器人应当协同工作，生产系统要灵活、可扩展、安全。
她本科在清华制造工程，做过两年应用工程，到 MSC Lab 后第一年却卡在上肢外骨骼项目上，进展受挫。Tomizuka 没有责备，而是告诉她可以自由改变方向，并指向一个更根本的问题：人机交互与机器人安全。
这次转向几乎定义了她此后的学术身份。她先从视觉模型出发，预测人类的行为与意图，再考虑机器人应当如何反应；随后研究人机协作中的安全，从指定机器人应遵守的安全规则，走向更广泛的“如何指定约束、如何在约束下设计控制器”。
当她在 FANUC 实习、在 DENSO 测试车辆上运行效率控制器时，控制理论与真实系统之间的接口变得更清晰：轨迹规划在 10 赫兹运行，安全层必须在 1000 赫兹接管。那套安全算法后来有了一个更广为人知的名字——控制障碍函数（control barrier function）。
她回到伯克利完成博士后，随后去 CMU 创办 Intelligent Control Lab，如今是卡内基梅隆大学机器人研究所副教授，并曾兼任 Meta Reality Labs 研究经理与 Instinct Robotics 联合创始人。2014 年，她与 Tomizuka 关于制造系统安全的论文已把问题陈述为：机器人运动既要最小化对人类的影响，又要在物理极限内保持安全。到 2026 年，她在 Tomizuka 生日会上展示的是一个更完整的闭环：从人类行为预测，到安全约束，再到高效控制，最终进入抛光机器人、仿人机器人与下一代工业系统。
她的经历也最能说明 Tomizuka 的导师方式。Changliu Liu 用了一个近乎悖论的评价：
Tomizuka 看似非常佛系，给予学生很多自由，却又非常清楚该在哪些关键节点指导。他不是那种每周固定一对一、事事预设答案的导师；但他会认真倾听，在学生和系统同时失稳时接入反馈。
她记得自己曾在近乎停顿的项目里收到一句判断：博士研究选择什么题目并不最重要，重要的是你是否在这个过程中变得更聪明。后来，她把同样的话送给自己的学生。
Te Tang提供的是另一种题目选择。
2012 年，他刚上清华大三，就联系上 Tomizuka，随后进入 MSC Lab，再到 FANUC 先进研究实验室，研究操作与运动规划。FANUC 给了他与日本同事并肩工作的机会，也让他直面一个难题：机器人能抓起硬物，却未必能折好一件衣服、系好一条领带、穿好一根线束。可变形物体操作需要接触、感知、估计、规划与控制协同。
几年后，他创立 Anyware Robotics，产品 Pixmo 用“加装”方式把移动底座、协作机械臂与夹爪装上叉车，服务仓储装卸；个人主页与公开报道显示，他曾在 FANUC 任高级研究工程师，后成为 Anyware Robotics 联合创始人兼 CTO。
在生日会上，Te Tang 把与 Tomizuka 的导师关系讲成三种身份：导师、父亲、朋友。
他记得 Tomizuka 一次次请他到家里吃饭，关心他与女友远距离恋爱是否还好，安慰他“别担心，会解决的”。但他最珍视的话仍然关于问题定义：“在解决问题之前，请先思考要解决什么问题。你认为一个真正困难的问题是什么？”这句话像一把手术刀，切开学术训练与创业之间的隔膜。
Kyoungchul Kong把反馈控制讲得更彻底。
他在伯克利后创办 Angel Robotics，做帮助完全截瘫者重新行走的外骨骼，并两次赢得 Cybathlon 金牌；后来又转向康复机器人、意图识别、智能鞋与老龄化辅助。他说，控制理论最有力量的一点是：闭环动态不是由被控对象决定的，而是由工程师设计的。这个判断支撑他把公司也当作控制系统来运行：匿名 AI 助手充当测量系统，收集员工可能不愿当面提出的抱怨；商业计划书不是写给投资人的，而是设计期望响应的目标函数。
这些故事共同回答一个问题：机器人究竟为什么存在。
对 MSC Lab 的人机交互世代而言，答案不是取代人，而是让机器进入人的生活时不带来恐惧；不是追求演示中的灵巧，而是让安全约束、效率目标与真实人类行为被放进同一个可验证框架。
Tomizuka 常把 mechatronics 描述为物理系统与控制、决策、AI 的合成；在人机协作里，这个定义最终指向一句更朴素的话——机器必须先理解人，才谈得上帮助人。
11、制造与机电一体化：让机器长出神经系统
Tomizuka 对 mechatronics 的定义，学生Soo Jeon在生日会上重新背了一遍：它是对物理系统的综合——控制、决策与人工智能——借助现代信息技术、传感器与执行器完成。
这个定义在今天听来像具身智能的预告；在几十年前，它首先是制造工程的训练法。
Jeon 的研究对象是一台“带仪器的间接驱动机构”：不是直接驱动臂那种理想对象，而是带传动、弹性、摩擦与延迟的真实机器。他要设计控制器，也要理解为什么传感器必须被放进机械结构本身。后来他去 Applied Materials，把这套训练带进半导体设备；再往后，他把“sensor-rich mechatronics”讲成机器感知的地基。
他保存着 Tomizuka 用红笔批改年度报告的记忆：技术内容 A，写作 C。这个评分在 MSC Lab 里几乎是一种成人礼。工程表达不是修辞装饰，而是技术的一部分；如果连赞助企业、合作工程师和未来的自己都读不懂，算法再漂亮也没有完成闭环。
Jeon 还提到一个当代插曲：他问生成式 AI，谁是最有影响力的机电一体化学者，得到的答案是 Tomizuka。他并不把这个回答当作权威，却把它当作一个时代信号——许多没有进入教科书的训练方式，已经通过学生进入工业系统。
Prabhakar Pagilla 是 Tomizuka 第 49 号博士生。
生日会上，他用一个数学玩笑概括这个家族的规模：Tommy 已经有 12 个平方，也就是 144 名学生，正在向 13 个平方169迈进，也许还会到 15 个平方 225。
玩笑之外，他记得的是 FANUC 资助的受限非线性机械系统研究：机械臂在自由空间与接触环境之间切换，控制目标从轨迹跟踪变成力与位置的混合，稳定性和性能都要在接触瞬间保持。后来他研究自适应输出反馈，处理无法直接测量全部状态的现实。
Pagilla 说，MSC Lab 真正让人难忘的不只是论文，而是一种共同体密度：酒吧、露营、滑雪、感恩节晚餐，学生彼此成为证婚人、同事、合作者和终身的同行评审。“如果你是 Tommy 的学生，你不会感到孤独。”
Sandipan Mishra 的记忆则把制造精度与飞行安全连起来。
在 Nikon 晶圆扫描台项目里，他把内模原理与重复控制用于纳米级运动；多年后，同样的窄带扰动抑制思想出现在直升机桨叶与机翼颤振问题里。博士阶段关于迭代学习控制的训练，使他后来在强化学习里反复强调三件事：收敛是否可证明，失败是否可恢复，模型误差会不会被探索策略放大。空中加油这类高风险任务，不允许算法用真实坠毁换取样本效率。
Mishra 把迁移学习称作某种“溯因”：从旧任务中猜出新任务的结构，再用谨慎实验验证猜想。这个表述已经很接近今天世界模型与具身智能讨论的核心，只是它来自一个更老的传统：先理解动力学，再谈学习。
2020 年 5 月，Tomizuka 出任港深创新及机器人研究院（HKCLR）联席院长，把这套训练带入大湾区。
HKCLR 官网对他的介绍列出 UC Berkeley 机械工程与 EECS 教授、Cheryl and John Neerhout, Jr. Distinguished Professor、美国国家工程院院士、IEEE/ASME Fellow 等身份。不过，Tomizuka 更愿意把机器人控制选作自适应控制的载体，并强调产业合作不是附属品，而是问题来源。
Tomizuka 与 HKCLR—Berkeley 合作成果包括：四足机器人运动与跳跃技能库、零样本自适应四旋翼控制器、面向工业抓取 bin picking 的 sim2real 六维位姿估计。它们表面上是三个方向，底层是同一问题：如何让控制器在对象变化、环境变化和部署迁移中保持有效。
对于“奇点”与人类是否会被机器取代，Tomizuka 在 HKCLR 的一次访谈中保持了他一贯的冷静：人类的创造力仍然独特，未来更可能是人类优势与机器人辅助的结合。这个判断不像科技预言，更像控制工程师对复杂系统的经验结论——当系统越来越复杂，真正稀缺的不是让某一部分最大化，而是让整体在安全、效率和人类意图之间保持可调。
12、谱系：一张跨越太平洋的名单
Tomizuka 的学术谱系之所以难以整理，不是因为神秘，而是因为太多。公开个人主页、活动日程与口述材料交汇出的中国学生与学者名单，已经足够构成一个小型领域史。
在学术与基础研究一侧：
陈建宇从清华到伯克利再回到清华，创立星动纪元；Changliu Liu从 MSC Lab 到CMU，研究人机交互安全；Jiachen Li在伯克利取得博士学位后，经斯坦福博士后、UC Riverside 任教，再到Georgia Tech，继续研究可信自主系统；Chen Tang在伯克利研究强化学习与基于模型控制的结合，后赴UCLA；Chenfeng Xu在伯克利由 Tomizuka 与 Kurt Keutzer 联合指导，研究自动驾驶与具身智能感知，后将赴UT Austin 计算机系任教；Mingyu Ding并非其博士门生，却在香港大学博士毕业后进入伯克利 BAIR 做博士后，与 Tomizuka 合作，现为北卡罗来纳大学教堂山分校助理教授。
在工业与研究基础设施一侧：
Wei Zhan从 PATH 到 Berkeley DeepDrive，再到 Applied Intuition，把非保守防御性驾驶、INTERACTION 数据集与工业研究实验室连成一线；Zhuo Xu在伯克利取得博士学位，研究轨迹预测、模仿与强化学习，后加入 Google DeepMind；Ran Tian在 MSC Lab 从事自动驾驶研究，现为 NVIDIA 资深研究科学家，并曾任 CMU 博士后。
更长的名单里，还有 Liting Sun、Yeping Hu、Lingfeng Sun、Xinghao Zhu、Wu-Te Yang、Zhizhou Zhang、Chenran Li、Jinning Li、Changhao Wang、Huidong Gao、Yiyang Zhou、Xiang Zhang、Zheng Wu、Qiyang Qian、Jen-Wei Wang、Hsien-Chung Lin、Peng Cheng、Yongxiang Fan、Zining Wang、Yu Zhao、Wenjie Chen、Ran Zhou 等名字。
他们有的出现在 MSC Lab 的论文、访问记录或项目页上，有的只在很多人的口述里留下音译。本文不把所有音译都强行坐实为履历；无法与公开记录对应的个别名字，宁可停在边界外。这个边界本身，也是 Tomizuka 方法论的一部分：证据不足时，不把推断写成事实。
这些名字背后的分工，几乎对应具身智能所需的所有层。
Liting Sun从硬盘、扰动观测器和晶圆台走向Waymo，代表“精密控制进入自动驾驶”的一条线；Chen Tang把强化学习策略包进扰动观测器与轨迹跟踪控制，代表“学习不裸奔”的一条线；Jiachen Li把多智能体交互推断成关系图，代表“预测必须理解社会结构”的一条线；Wei Zhan把 INTERACTION 与工业实验室做成基础设施，代表“数据集与工具链也是研究”的一条线；Zhuo Xu、Ran Tian、Chenfeng Xu、Mingyu Ding 等人则把轨迹预测、视觉感知、占用网络、基础模型与自动驾驶系统带入 DeepMind、NVIDIA、UT Austin、UNC 等机构。
更年轻的 Wu-Te Yang、Zhizhou Zhang、Chenran Li、Jinning Li、Changhao Wang、Huidong Gao、Yiyang Zhou、Xiang Zhang、Zheng Wu、Qiyang Qian 等名字，分散在自动驾驶感知、仿真、机器人学习与控制论文里；他们未必都直接以 Tomizuka 为唯一导师，却都处在这个实验室扩张后的引力范围内。
这条谱系也解释了为什么“具身智能”在中国会显得既突然又熟悉。
突然，是因为大模型把公众注意力猛地拉到机器人身上；熟悉，是因为 MSC Lab 过去四十年一直在为这个问题准备零件：精密执行、传感融合、实时控制、学习算法、安全约束、工业交付。大模型提供的是新的通用先验，控制传统提供的是让先验落到物理世界时不坠毁的骨架。两者相遇，才构成今天被称为 Physical AI 的战场。
这条谱系也足以显示一种迁移机制。第一代学生在硬盘、机器人与 PATH 里学习控制的严谨；第二代进入自动驾驶，把模型与学习缝合；第三代则站在具身智能门口，面对一个比道路更复杂的世界。学术谱系不是荣誉陈列，而是一种技术传统的复制与变异：每一代都继承某些不变量——建模、反馈、不确定性、安全、验证——又把目标函数换成新的时代问题。
13、不变的东西：控制的严谨如何穿过时代
Tomizuka 的一生横跨多个技术范式：最优控制、状态空间、自适应控制、直接驱动机器人、ZPETC、重复控制与迭代学习、硬盘伺服、自动公路、扰动观测器、LPV 与鲁棒控制、控制障碍函数、机器学习与基于模型控制的结合、世界模型、VLA、具身智能。
表面上看，这些词属于不同时代；底层却有若干几乎不曾动摇的逻辑。
第一，物理先于算法。无论是牛奶壶、磁头、爆胎卡车、呼吸机、抛光机器人，还是物流分拣中的人形机器人，MSC Lab 的起点都不是“有一个模型想试试”，而是“真实系统为什么失败”。Tomizuka 在 MIT 学到的关键一课，是控制终究是工程；他在伯克利五十年重复做的事，是把优雅的数学逼到执行器、传感器、非线性、死区、延迟、噪声和成本面前。
第二，反馈不是补丁，而是世界本身不确定性的制度化表达。自适应控制承认参数未知；扰动观测器承认集总扰动存在；重复控制与迭代学习承认任务有结构；鲁棒控制承认模型误差有界；安全层承认高层规划会失败；RL+DOB 承认学习策略不能直接裸奔。所有这些方法并不互相排斥，它们是在不同假设下管理不确定性。
第三，复杂必须购买性能。Craig Smith 的那句“这比单纯的 P 控制好多少”，是 MSC Lab 最锋利的工程伦理。任何更高级的算法都要回答：它多出来的稳定裕度、精度、鲁棒性或适应性，是否值得其计算量、内存、调参与维护成本？在学术上，这是严谨；在工业上，这是生存。
第四，问题定义优先于解法炫技。Te Tang 记住的是“先思考要解决什么问题”；陈建宇记住的是“长期价值的大问题”；王一舟记住的是把大脑放进真实世界稳定运行。导师最深的控制作用，往往不是纠正一个方程，而是改变学生选择目标函数的方式。
第五，安全不是限制创新的刹车，而是让创新进入真实世界的许可。从硬盘读写保护、车辆 FDI、PATH 的冗余传感、Intuitive 的手术机器人，到控制障碍函数、外骨骼、医疗呼吸机与物流机器人，安全一直在场。它有时表现为物理限位，有时表现为 1000 赫兹底层控制器，有时表现为失败样本驱动的再训练。形式变化，原则不变：高性能不能以不可解释的脆弱为代价。
第六，导师自身也是一个自适应系统。Tomizuka 在生日会上说自己“enter control because of mathematical elegance”，后来才理解工程；他说自己是“一个非常自适应的教授”；他羡慕同事们用相机记录一切，因为自己所有记忆都在脑里。这个自嘲恰好准确：他的实验室像一个高带宽控制器，输入是时代变化，输出是学生与论文，内部状态不断更新，却从未失去稳定性。
学生们记住的往往是控制器接通的瞬间。
Tsu-Chin Tsao 记得 1989 年 Loma Prieta 地震，实验室吊灯剧烈摇晃，所有人本能地寻找掩体，Tomizuka 看了一眼，说：“别担心，现在做什么都太晚了。让我们就等它过去。”这不是鲁莽，而是一种对系统时间常数的直觉：有些扰动无法用即时反馈消除，只能保证结构不垮，等它过去。
Kyoungchul Kong 记得滑雪课上，Tomizuka 从背后松开手：“勇敢一点，山下见。”这也是控制教学：先建立平衡，再撤掉支撑，让学生在自己的动力学里恢复稳定。
这也是为什么，把故事写成“控制理论被 AI 取代”会失真。更准确的叙述是：当 AI 从识别世界走向改变世界，控制理论重新变得致命地重要。会看不够，会说也不够；能稳定、可验证、可恢复地作用于物理世界，才是智能的成人礼。
14、回到 Jarvis Auditorium
Tomizuka 80 岁生日会的最后一个技术专场结束后，听众没有立刻散去。
FANUC、NSK、Western Digital、Applied Materials、DENSO、Toyota、PATH、Intuitive Surgical、Waymo、NVIDIA、Google DeepMind、Meta、CMU、UCLA、Georgia Tech、清华、星动纪元、原力无限——这些机构名字在一天的演讲中反复出现，像一张被折叠多年的产业地图重新展开。
Tomizuka 坐在前排，听学生把几十年前的办公室、滑雪、感恩节晚餐、红色批改笔迹和“小于或等于 15%”的成绩标准一件件取出来，又把 HDD、PATH、RL、VLA、Physical AI 放回同一张图上。
Tomizuka 如今仍有多重身份：
伯克利机械工程与电子工程及计算机科学教授，Cheryl and John Neerhout, Jr. Distinguished Professor；曾任机械系主任、工程学院代理院长；是 IEEE Life Fellow、ASME Fellow、IFAC 与日本 SICE 的会士；曾任 ASME Journal of Dynamic Systems, Measurement and Control 主编，也是IEEE/ASME Transactions on Mechatronics 的创刊主编。2022 年入选美国国家工程院后，伯克利校方在公告中特别强调他对学生与年轻学者的长期扶持。
公开履历还显示，他获得过美国自动控制委员会的 Richard E. Bellman Control Heritage Award 等荣誉；这类奖项通常不奖励单篇论文，而奖励一个人对控制传统的长期塑造。在日本，他还担任 Fukui 的 F-REI“自主智能群体控制”单元负责人，研究多机器人系统在异构任务中的分布式规划、控制与学习。
这些职务放在一起，能解释生日会为什么不像一场普通的退休庆典。
ACC、AACC、IFAC、ASME、IEEE、NSF、FANUC、NSK、Western Digital、PATH、Berkeley DeepDrive、HKCLR，每个机构都代表一种资源：会议、期刊、评审、资金、设备、道路、工厂、数据和年轻人。Tomizuka 半个世纪的工作，很大一部分是在这些资源之间建立低损耗连接。控制论关心信号如何穿过系统；他的学术生涯关心人才如何穿过制度。前者需要稳定性证明，后者需要信誉、耐心和反复出现的可靠。
这也让他与许多“明星科学家”区分开来。明星科学家的传记常以“发现时刻”为高潮，Tomizuka 的传记却以“重复”为高潮：每周研讨、每年企业报告、每次资格考试后的长谈、每届学生的开题与答辩、每十年一次的技术迁移。
重复并不乏味；在控制系统里，重复恰恰是学习得以发生的前提。好比 iterative learning control 的思想落到教育上，就是同一套问题在一届届学生身上重复出现，而每一届都允许控制器比上一届更精确一点。
这些头衔并不足以解释为什么 Tomizuka 生日会能聚齐如此多的人。更有解释力的是一些细节：
他记得每个学生的名字、题目、配偶和孩子；他会在感恩节办晚餐，在滑雪课上从背后松开手，说一句“勇敢一点，山下见”；他会把学生的年度报告用红笔批到“技术内容 A，写作 C”，逼着工程表达达到技术同等强度；他会在地震发生时看着剧烈摇晃的吊灯说“别担心，现在做什么都太晚了，让我们就等它过去”；他也会在学生最膨胀时冷冷指出：如果你的方法只能比 P 控制好一点点，那么它也许还没有证明存在的必要。
控制论有一个朴素信念：好的控制器不是让系统永远不出意外，而是让意外出现时仍能回到可接受的轨道。
Tomizuka 的八十年，几乎可以被看作这个信念的人格化。父亲改变了他的职业路径，MIT 改变了他的理论品味，伯克利给了他一生的 plant；FANUC、硬盘、PATH、自动驾驶和具身智能不断改变输入，学生则把他的方法复制到机器、产业和新的实验室里。到 2026 年，他已经不再只是某个算法的作者，而是一种训练方式的源头。
这也使得“富塚城义和他的学生们”这个题目带有轻微误导。它似乎预设一个中心人物和围绕他的群像；真实结构更接近一个分布式系统。Tomizuka 当然在中心，但他最重要的控制动作常常发生在别人身上：
把 Horowitz 留在伯克利，把 Anwar 推向“该离开”的时刻，把 Changliu Liu 从失败的外骨骼项目里释放出来，把陈建宇引向长期问题，把 Wei Zhan 推向 AlphaGo 之后的决策系统，把王一舟这样的学生放进工业界最锋利的算力现场。导师的控制量不是命令，而是时机；不是替学生稳定，而是在学生即将发散时提供足够阻尼。
八十年的人生被这种系统观重新组织后，许多看似偶然的选择显出一致性。
父亲让 Tomizuka 放弃医学，是因为独立的时间成本；MIT 让 Tomizuka 把驾驶者的预见抽象成控制问题；伯克利让 Tomizuka 在理论与应用之间结束假两难；FANUC 与硬盘给 Tomizuka 纳米级和秒级的工业约束；PATH 让 Tomizuka 提前看到自动驾驶不是单车智能；学生们则把 Tomizuka 带入呼吸机、手术机器人、互联网广告、仓储物流、外骨骼和人形机器人。每一次迁移都不是背叛原点，而是同一套反馈逻辑换了执行器。
所以，生日会真正纪念的不是一个时代的结束，而是一种方法在新时代里的再部署。AI 让机器第一次大规模理解语言与图像，控制理论仍然负责追问：理解之后，动作是否稳定？误差是否收敛？扰动是否被抑制？失败是否可恢复？人类是否仍在回路之中？这些问题不会因为模型变大而消失，只会变得更尖锐。
晚宴前， Tomizuka 在讲台中央停了一下。大屏幕上是他与妻子 Mako 的照片，是年轻时的大头照，是 1974 年从 MIT 开往伯克利的那辆车，是 5116 Etcheverry 的办公室，是无数学生如今散落世界各地的位置。Tomizuka 说，旅行的乐趣在于文化与历史；培养研究生的乐趣，则在于看他们变成比自己更有意思的人。然后他收回所有复杂的句子，只留下那句最简单的：
“退休？还没有。我们的旅程继续。”
对一个控制学者来说，这不是拒绝衰老，而是承认系统仍在演化。对一个教师来说，这不是夸耀门生众多，而是承认教育的闭环尚未收敛。对这个正在进入具身智能时代的世界来说，这句话也像一次提醒：
当所有人都在谈论模型规模、数据飞轮和机器人本体时，仍有一种更老的智慧值得保留——理解物理，尊重反馈，管理不确定性，把安全写进底层，然后让机器真正开始工作。（欢迎添加作者吴彤微信：lI__O0o）
敬请期待左林右狸接下来的重磅策划《富塚城义的中国门徒》。本文不止于人物侧写，更希望剖析一位海外宗师级人物如何通过学术网络与商业纽带，间接塑造了中国机器人和具身智能江湖的早期格局。
我们欢迎所有能为左林右狸提供新观点新角度新信息的群友，加入我们的实名制社群，与左林右狸一路同行。管理员微信号：leiphonelinli，备注公司-职位-称呼通过更快。
相关视频
热门跟贴