“数学新力量 奋进正青春”---系列（ 二十八）李怡蓓：带着真问题出发

luyuanhong

“数学新力量 奋进正青春”---系列（ 二十八）李怡蓓：带着真问题出发

来源  中国科学院数学与系统科学研究院  2026 年 6 月 18 日 14:11  北京

从哈工大自动化专业，到瑞典皇家理工学院应用数学博士，再到新加坡南洋理工大学博士后，2024 年，李怡蓓入职中国科学院数学与系统科学研究院（以下简称数学院）系统科学研究所，她用十余年时间，在最优控制、微分博弈、多智能体网络领域深耕，把工程难题提炼成数学问题，又把理论成果带回国家重大需求场景。



她兼具工科直觉与数学严谨，期望在理论与应用间架起桥梁；她仰望星空也脚踏实地，在纯粹的科研氛围里坚守长期主义，正以自己的节奏，在科研的世界里稳步前行。

从工程到数学，带着“真问题”出发

科研的种子，在李怡蓓童年时就已悄然埋下。

父亲是电气工程领域的大学教授，也因此，别人家的女孩流行玩娃娃，李怡蓓的童年玩伴是电路积木。小灯泡亮起的那一刻，逻辑与规律之美在她心里悄悄扎根。“想当科学家”，不是随口一说的梦想，而是从小到大，她最坚定的答案。

本科考入哈尔滨工业大学自动化专业后，她早早扎进了四旋翼无人机姿态控制的真实课题。设计控制器、调参数、做实验——但在工程实践中，她撞上了一个普遍存在的难题：理论上完美的控制器，一旦放到真实系统里，就被噪声、干扰和不确定性“打败”。

得益于课题组的合作基础，她多次从哈尔滨奔赴北京，向中国科学院数学与系统科学研究院的前辈请教，李怡蓓被前辈们的谦和博学，以及数学院纯粹浓厚的学术氛围深深吸引。这段经历让她开始思考：能不能从更底层、更普适的角度，把这类问题真正说清楚？

大三在欧洲访学那年，一门线性系统控制课让李怡蓓遇见了后来的博士导师。在这门课上，她豁然开朗——那些曾经散落在不同工程领域的具体问题，忽然被统一到了一个清晰的框架里。2017 年，李怡蓓前往瑞典皇家理工学院读博，也正式踏上了从工科到应用数学的转型之路。

博士的第一项工作，用 100 个学分铺出来的路

从零融入数学系，李怡蓓不是没有过忐忑。但她渐渐发现，扎实的工科背景可以成为独特的优势：懂得实际系统的运行逻辑，能够从工程难题里提炼出共性的科学问题。

在瑞典的博士阶段要求修满 100 学分，相当于要上十几门课，对很多人来说，这都是极具挑战的繁重任务，但咬牙啃下硬骨头后，这段求学时光反倒成为李怡蓓最感念的经历。高密度的课程学习，极大拓宽了她的知识边界，而未来无论深耕哪一个细分研究方向，广博的知识储备永远是底气。

因为真正的探索，往往是从一张白纸开始的。

李怡蓓博士期间的第一个课题，叫“逆最优控制”。常规最优控制，是依托既定目标函数，推演最优运行策略；而逆最优控制则是逆向破局：通过观测智能体外在行为，反向推导其背后隐藏的优化目标逻辑。

这一研究方向有着极强的落地价值，广泛适配仿生机器人、医疗机器人、自动驾驶等前沿领域。比如想设计一个仿生机器人，直接写它的控制程序很难，但如果让它模仿人类的动作，先反推出人类的决策逻辑，再让它学会自己做决定，就变得直观得多。

但彼时，这个方向尚不火热，几乎没有现成的文献可以参考，许多工作要靠自己摸索、判断：什么问题值得做？用什么方法？做到什么程度算做好？

李怡蓓沉下心，用一年半时间打磨自己的第一份独立工作。她综合模型分析和数据驱动的方法，建立了决策目标函数的鲁棒辨识理论：突破了动态规划模型隐含非线性最优条件和两点边值约束的瓶颈难题，对经典二次型结构提出了目标函数参数可辨识性的首个完整充要条件；突破现有逆优化算法大多对噪声敏感的技术瓶颈，提出了仅依赖于系统闭环状态轨迹有色观测、且具有统计一致性保证的代价函数辨识框架；针对实际物理系统中广泛存在的部分状态空间可观、模型非适定性强、隐式测量方程、和数据集标签缺失等技术瓶颈，提出了一系列系统化的分析理论与高精度求解算法。

这项成果后来被评价为“EM 算法在逆最优控制领域的首次应用”，成为智能决策建模的重要突破。但对她来说，比这些评价更重要的是：她学会了怎么在一个几乎没有路标的地方，自己找到方向。

心怀热望，做科研路上的追光者

2024 年 9 月，李怡蓓正式入职数学院系统所，担任副研究员。

对她而言，这不是一次普通求职，而是回到了向往多年的归宿。早在本科时期，她就被这里纯粹的学术氛围打动。在她心中：系统所在控制领域的标杆地位众所周知，这里的学者专心科研、不慕浮华，是做基础研究的理想之地。

因为这里人才济济，同事们在各自领域造诣深厚，无形间带来动力，但更珍贵的是宽松的评价体系 —— 没有硬性考核指标、不横向比较，让学者能沉下心啃硬骨头。

目前，李怡蓓的研究重心更清晰：以多智能体网络机理建模与调控为核心，面向国家需求做开创性工作。

通过大量微观个体的相互作用，多智能体系统可实现单一个体无法预测和推演的自组织、自学习、持续演化的宏观群体的复杂涌现智能。随着互联网、物联网等技术的迅速发展和智能化的推进，对智能集群行为的机理研究与调控在协同制造、智能交通、无人机集群作业等实际生活生产中的大规模智能衍生场景均存在广泛的迫切需求，并逐渐成为各国争相竞技的战略核心领域。

遇到科研瓶颈时，李怡蓓有自己的解压方式：周末打羽毛球、跑步、爬山，用运动清空大脑；卡壳太久就找同事朋友交流，“旁观者清，哪怕方向不同，也能带来新灵感”。

如今，李怡蓓也走上育人之路，带本科生做毕业设计、指导研究生开展研究。她因材施教：本科生重基础，狠抓课程学习与文献阅读，带领他们走通完整研究路径；研究生重独立，鼓励自主探索、开拓创新。

她常对学生说：“仰望星空，也要脚踏实地，有远大抱负，更要耐得住寂寞，做有意义的事”。

来源：中国科学院数学与系统科学研究院