项目

面向规划的未来 Token 预测 / JEPA 世界模型

零跑汽车，2026.05 - 2026.08，第一作者

该项目研究面向自动驾驶场景的 JEPA 世界模型，在保持 V-JEPA2.1 通用视觉表征能力的基础上，增强模型对驾驶场景时序动态、未来状态演化与规划相关语义的建模能力，并探索隐空间表征在轨迹评估与选择中的应用。

• 基于 LoRA 对 V-JEPA2.1 编码器进行参数高效微调，使模型更好适配自动驾驶多视角感知与复杂交通场景。
• 设计未来隐空间预测模块，在当前视觉表征基础上预测未来 latent token，建模道路结构、动态智能体与自车交互关系。
• 将预测得到的未来隐空间表征引入轨迹评分器，提升候选轨迹的风险评估与优选能力。

基于走廊约束的安全扩散运动规划

香港科技大学（广州），2025.09 - 2026.03，第一作者

该项目针对无约束扩散规划器在窄道、急弯等强约束场景下容易违反可行驶区域边界的问题，研究如何在反向去噪过程中引入几何与时空约束。

• 基于全局路由指令在车道图上构建拓扑走廊，并融合动态智能体预测占用，形成时变时空走廊。
• 提出 corridor-guided diffusion，通过 inpainting 式修复机制重生成违反约束的轨迹片段。
• 设计可微能量场与可微前向仿真引导，将 LQR 跟踪器嵌入去噪循环，使规划参考轨迹与可执行轨迹保持一致。

CoPlanner：应急感知扩散规划

香港科技大学（广州），2025.03 - 2025.09，第一作者

CoPlanner 是一个面向交互式自动驾驶的联合预测与规划生成式框架，重点解决多模态不确定环境下规划器缺乏备选路径的问题。

• 引入 inpainting 机制，锚定经过安全验证的短期共享段，生成多样化长程应急分支。
• 设计多场景应急评分算法，在多个预测演化场景下综合评估自车轨迹。
• 在 nuPlan Val14/Test14 上进行闭环评测，显著降低长尾场景下的碰撞风险。

LUNA-AD：轻量化不确定性感知决策框架

香港科技大学（广州），2025.06 - 2026.02，论文共同作者

LUNA-AD 研究面向自动驾驶的置信感知语言模型决策，在低延迟和低显存开销下完成多模态驾驶决策推理。

• 构建行动投票、置信评估、摘要聚合三阶段多智能体置信感知工作流。
• 将 DeepSeek-V3 与 DeepSeek-R1 的教师推理蒸馏到轻量 Qwen3-1.7B 学生模型，并结合 4-bit 量化与 LoRA。
• 结合 RAG 与闭环失败反思机制，实现 nuPlan 闭环仿真中的持续自适应学习。

泊车场景端到端 VLA 模型

华为 2012 实验室，2025.09 - 2026.05，项目参与人

该项目构建面向泊车场景的端到端 Vision-Language-Action 模型，实现交互情形下可解释的决策推理与安全高效的轨迹规划。

• 构建适用于 VLA 模型训练的泊车场景指令微调数据集，涵盖真实行车轨迹数据与视觉问答任务数据。
• 研发多任务 VLA 模型，支持多模态场景理解、决策推理、目标点生成和轨迹规划任务。
• 参与多阶段训练、开环评估与闭环仿真测试。

利用神经算子缓解高速公路走走停停交通拥堵

香港科技大学（广州），2023.05 - 2024.05，论文共同作者

该研究利用神经算子与物理信息学习加速宏观交通流 PDE 系统的边界控制设计。

• 使用神经算子近似反步法控制增益核函数，并嵌入解析状态反馈控制器。
• 学习从交通系统参数到闭环边界控制律的映射，在初始条件变化时无需重新训练。
• 相比反步法基准控制器实现约 300 倍计算加速，同时保持较小误差。

早期项目

无人机集群建立与因素分析

西北工业大学 / 中航沈阳飞机设计院，2020.07 - 2021.05，学生负责人

基于 AirSim 建立无人机仿真平台，使用 PyQt5、多线程、Python 数据处理与 C++ 加速开发敏感性分析工具。项目产出贝叶斯网络复杂系统分析相关专利与后续研究。

基于脑机接口的协同智能控制

神经信息处理国家重点学科实验室，2018.07 - 2019.05，项目负责人

完成从 EEG 采集、特征提取、SVM/DNN 模式识别到小车运动控制的闭环系统开发。项目以优秀等级通过国家级大学生创新创业项目结题验收。