Physical WAM · 机器人操作的世界-动作模型
进行中。 基于 V-JEPA,从当前观测预测物体位姿、运动与相对关系,验证紧凑的未来物理表征能否用于生成机器人动作。
在一组小规模离线仿真实验中,未来查询数从 1,568 减到 196,预测器计算量(FLOPs)约降 86%,训练循环耗时减少一半以上。
具身智能 · 计算机视觉 · AI Agent 工程 · AI 全栈开发
我是 2027 届本科应届毕业生,目前大四。近期在做具身智能,研究机器人操作的世界-动作模型与仿真评测。
正在寻找具身智能、计算机视觉、AI Agent 工程或 AI 全栈开发相关的工作机会。 也欢迎技术交流与项目合作。邮件联系我。
进行中。 基于 V-JEPA,从当前观测预测物体位姿、运动与相对关系,验证紧凑的未来物理表征能否用于生成机器人动作。
在一组小规模离线仿真实验中,未来查询数从 1,568 减到 196,预测器计算量(FLOPs)约降 86%,训练循环耗时减少一半以上。
关注机器人操作、世界-动作模型和仿真评测,能参与动作策略的模型实现、训练和离线验证。
关注 RGB-D 感知、多模态融合、目标检测和语义分割,能用 PyTorch 完成模型实现、训练、消融实验和基准评测。
关注 Agent Harness、工具调用、MCP 和 Skills 集成,能开发带执行日志和评测记录的智能体工作流。
能开发 Web 界面、后端 API 和数据层,接入模型与 MCP 工具,并配置部署和自动更新。DeepTrender 展示了公开仪表盘、Flask API 和 SQLite 数据层的完整链路。
12 个 Skills 在 skills.sh 累计约 460 万次安装 ·
我独立开发的深度学习复现工具。Agent 解析 README,Python 执行命令并记录日志和指标。Trusted / Explore 分开运行基线复现与探索,结果可通过标注版 README 和结构化记录回溯。
我主导实机交互和动作追踪,统一腕部追踪器与手柄的位姿接口,支持追踪丢失时切换来源。也搭建了 Codex Skill 实机复测流程,用头显画面诊断问题并在设备上验证改动。
我独立开发的论文趋势分析系统,接入 arXiv、OpenReview 等四个来源,通过 MCP、REST API 和在线仪表盘提供查询。2026 年 5 月公开快照收录 142,263 条结构化论文记录。
我是 xget 的两位主要贡献者之一。项目统一路由 GitHub、Hugging Face、软件包和容器镜像请求,支持分段下载与按平台缓存。上游仓库有 8,000+ GitHub 星标,曾登上 GitHub Trending JavaScript 日榜第 3 名。
我独立开发的多会话 SSH/SFTP 文件传输工具。针对高延迟链路支持连接复用、流水线预读、分块并行和断点续传。
六个角色 Agent 根据简历与目标岗位或研究方向生成问题,经过去重和质量过滤后汇总为面试报告。
具身智能应用研究实习生
为具身智能仿真平台开发 Agent 接口,完成调用联调与测试。参与开源模型在目标环境中的迁移、复现和调优,并验证模型运行情况。
AI 技术实习生
在研发部主导 PICO 原型的实机交互和动作追踪,处理追踪抖动、短时丢失和坐标系变化。把头显第一视角接入 Codex Skill,用于定位交互问题和实机复测。项目详情
科研助理(实习) · 主动健康战略与发展研究院
参与可穿戴设备与智能健康管理研究,协助讨论研究方案、组织实验和编写阶段性研究材料。
第一作者 · arXiv 预印本。 方法以深度为主、轻量 RGB 分支为辅。v2 在四个基准上取得对比方法中的最高 ODS F-measure,SymPASCAL 为 0.644,高出次优方法 0.062。
邮箱 · lama@ckrao.dev