Works

面向自动驾驶复杂场景中的交警指挥理解，推动公司内部首次 VLM 在自动驾驶场景实现量产级上线，并完成展车部署落地。该任务兼具高场景价值、高理解难度与强用户感知，是少数能够真正拉开智能化体验差距的复杂能力。

围绕 Apple Vision Pro 手眼交互能力打造车载展示与实车方案，在高复杂度、多模块强耦合约束下完成车载 15.6 寸屏首发落地，并进一步推进到多应用实车验证。整体交互精度、稳定性与展示效果达到领域首次、领域领先水平。

面向车载场景打造“看哪问哪 / 指哪问哪”的人-车-环境联合交互方案，完成业内首次单目 3D 手势交互 Demo，实现从 0 到 1 的实车验证。项目贯通座舱与自动驾驶信息流，是舱驾一体多模态交互方向的代表性成果。

围绕 TOF 遥控器一期与广汽 POC TOF 两个阶段展开，目标是打造可量产演进的真 3D 控屏能力，并将方案从技术验证推进到客户可感知、可交付的量产级 POC。项目重点解决传统控屏方案易疲劳、稳定性不足和交互维度受限的问题。

面向车载人手重建建设长期数据基建，围绕 GT 系统打通采集、标注、验证与算法迭代底座，为 TOF、单目、多目等多条技术路线提供统一高质量数据支撑。这类项目不直接面向用户，但决定了后续能力上限与迭代效率。

面向通用机器人策略的 Vision-Language-Action 开源框架，强调 spatially guided、dual-system 和 dual-supervision 训练范式，将语言理解、空间感知与动作预测统一到同一套框架中。我主要负责 Sys2 pretrain，以及长任务拆解能力相关设计与落地。后续进一步延伸到 StarVLA，形成更模块化、可扩展的 VLA 开发生态。

围绕 vLLM-Omni 的多模态 serving 基座，对 InternVLA-A1 做推理与部署侧适配，使模型更容易接入统一服务框架、接口协议和工程化部署链路。我这里主要负责将 A1 适配到 vLLM 框架。

基于 Meta Quest 3 的 VR 双手位姿采集与机器人遥操作工具，支持手柄模式与人手追踪模式，通过局域网 HTTP / JSON 实时发送头显、手腕、手柄和 24 关节数据，并提供 Python 侧接收与可视化监控脚本，便于快速接入遥操作与采集流程。

分享描述：在此放文章、视频、公开分享或系列输出。