任职信息： 下属 4人

VLA 策略体系： 主导公司主力机械臂的操作策略从"一任务一策略"升级到统一的 VLA 多任务策略，带 4 人小组负责数据、训练和真机评测

把抓取、放置、开合、插拔等十余类任务统一到一个视觉-语言-动作模型里，新任务接入的数据和训练成本明显下降

数据与仿真闭环： 牵头建了遥操作数据平台和仿真数据生成流程，把真机演示和仿真数据混合训练，累计管理十万级演示轨迹

推动"真机验证 → 失败案例回流 → 补采数据 → 重训"的迭代机制，让每一轮迭代都有据可依

Sim2Real 与效果： 系统化做域随机化和真机微调，把 Sim2Real 的掉点显著压小；多任务操作的平均真机成功率从约 65% 提升到 85%+，对新物体的泛化明显改善

对语言指令下的长程操作（多步任务）做了拆解和记忆机制，长程任务的完成率明显提高

团队： 带 4 人操作小组，负责遥操作标注规范、训练评审和新人培养，带出了能独立负责子任务的同学

视觉感知： 从机器人视觉感知做起，负责目标检测与 6DoF 位姿估计模块，支撑 3 条产品线的工业抓取场景，处理 50+ 类工件的识别与定位

将位姿估计模型从 PVNet 迭代到基于关键点回归的方案，估计精度（ADD-S）相对提升约 12%，抓取成功率提升到 92%+

工程落地： 完成模型的 TensorRT 部署与量化，单帧推理时延从 80ms 压到 25ms，满足产线节拍要求

搭建了位姿标注工具和评测流水线，将新工件的标注-训练-评测周期从 2 周缩短到 3 天