罗沛文 / Luo Peiwen

针对复杂无线环境下用户场景识别精度低的问题，基于运营商 XDR 大数据构建地铁用户识别系统，设计基于 GLM Decoder 改进的 Encoder-Only Transformer 模型，融合移动性特征与无线信号特征；完成特征工程与模型训练流程搭建，并通过分布式训练与动态 batch 优化训练策略，最终测试集准确率达到 96%，优于当前最优方法，为数字孪生系统提供用户行为预测能力。

作为项目负责人，设计融合视觉感知与自然语言理解的具身智能抓取系统，实现自然语言驱动的机械臂智能抓取。云端部署 8bit 量化的 GLM-6b 结构 Transformer 语言理解模块，解析用户自然语言指令并映射为抓取任务，实现语言到动作的跨模态映射；端侧基于 YOLO + 3D 目标检测构建视觉感知模块，完成物体检测与三维定位，并结合姿态解算实现机械臂路径规划。最终在真实机械臂平台完成系统验证，实现多目标检测与自然语言交互抓取，显著提升系统自动化能力。

针对单一视觉或雷达传感器在复杂场景中检测精度低、鲁棒性差的问题，负责设计雷达-视觉多模态融合目标检测与定位系统，基于 YOLOv11 与 CNN-ViT 构建多模态联合感知模型；利用基站 CSI 信号生成粗粒度空间先验，引导视觉模型进行局部高精度检测，并通过 Transformer 进行跨模态特征建模与融合，结合几何一致性约束优化定位结果；在复杂遮挡与多径环境下实验验证，目标检测召回率提升约 30%。