Master Student at UESTC · Multimodal & Spatial Intelligence
点击进入 / scroll to enter
你好，我是 李爽乐，电子科技大学计算机技术硕士在读。我专注于多模态学习、3DGS 三维重建与空间智能方向的研究，希望让AI像人一样感知、理解并重建三维世界。
科研之外，我还喜欢用足球、乒乓球等运动保持活力；也期待与更多同学交流想法，共同进步！
跨模态表征学习与语义对齐、时序多模态建模与对齐。
点云处理、视觉 SLAM、3DGS 三维重建与位姿估计。
多粒度视觉建模：目标检测、实例分割、3D 检测等。
Python / C++、PyTorch、Linux / Shell / Git、ROS / ROS2。
计算机技术 · 计算机科学与工程学院 · 全日制专业硕士
• 研究方向：多模态学习，第一视角视频理解，多模态融合感知，具身智能，空间感知，3D 重建等。
• 科研成果：在 ACMMM、CVPR、ICME 等知名国际会议上均发表学术论文；获得 2025 ACMMM 国际会议多模态人机交互错误检测识别大赛冠军（赛道 2，第一参赛人）；优秀研究生学业奖学金。
人工智能 · 计算机科学与技术学院 · 工学学士
• 主要荣誉：优秀毕业设计，多次获学业奖学金一等奖，优秀学生奖学金，校级院际杯足球比赛冠军。
2012 实验室 · 多模态空间算法实习生 · 研究方向：3DGS 重建与补全
• 围绕 3D Gaussian Splatting（3DGS）重建后的三维场景展开研究，聚焦场景中关键主体的实例级提取与高质量分离。
• 设计主体感知的实例分割与抠取流程，从大规模高斯点云中精准分离目标物体，保留几何细节与外观一致性。
• 对抠取出的主体区域执行物体级 inpainting，重建被遮挡 / 缺失部分，实现单物体级别的几何与纹理优化。
• 构建模块化修复管线，结合多视角参考与先验信息，显著提升补全质量与渲染保真度，支撑场景编辑、新视角合成等下游任务。
• 输出可复用算法组件，配合团队完成定量指标评测与可视化验证，推动方案在业务侧落地。
提示：可先放大后播放
企业横向 · 学生骨干 · 2025.12 — 2026.03
项目介绍：面向智能快递取件场景，开发基于 UnitreeGO2 四足机器人与方舟无限机械臂协同的移动操作系统，实现四足平台搭载机械臂的复合本体协同作业。
负责内容：负责方舟无限机械臂视觉抓取模块开发，基于 RealSense D435i RGB-D 相机构建视觉感知系统并完成 Eye-in-Hand 手眼标定，实现相机与机械臂坐标系对齐；结合 YOLO + SAM 进行目标检测与分割，并利用 GraspNet 预测抓取点、夹爪姿态（RPY）及抓取力度，通过 ROS 控制机械臂自主抓取执行。
项目成果：实现语音驱动的人机交互与多用户语音识别；基于 SLAM 完成室内自主导航与目标点到达；设计任务记忆机制以支持任务中断后的状态恢复；结合视觉抓取模块，实现对外卖、快递、雨伞、饮料等多类物体的自主抓取。
省部级纵向科研项目 · 学生骨干 · 2025.11 — 2026.02
项目介绍：面向机器人巡检与移动感知场景，开发拟物体场景感知模块，对运动轨迹中的环境进行实时感知，实现物体识别、3D BoundingBox 估计及物体功能关系建模，构建具备语义理解能力的场景表示。
负责内容：负责基于 ORB_SLAM3 构建环境轨迹采集系统，实现 RGB-D 数据与相机位姿同步获取；基于多视角 3D 目标检测与框融合算法完成场景物体建模，采用 Qwen3-VL-Plus 构建 SceneGraph 实现场景关系建模。
项目成果：系统成功部署于四足机器人平台，能够随机器人运动实时感知环境，完成三维场景重建与开放词汇的 3D 物体检测；基于 SceneGraph 构建物体之间的语义与功能关系，实现如“键盘用于电脑输入”等使用关系的表达。
针对第一视角视频中的在线流程错误检测（EOED）问题，提出 PPGED 框架，利用参数化记忆机制增强在线特征表示，并结合联合概率建模与动作转移图构建实现流程建模，在在线与离线设置下均取得 SOTA 性能。
针对第一视角操作视频的流程错误检测问题，提出 ATOT 框架，通过最优传输建模动作转移，并结合分布一致性约束刻画时空依赖，在 EgoPER、HoloAssist、CaptainCook4D 等数据集上取得 SOTA 性能。
针对视觉-语言-动作模型（VLA）跨机器人泛化能力受限问题，提出 MiVLA 框架，通过人机动作空间对齐与互模仿预训练实现跨本体迁移，有效缓解真机数据稀缺问题，仅需少量真机数据微调即可显著提升性能，在 RoboTwin 仿真环境和真实机器人任务中完成成功率分别提升约 25% 和 14%。
针对人机交互场景中的多模态交互错误检测问题，构建跨模态时间对齐与窗口聚合机制，结合 LightGBM、MiniRocket 进行时序建模，并在训练过程中通过重采样与类别重加权缓解类别不平衡。
2025 ACM MM 国际会议多模态人机交互错误检测识别大赛冠军（赛道 2，第一参赛人）。
硕士期间学业奖学金。
本科毕业设计获评优秀。
多次获学业奖学金一等奖、优秀学生奖学金；校级院际杯足球比赛冠军。