纳昱恒 · 个人简历
📞 187-9521-7208 ｜ 📧 nayuheng@stu.xjtu.edu.cn ｜ 📍 地点不限
求职意向：具身智能 VLA / WAM 研究型实习生
教育背景
西安交通大学 ｜ 智能制造专业 ｜ 2023级本科大三在读
2023年09月 — 2027年06月
相关课程：人工智能基础（90）、数据结构与算法（92）、机器人创新技术（92）、大数据技术基础（92）、Python程序设计（89）、互联网与云计算基础（86）
实习经历
西安交大人工智能与机器人研究所（IAIR）｜ 算法实习生（郑南宁教授团队）
2025.8 — 2026.1
- 导航系统开发：负责 VLN 大模型在乐聚 Kuavo 人形机器人上的真机部署与模型微调，将模型成功率从 44% 提升至 70%。
- 人机动态协作开发：完成基于多模态感知的移动操作与人机协作任务，并用于”中国智能车未来挑战赛”。
- 空间感知增强研究：在现有 VLN 模型下，增强具身 3D 空间表征学习，以减少长时序导航任务的累计误差。
西安交大人工智能与机器人研究所（IAAR）｜ 算法实习生（周三平教授团队）
2025.6 — 2025.8
- 医学影像分割算法研究：针对医学影像域适应问题，利用动态自适应 TTA 机制，解决测试阶段分布偏移问题。
- 参与发表研究成果《Conscious Test-Time Adaptation for Medical Image Segmentation》（IJCV 期刊在投）。
项目经历
基于多模态具身大模型四足移动操作机器人 ｜ 核心算法工程师 & 项目发起人
2025.11 — 至今
🔗 github.com/YuhengNa/DoggyClawAssistant
- 真机部署与优化：完成视觉语言导航模型在宇树 Aliengo 机器狗上的真机部署，通过 LoRA 微调将导航成功率提升至 60%。
- 人机交互开发：基于 OpenClaw 的人机交互系统，通过 UDP 协议实现低延迟通讯，支持自然语言指令解析与机器人运动控制。
- 机械臂抓取优化：负责 Lerobot 机械臂的 Hil-Serl 强化学习，抓取推拉等任务成功率超 60%。
Xbotics-Embodied-Guide（Xbotics社区具身智能入门指南）｜ 核心贡献者 & 共同发起人
2025.9 — 至今
🔗 github.com/Xbotics-Embodied-AI-club/Xbotics-Embodied-Guide
- 技术内容建设：负责撰写 VLA、VLN、Lerobot 框架等核心章节，累计编写 15K+ 字技术文档，涵盖理论基础与实践案例。
- Github 仓库已获 600+ stars，飞书知识库收藏人数破两千。
基于深度学习的机械臂轴承故障诊断系统 ｜ 科研助理（李乃鹏教授团队）
2024.10 — 2024.12
- 基于 MQTT 协议在 IoT 框架下，实时采集机械臂轴承运行数据（10K+ 样本/天），构建包含 5 类故障类型的标注数据集。
- 应用深度学习模型分析轴承噪声数据，实现 92.3% 的故障类型识别与分类准确率。
VEX机器人全国精英赛、美国达拉斯世锦赛 ｜ 电控负责人 & 机械设计工程师
2024.4 — 2025.5
- 负责机器人全向移动底盘（Mecanum Wheel）的运动控制代码框架开发与调试，通过 PID 参数自整定技术将移动响应时间缩短至 120ms。
- 创新性设计并实现自动目标（Mobile Goal）识别与路径规划方案。
- 荣誉：作为核心成员带队获 Excellence Award（top 1/39，中国最高奖），世锦赛 Inspired Award（全球最高奖项之一）。
Robocup 水下机器人 AUV 赛项 ｜ 视觉算法 & 运动控制工程师
2025.5 — 至今
- 主导开发基于 OpenCV 和 YOLO 的水下目标识别算法，实现水下 85.6% 的识别准确率。
- 实现串级 PID 控制算法，将 AUV 定位误差控制在 ±3.5cm 内，通过自适应参数调整大幅提升任务完成率。
全国三维数字化创新设计大赛 ｜ 机械建模手
2024.9 — 2024.11
- 主导设计”全地形自适应智能清扫机器人”三维模型与方案。
- 团队荣誉：荣获国家级二等奖。
社区建设
Xbotics 具身智能社区 ｜ 联合创始人
2025.4 — 至今
- 国内规模最大具身智能开发社区之一，全网 4万+ 关注，社群成员超三千人。
- 负责四足机器人与 Lerobot 算法二次开发，以及知识库/技术文档撰写，内容涵盖 VLN、VLA 以及机器人基础入门教程等，该教程已作为西安交大机械学院本科生 CDIO 推荐教程。
研究兴趣
视觉语言动作模型（VLA）：数据稀缺与样本效率、跨任务与跨本体泛化能力、以及高效推理与实时性。
世界行动模型（WAM）：突破当前 WAM 在从视频生成模型到可部署策略过程中面临的核心瓶颈——具体关注：策略累积误差与鲁棒性、数据利用效率与可扩展性、以及推理效率优化。
个人陈述
对具身智能领域充满热情，研究兴趣聚焦 VLA 与 WAM 在数据效率、策略累积误差、跨任务泛化及推理实时性等核心挑战。具备从算法研发到多平台真机部署的全栈工程能力，擅长多模态系统集成、强化学习落地与闭环控制优化。通过学术研究与开源社区建设，积累了扎实的文献追踪与技术沉淀能力。期待在研究实习中将工程实践与前沿理论结合，推动机器人自主操作的通用化与鲁棒性。