机电一体化与信息技术 · 自主系统与人工智能 · 预计最晚 2027 年 6 月完成
Interactive Résumé
Hi, I'm朱曦霖
机器人与智能系统 · 机电一体化硕士在读
KIT 机电一体化与信息技术硕士在读,方向为自主系统与人工智能。做过手势识别控制机器人、ROS 2 自动驾驶闭环、VDA5050 多 AGV 调度,硕士毕设在 FZI 研究人机协作中的动作时机问题。
- ROS 2
- VDA5050(厂商无关实现)
- VLA
- π0.5
方向键切换分段,Enter 打开,Esc 返回
About me
我做能看、能判断、能动手的系统。
我的技术主线是「感知—决策—执行」这条完整链路,而不是其中某一段。
自动化
机器人工程
参与物流托盘输送系统项目。
ROS 2 · VDA5050(厂商无关实现) · MQTT/JSON · AGV 车队调度 · A*、Dijkstra · 无碰撞无死锁协调 · FSM · PID 控制 · GEBHARDT 工业移动机器人 · 仿真到真机迁移与现场评估
Python · PyTorch · VLA · π0.5 · LoRA · LLM · OpenCV · YOLO · CNN / 3D-CNN · Vision Transformer · GAN
FastAPI · SSE 流式协议 · Web Components · Docker · pytest · Git · 部署与运维
物流自动化工程图纸与结构设计 · 中国工程实习 + 德国学习背景 · 中英德多语言沟通
Selected work
6 作品
查看项目 →
让协作机器人不只知道「做什么」,还知道「什么时候动手」——把协作者手部的三维位置与速度作为一个低维状态 token 注入 VLA 策略,检验它能否在保留长执行时域的同时减少过早动作。
一个以「经我本人审核批准的资料」为唯一事实源的第一人称 AI 分身——并且刻意把安全与成本边界写成了会让服务启动失败的硬门禁。
在 KAL 实验车上搭建 ROS 2 自动驾驶全栈:RGB-D 感知 → 超车与锥桶走廊规划 → Pure Pursuit + PID 控制;我主要负责感知,用 400 张实车图片训练的检测器 mAP50 达 97.4%。
基于 VDA 5050 与 MQTT 实现车队管理和运动控制,从仿真迁移到两台不同车型的真实移动机器人,按车型约束规划路径、锁定工站,在最终现场评估中稳定运行。
改进 YOLOv5s 与 C3D 分别识别静态、动态手势(mAP 81.3%、最高准确率 83.3%),并用静态手势经 WiFi 实时控制树莓派小车完成 10 种运动指令。
用 PyTorch 从零实现生成模型与 Transformer 视觉架构的核心组件,覆盖搭建、训练到推理验证的完整流程。
AI Digital Twin冷启动中
问我点什么
回答由大模型生成,只依据我批准过的公开资料。它会说错话,请以简历和我本人为准。
Contact
联系
德国 卡尔斯鲁厄