具身智能
部署后学习、机器人策略自适应、经验记忆，以及面向物理世界智能体的价值地图规划。
上海交通大学 · 博士三年级
吴劭恺
我致力于构建面向具身智能和视觉智能的学习系统，研究覆盖部署后机器人学习、计算机视觉、医学图像重建和多模态基础模型。
研究
我关注的问题
视觉智能
人群分析、检测驱动推理、多模态密集预测，以及基础模型辅助的视觉感知。
医学图像重建
计算机断层成像重建、高斯表示、多器官数据集，以及高效的逆问题求解方法。
论文
精选与近期工作
CVPR 2026
Dejavu
面向具身智能的经验反馈学习
UniTac: A Unified Multimodal Model for Cross-Sensor Tactile Understanding and Generation
面向跨传感器触觉理解与生成的统一多模态模型，可理解物体属性并生成不同传感器下的触觉信号。
CLIP-MT: Multi-Modal Knowledge-Driven Adaptive Scale Feature Allocation for Multi-Task Dense Prediction
利用多模态知识为多任务密集预测自适应分配不同尺度的特征。
MVP-Nav: Multi-layer Value Map Planner Navigator
面向 RGB-only 零样本目标导航，将语义优先级与重建的物理占据信息结合到统一规划框架中。
RelAfford6D: Relational 6D Affordance Graphs for Constraint-Driven Robotic Manipulation
构建关系式 6D 可供性图，将自然语言指令转化为物理约束驱动的机器人操作过程。
Faster, Lighter, Robuster: A Weakly-Supervised Crowd Analysis Enhancement Network and a Generic Feature Extraction Framework
早期关于弱监督人群分析增强网络和通用特征提取框架的研究。
简介
学术信息
所属单位
博士三年级学生，上海交通大学计算机科学与工程系。
导师
陆洪涛，上海交通大学。
研究关键词
具身智能、机器人学习、医学图像重建、计算机视觉、多模态学习。
联系
欢迎交流与合作
我关注具身智能、视觉智能和医学影像方向的合作与研究机会。