你好，我是
李萌萌.
长期专注具身智能前沿方向，对视觉语言导航、视觉语言动作模型及多模态大模型的核心思路与技术脉络有系统性把握。擅长将学术方法迁移到真实机器人本体，独立推动课题从原理设计、代码实现到实机验证的全流程落地。
SCROLL
0
主导研究课题
0
抓取任务成功率
0
机器人平台落地
0
在研方向
Research Focus
研究方向
围绕「让机器人理解语言、感知空间、并在真实世界中行动」这一核心问题展开。
🧭
视觉语言导航 VLN
面向单目 RGB 输入的空间建图与长程决策，让机器人听懂指令并在复杂室内场景中稳健导航。
🦾
视觉语言动作 VLA
基于 π 模型的真实场景微调，构建从视觉感知到机械臂动作的端到端操作能力。
🧠
多模态大模型
研究空间几何表征与视觉语义特征的融合，以及长时序记忆压缩与推理效率优化。
🌲
行为树任务规划
用大模型生成行为树，实现高层语义任务到机器人底层动作的自动映射与实体落地。
Experience & Projects
经历与项目
点击卡片展开查看详细工作内容。
某所高等技术研究院
2026.04 – 2026.07
算法研究（Python）· 工作经历
在真实机器人平台上完成 VLN / VLA 模型的部署、数据采集与场景微调全链路。
- VLN 模型部署与跨平台迁移：部署 VLN 模型至 Unitree GO2 机器狗，完成感知、导航与运动控制链路适配；进一步迁移至云深处 Lite3，完成底层接口、传感器输入与执行模块的跨平台适配。
- 机器人数据采集流程实现：基于 Piper 机械臂搭建并优化自动抓取、目标分类放置与 VLA 数据采集流程，提升真实场景下数据采集的自动化程度与任务稳定性。
- VLA 模型真实场景微调：基于 π 模型针对 Piper 机械臂进行真实场景微调，在指定物体抓取任务中实现 90% 以上成功率。
面向单目 RGB 输入的多模态视觉语言导航方法研究
2026.01 – 2026.05
负责人 · 项目
研究基于多模态大模型的空间建图与长程决策方法，提升复杂室内场景导航鲁棒性。
- 空间感知增强：基于 VGGT 从单目 RGB 视频流估计深度与相机位姿，利用跨子图重叠帧尺度对齐，构建 BEV 空间表示并引入显式方向编码。
- 记忆增强的导航决策：短期记忆维护局部观测与历史动作，长期记忆记录全局探索轨迹与空间关系，增强长程路径规划能力。
- 连续动作规划优化：基于历史记忆与空间表示生成连续动作序列，减少逐步推理开销，提升导航连贯性与推理效率。
长时序视觉语言导航中的历史记忆压缩机制研究
2025.10 – 2025.12
负责人 · 项目
研究空间几何信息与视觉语义特征融合，优化长历史轨迹下的上下文记忆与推理能力。
- 空间语义建模：复现并分析 VLN 双隐式记忆结构与导航推理流程，研究基于 VGGT 的空间几何表征与视觉语义特征融合方式。
- 时序记忆压缩：参考渐进式 memory 机制设计历史观测压缩缓存模块，对远距离历史帧高比例压缩，保留近期细粒度信息。
- 训练与推理优化：搭建两阶段训练流程，结合 Instruction Tuning 与 DAgger 进行轨迹迭代采样与行为克隆训练。
基于大模型的行为树生成与机器人行动规划研究
2025.04 – 2025.09
负责人 · 项目
研究基于大模型生成行为树的任务规划方法，实现语义任务到机器人动作的自动映射。
- 平台搭建与能力封装：搭建四足机器人实物验证平台，将运动、抓取等能力标准化为行为树节点，建立上层规划与底层执行的统一映射。
- 规划生成与落地验证：完成 Prompt 编写与优化，解析大模型输出并构建行为树，完成真实机器人场景下的任务规划与动作执行验证。
Tech Stack
专业技能
编程语言
PythonC++
研究方向
视觉语言导航 VLN视觉语言动作 VLA多模态大模型行为树任务规划
核心方法
VGGT 空间几何表征BEV 空间表示时序记忆压缩Instruction TuningDAgger行为克隆
机器人平台
Unitree GO2云深处 Lite3Piper 机械臂
模型实践
π (Pi) VLA 微调多模态大模型部署感知-导航-控制链路适配
Education
教育背景
985
2024 – 2027
北京大学
人工智能 · 硕士
985
2020 – 2024
北京大学
机器人工程 · 本科
专业排名：专业前 30%
Get In Touch
让我们聊聊机器人
如果你也对具身智能、视觉语言导航或机器人真实落地感兴趣，欢迎与我交流。