Yaozeng Huang

Español

English
简体中文
繁體中文
日本語

Español

English
简体中文
繁體中文
日本語

Appearance

Estudiante investigador · Ciencias de la Computación

Yaozeng Huang 黄耀增

Facultad de Ciencias de la Computación y Tecnología, Universidad de Xinjiang

Soy estudiante de tercer año de Ciencias de la Computación en la Universidad de Xinjiang. Mis intereses se sitúan en la intersección entre la IA encarnada y el aprendizaje por refuerzo: modelos visión-lenguaje-acción (VLA) para manipulación con contacto, y aprendizaje de políticas para locomoción de robots con patas y navegación en entornos dinámicos.

Actualmente colaboro con investigadores del Instituto Internacional de Posgrado de Tsinghua en Shenzhen (Tsinghua SIGS) en manipulación con percepción de fuerza, y con el Instituto de Tecnología de Ningbo (EIT) en navegación local basada en aprendizaje. Mi motivación es que los robots adquieran el sentido común geométrico y físico que se necesita para actuar en el mundo real.

01Novedades · News

  • Inicio una colaboración con el Instituto de Tecnología de Ningbo sobre planificación local con aprendizaje por refuerzo bajo obstáculos dinámicos. Objetivo de envío: T-RO / TMECH.
  • Me incorporo al Tsinghua SIGS como investigador en prácticas; trabajo en modelos VLA con percepción de fuerza (pi0.5 / TA-VLA) y en un método de destilación geométrica privilegiada RGB-D para manipulación con contacto.
  • Artículo aceptado como primer autor en ICIC 2026 (Oral Presentation) — locomoción RL y navegación LiDAR para robots cuadrúpedos.
  • Premiado con el Segundo Premio Nacional en el Concurso Nacional Universitario de Diseño Electrónico (NEDC).
  • Dos Primeros Premios Nacionales en la 24ª edición del ROBOCON — robot cuadrúpedo biomimético en carrera de obstáculos y todoterreno.
  • Inicio mi investigación en el Laboratorio de Innovación de XJU sobre locomoción RL y navegación LiDAR de cuadrúpedos.

02Intereses de investigación · Research Interests

Quiero que los robots desarrollen el sentido común geométrico y físico necesario para tareas con contacto, dinámicas y del mundo real. Las preguntas que más me motivan están en la frontera entre percepción, política y encarnación — y la evidencia que más me convence proviene del hardware real, no de curvas en simulación.

Modelos visión-lenguaje-acciónManipulación con percepción de fuerzaAprendizaje por refuerzoLocomoción con patasNavegación con obstáculos dinámicosSim-to-RealRazonamiento geométrico RGB-D

03Publicaciones y preprints

Primera autoría en negrita. ★ indica presentación oral.

  1. ICIC 2026Oral ★

    Yaozeng Huang, et al. Reinforcement-Learning Locomotion and LiDAR Navigation for Quadruped Robots across Heterogeneous Terrains.

    21st International Conference on Intelligent Computing · CCF-C · Aceptado

  2. En prep.

    Yaozeng Huang, et al. Action-Conditioned 2.5D Interaction Maps: destilación geométrica privilegiada RGB-D para manipulación con contacto.

    Primer autor · Colaboración con Tsinghua SIGS · objetivo: revistas/conferencias top en robótica

  3. En prep.

    — et al. Aprendizaje por refuerzo curricular con codificación temporal dinámica para navegación local entre obstáculos móviles.

    Coautor · Colaboración con EIT Ningbo · objetivo: T-RO / TMECH

Los títulos de los artículos en preparación son provisionales y pueden cambiar antes del envío.

04Proyectos de investigación · Selected Projects

Modelos VLA con percepción de fuerza para manipulación dextral

Tsinghua SIGS · Oct 2025 – presente · Investigador en prácticas

  • Construcción de una plataforma bimanual real (brazos Songling de 7 GdL + pinzas, Jetson AGX Orin, dos cámaras D405 en muñeca + D435 cefálica) que captura propiocepción (posición y par articular) y profundidad para tareas con contacto como inserción de módulos ópticos y colocación de bloques.
  • Reproducción y extensión de pi0.5 y TA-VLA; comparación de arquitecturas VLA basadas en política de difusión, flow matching, autorregresión y modelos híbridos para evaluar su idoneidad en generación de acciones a alta frecuencia bajo contacto.
  • En curso: análisis de los modos de fallo geométrico de las políticas VLA y desarrollo de una destilación geométrica privilegiada RGB-D que utiliza mapas de interacción 2.5D condicionados por acción para corregir fallos de contacto/colocación bajo oclusión y ambigüedad de profundidad.

Aprendizaje por refuerzo para navegación local con obstáculos dinámicos

Eastern Institute of Technology, Ningbo · Ene 2026 – presente

  • Extensión de la línea DRL-DCLP de planificación local de un escenario estático a uno con obstáculos dinámicos: nueva formulación del MDP de evasión para robots de distinta huella, con tareas de simulación, espacio de estados y recompensa propios.
  • Diseño de un currículo de 8 etapas en StageRos: cada etapa escala el mapa al ~80%, aumenta la densidad estática e introduce un número parametrizable de obstáculos dinámicos.
  • Implementación de un módulo de codificación temporal dinámica que representa el estado de múltiples obstáculos y se fusiona con las redes de política y de valor, mejorando la generalización en entornos saturados y variables. Objetivo: T-RO / TMECH.

Locomoción RL y navegación LiDAR para cuadrúpedos

Laboratorio de Innovación de XJU · Jun 2025 – presente

  • Entrenamiento de políticas PPO y N-P3O en Isaac Gym / Isaac Lab para locomoción multitérrea, generalizando a ≥ 3 tipos de terreno.
  • Robot cuadrúpedo de diseño propio; despliegue de HIMLoco en MuJoCo (sim-to-sim) y posteriormente sim-to-real, soportando empujes > 10 N con marcha estable — caminar a 0.8 m/s, trotar a 2 m/s, reptar — sobre 4 clases de terreno interior/exterior y pendientes.
  • SLAM con fast_lio y point_lio; pila Nav2 de ROS 2 con A* / Dijkstra y relocalización AMCL para tareas posteriores.
  • Resultado: un artículo de primer autor aceptado en ICIC 2026 (Oral).

Sistema de monitoreo de plagas y enfermedades en fresas con aprendizaje profundo

Universidad de Xinjiang · Jun 2024 – Ene 2026

  • Pipeline de detección basado en YOLOv8 con módulos de atención y un cuello de fusión de características mejorado: +15 % de recall en objetos pequeños y +25 % de precisión; podado y cuantizado para despliegue embebido.
  • Resolutor de cinemática inversa para un brazo montado en un rover con orugas; control coordinado chasis-brazo para alcanzar puntos de observación predefinidos y obtener imágenes nítidas y completas de las plantas.
  • Resultados: beca nacional de innovación y emprendimiento — cierre Sobresaliente · 1 patente de diseño (primer autor) · 1 derecho de autor de software (tercer autor).

05Premios · Honors

  • Segundo Premio Nacional · Concurso Nacional Universitario de Diseño Electrónico (NEDC)
  • Primer Premio Nacional · 24ª ROBOCON — Cuadrúpedo Biomimético, Carrera de Obstáculos
  • Primer Premio Nacional · 24ª ROBOCON — Cuadrúpedo Biomimético, Todoterreno
  • 9 premios nacionales + 3 provinciales (en total)
  • Programa Nacional de Innovación y Emprendimiento — cierre Sobresaliente
  • Top 14.2 % de la promoción de CC (puesto 17 / 120) · GPA 3.9 / 5.0

06Formación · Education

2023.08 – 2027.07

Universidad de Xinjiang · Facultad de Ciencias de la Computación y Tecnología

Grado en Ciencias de la Computación · Proyecto 211 · disciplina Doble Primera Clase

GPA 3.9 / 5.0 · Puesto 17 / 120 (top 14.2 %) · CET-6 444

07Habilidades técnicas · Skills

Lenguajes
Python · C++ · MATLAB · Java
Robótica
ROS 2 · Linux · Nav2 · fast_lio · point_lio
Simulación
Isaac Gym · Isaac Lab · MuJoCo · Gazebo
Frameworks
LeggedGym · OpenVLA · LeRobot · PyTorch
Herramientas
Conda · Git · Docker
Comunidad
Miembro de la comunidad open source Xbotics de IA encarnada

© 2025 – presente · Yaozeng Huang · Construido con VitePress · Código fuente en GitHub

Construido con VitePress · Código fuente en GitHub

© 2025 – presente · Yaozeng Huang (黄耀增)