个人介绍
专注于图神经网络与因果推理在行人轨迹预测中的应用研究。【项目经验】协助完成基于GNN+Neural ODE的因果轨迹预测系统，实现：- 融合动态KNN建图、物理边特征编码与RK4积分器的轨迹预测模型- 引入社会对比学习(SCL)与课程学习策略，提升长时预测稳定性- 构建"三世界"反事实推理框架，量化环境/社交影响力（Ratio=1.36x）- 在JRDB数据集实现ADE 0.047m / FDE 0.103m，停滞率仅0.06%
核心技能
Python
PyTorch
图神经网络 (GNN)
深度学习
计算机视觉
点云处理
因果推理
轨迹预测
Open3D
数据预处理
模型训练与优化
精选作品集
工作经历
教育背景