Hi there, I'm 孙浩翔 👋

M.S. in Mechanical Engineering @ 浙江大学 | B.S. in Physics > 🤖 Focus: Embodied AI, Sim-to-Real, Robot Learning & Motion Planning.

欢迎来到我的机器人项目集。这里汇集了我对 具身智能（Embodied AI） 和 经典机器人控制 的探索。我致力于结合物理学的第一性原理直觉与深度强化学习的范式，解决机器人从仿真到现实（Sim2Real）的落地难题。

---

🛠️ Tech Stack

---

Theoretical Algorithms | 理论验证

关注经典算法的数学原理复现与特定场景下的优化。

1. Autonomous Navigation: A* 路径规划与最小加加速度轨迹优化

关键词: Motion Planning A* Algorithm Trajectory Smoothing Minimum Jerk ROS

项目概述:
基于 ROS 的移动机器人导航系统。在经典 A* 搜索的基础上，结合物理约束（动力学）进行了后端轨迹优化，实现了在复杂障碍物环境下的平滑避障。

A.mp4

✨ 核心功能 (Key Features):

• 🎯 前端搜索: 实现 A* 算法，并通过启发式函数优化（Heuristic Optimization）提升在随机障碍物环境下的搜索效率。
• 🌊 后端平滑: 采用 5次多项式 (Quintic Polynomial) 进行轨迹插值，解析求解 Minimum Jerk（最小加加速度）轨迹，确保速度与加速度连续。
• 📊 可视化交互: 集成 RViz 实时可视化，动态展示搜索过程（Open/Closed Set）与优化后的平滑轨迹。

---

2. PCB Defect Detection: 基于 Faster R-CNN 的缺陷检测系统

关键词: Computer Vision Faster R-CNN ResNet-50 FPN WandB GUI Deployment

项目概述:
针对工业场景下的 PCB 缺陷检测，对比实现了两套 Faster R-CNN 方案：基于 torchvision 的工程化实现与基于底层网络构建的完整复现。项目集成 MLOps 工具流与桌面端部署应用。

PCB.mov

✨ 核心功能 (Key Features):

• 🔍 双重架构对比:
  • 自研方案: 基于 torchvision 预训练模型，集成 WandB 进行贝叶斯超参搜索（Bayesian Sweep），优化 ResNet-50 + FPN 的特征提取能力。
  • 底层复现: 从零构建 RPN (Region Proposal Network) 与 RoI Heads，深入理解 Anchor 生成与 NMS 筛选机制。
• ⚙️ 完整工程流: 实现 VOC 格式数据流水线，支持 Mosaic/Mixup 等数据增强策略。
• 🖥️ 部署与交互: 开发 Tkinter/PyQt5 双版本 GUI，支持单图推理与视频流实时检测，实现工业级交互体验。

---

🚀 Featured Projects | 精选项目

🤖 Embodied AI Practice | 具身智能工程实践

基于双臂机械臂XLerobot开发 聚焦 SOTA 具身策略（ACT, Diffusion Policy）的复现与 Sim2Real 落地。

1. LeRobot Implementation: ACT 与 Diffusion Policy 的实机部署

关键词: Imitation Learning ACT Diffusion Policy HuggingFace LeRobot Sim2Real

项目概述:
基于 HuggingFace LeRobot 框架，在双臂机器人平台上复现并部署了 ACT (Action Chunking Transformer) 与 Diffusion Policy 算法。打通了从数据采集、策略训练到真机推理的全栈流程。

act_diffusion.mp4

✨ 核心工作 (Key Contributions):

• 策略复现: 深入研究 Transformer 动作分块预测与去噪扩散过程，成功在低数据量下训练出高鲁棒性策略。
• VLA 对齐: 处理多模态数据输入（RGB 图像 + 关节状态），实现视觉特征与动作空间的对齐编码。
• 真机适配: 解决推理延迟与控制频率同步问题，成功完成双臂协同物体操作任务。

---

2. Isaac Sim Teleoperation: 高保真仿真与遥操作数据管线

关键词: NVIDIA Isaac Sim Teleoperation Data Collection Digital Twin USD

项目概述:
构建基于 NVIDIA Isaac Sim 的高保真仿真环境，用于具身智能策略的低成本训练与验证。搭建了基于 VR/手柄 的遥操作（Teleoperation）数据采集管线，为 LeRobot 提供高质量合成数据。

sim2real.mp4

✨ 核心工作 (Key Contributions):

• 数字孪生构建: 导入机器人的 URDF/MJCF 模型，配置物理属性（碰撞体、关节阻尼）以对齐真实物理世界。
• 遥操作映射: 实现 VR 手柄/SpaceMouse 到机械臂末端执行器（End-effector）的 IK 逆运动学映射，实现流畅的示教数据录制。
• Sim-to-Sim 验证: 在仿真环境中直接验证 LeRobot 训练出的策略模型，大幅降低真机试错成本。

---

Looking for Embodied AI Algorithm Intern opportunities.

📫 Contact: your_email@example.com