李浩宇是 武汉大学 计算机科学与技术专业本科生。研究兴趣包括 三维计算机视觉多模态生成式人工智能具身智能。曾在武汉大学 MARS 实验室 叶茫教授 组担任科研助理,并在哈尔滨工业大学智能接口技术中心 赵铁军教授 组远程实习。

联系方式:haoyuli404@outlook.com · +86-158-2700-2669 · 简历 (PDF)

愿景

我的志向是在三维计算机视觉多模态学习生成式人工智能具身智能的交叉领域长期深耕。我希望研究从场景几何与多模态表征,到生成式世界模型,再到语言驱动的机器人执行的一体化方法,使 AI 不仅能看懂并生成可信的视觉世界,也能在真实数据与硬件平台上形成可验证、可部署的闭环能力。这是我计划长期投入的研究路径。

动态

  • 2026.06FedMentalECCV 2026 接收。
  • 2026.06:发布 SkyArm-VLA,面向机械臂操作的具身视觉-语言-动作项目。
  • 2026.05Diffusion Models from Zero to Hero 作为开源课程发布,欢迎贡献。
  • 2026.04大学生创新创业训练计划 国家级项目立项。
  • 2026.04S3Mamba-PanIEEE TGRS 接收,DOI:10.1109/TGRS.2026.3686021
  • 2025.10:获评武汉大学 优秀学生干部优秀学生 等荣誉。
  • 2025.08全国大学生计算机系统能力大赛 全国三等奖。
  • 2025.05中国大学生计算机设计大赛 中南赛区一等奖。
  • 2025.05美国大学生数学建模竞赛 Honorable Mention。
  • 2024.11全国大学生数学竞赛 湖北赛区二等奖。

发表论文

ECCV 2026
FedMental 框架:面向多态多模态精神医学的拓扑感知联邦原型学习

FedMental: Topology-Aware Federated Prototype Learning for Polymorphic Multimodal Psychiatry

Haoyu Li; He Li; Wenke Huang; Yujing Rao; Xiaofen Zong; Mang Ye

European Conference on Computer Vision (ECCV)2026

IEEE TGRS
S3Mamba-Pan 框架:频率解耦双流 Mamba 用于全色锐化

S3Mamba-Pan: Spectral-Spatial-Scale Mamba With Frequency-Decoupled Dual-Stream for Pansharpening

Zishun Song; Yao Zhang; Haoyu Li; Yanlin He; Jiawei Zhao; Yi Yang; Wei Zhang; Dezhen Wang

IEEE Transactions on Geoscience and Remote Sensing2026DOI: 10.1109/TGRS.2026.3686021

荣誉与奖项

  • 2025 优秀学生干部,武汉大学
  • 2025 武汉大学优秀学生
  • 2025 全国大学生计算机系统能力大赛 全国三等奖
  • 2025 中国大学生计算机设计大赛 中南赛区一等奖
  • 2025 全国大学生数学竞赛 湖北赛区二等奖
  • 2025 美国大学生数学建模竞赛 Honorable Mention
  • 2026 国家级大学生创新创业训练计划 项目立项

教育背景

  • 2023 年 9 月 – 2027 年 6 月(预计)计算机科学与技术 工学学士武汉大学,武汉
    • GPA: 91.75 / 100
    • 部分课程: 数据结构(97)、算法设计与分析(92)、计算机图形学(92)、软件构造基础(94)、高等数学(96)、概率论与数理统计(92)

精选课程与自学

除武汉大学正式课程外,我还系统完成了面向 机器人学习视觉-语言-动作(VLA)生成建模三维视觉 的自学训练,为具身智能、world model 与 geometry-aware generation 方向的研究做准备。

机器人学习与具身智能

视觉-语言-动作(VLA)与 LeRobot

生成建模与扩散模型

三维视觉与逆图形学

科研经历

  • 武汉大学 MARS 实验室科研助理 · 2025 年 4 月 – 至今 · 武汉 · 导师:叶茫教授
    • 研究多中心、多模态精神医学诊断中的 联邦学习,围绕非独立同分布数据、隐私约束与跨域泛化问题设计拓扑感知的原型建模思路,以缓解异质中心之间的原型偏移与语义混叠。
    • 提出模拟临床 MDT 会诊流程的多智能体推理范式,融合文本/语音/视觉等多模态数据,解决了多模态融合与可解释性难题,准确率比现有 SOTA 方法高出 18.9%。
    • 构建大规模多模态医学数据基准,提出 MDDF 模态动态分解融合基线模型设计, 数据集开源至哈佛 DataversHarvard Dataverse
  • 哈尔滨工业大学 智能接口技术中心远程科研实习 · 2025 年 12 月 – 至今 · 远程 · 导师:赵铁军教授
    • 出频率解耦双流 Mamba 架构,通过 Haar 小波多尺度分解实现高低频特征分离建模,引入光谱锚点对齐与自适应分布再校准机制,解决了遥感多模态融合中空间细节丢失、光谱畸变与推理效率三者的固有矛盾,在多个公开数据集上同时取得精度与速度的 SOTA 性能。
    • 研究时序生成,开发 ChronoRect,以 rectified flow 建模临床时序数据的连续分布传输,解耦扩散中的双流时间,并提出 EHR-TriDiT 结构。
    • 研究可控视频生成,聚焦以物体为中心的文本到视频生成任务,分析区域掩码与运动轨迹的细粒度条件控制机制,解决生成视频中物体运动偏差、身份漂移、属性错配与时间不一致性的痛点。

项目

SkyArm-VLA2026 年 4 月 – 2026 年 6 月 · Vision-Language-Action、机械臂操作、LeRobot、具身智能

  • 围绕 LingBot-VLA 搭建机械臂 VLA 项目,将预训练视觉-语言-动作模型适配到自定义桌面操作场景,把语言指令理解、视觉观测与可执行机器人动作连接起来。
  • 完成从 LeRobot 数据采集、相机与机器人状态对齐、动作空间映射、动作专家后训练,到开环评估与 WebSocket 远程推理部署的完整后训练流程。
Diffusion Models from Zero to Hero:从 DDPM 到视频生成的扩散模型实战课程

Diffusion Models from Zero to Hero2025 年 10 月 – 至今 · Diffusers、Stable Diffusion、LoRA、ControlNet、视频生成

  • 围绕 Diffusers、scheduler 设计、UNet 训练循环、微调、classifier-free guidance、类别条件生成、Stable Diffusion 组件(VAE、CLIP 文本编码器、UNet、cross-attention)、img2img、inpainting 与 depth-to-image 编写可运行 notebook 与文档。
  • 覆盖 DDIM inversion、DreamBooth 个性化、音频频谱图扩散、toy video diffusion、运行排查、显存优化建议,以及 LoRA、ControlNet、SDXL、DiT、Flow Matching 和视频模型 等现代路线图。
Happy-LLM:从零开始构建大语言模型

Happy-LLM2025 年 8 月 – 2026 年 4 月 · Decoder-only、Pretraining -> SFT、LLM engineering

  • 共建 Happy-LLM30k+ stars),围绕从零实现大语言模型的核心链路组织教学与实践材料,覆盖 tokenizer、embedding、Transformer decoder、attention、MLP、归一化、RoPE 与 KV Cache 等基础模块。
  • 梳理 预训练、监督微调、PEFT 与推理优化 的完整工程流程,将数据构造、训练目标、显存管理、推理缓存、模型评测与应用扩展串联起来,帮助读者从模型结构理解过渡到可运行的 LLM 实践。

CyberMars: Intelligent CyberDog Robotics Control2025 年 4 月 – 8 月 · ROS、强化学习

  • 面向小米 CyberDog 构建具身控制系统,基于 ROS 组织任务调度、实时视觉感知、车道跟随、二维码 / 标记识别与障碍导航模块,并通过传感信息融合把环境观测转化为可执行的运动决策。
  • 将视觉目标识别结果映射为任务状态与动作约束,设计低层运动接口和 LCMT 轨迹跟踪链路;结合强化学习引导的运动策略调参与实时反馈修正,提升在传感噪声、动作延迟和场景扰动下的闭环执行稳定性。

学生工作与志愿服务

  • 班长,武汉大学 · 2023 年 9 月 – 至今 — 负责 31 人班级的大小事务;协调教学、行政与集体事务;组织 16 场覆盖班级、院系与校际的主题活动。
  • 外联部部委 · 2023 年 9 月 – 至今 — 促成 2 次校企对接;策划活动累计覆盖 5000+ 人次。

技能

  • 语言: 中文(母语)、英文(流利)
  • 编程: Python、Java、C#、C++、SQL、Go
  • 工具与框架: PyTorch、Linux、Git、ROS、Docker