简历

基本信息

姓名 任峻锋
身份 电子信息硕士研究生
邮箱 junfengren3253@gmail.com
地点 中国深圳

研究概述

南方科技大学硕士研究生，研究方向为面向自动驾驶和具身智能的三维感知与场景理解。 我的研究聚焦于语义占用预测、协同感知、高效多智能体通信以及占用世界模型， 目标是构建高效、可靠、可预测的空间感知系统。

科研经历

  • 2023 - 2024

    中国青岛

    科研助理
    山东科技大学物联网工程实验室
    • 开展嵌入式 IoT 系统实时任务调度优化研究
    • 实现仿真实验，并合作完成一篇基于改进 RMS 调度算法的 IEEE 会议论文

教育背景

  • 2024 - 至今

    中国深圳

    硕士
    南方科技大学
    电子信息
    • 研究方向：三维场景理解、协同感知与占用世界模型
  • 2019 - 2023

    中国青岛

    本科
    山东科技大学
    物联网工程
    • 学习背景：嵌入式系统、计算机视觉、机器学习与 IoT 应用

论文

  • 2026
    Learning to Merge Tokens for Communication-Efficient Collaborative Occupancy Prediction
    投稿 NeurIPS 2026
  • 2026
    Bandwidth-Aware Adaptive Token Communication for Collaborative Occupancy Prediction
    投稿 IEEE ITSC 2026
  • 2026
    Collaborative 4D Occupancy World Models with Motion-Aware Token Memory
    手稿准备中
  • 2023
    Scheduling Optimization Design of IoT Embedded System Based on Improved RMS Algorithm
    IEEE AIKIIE 2023

技能

编程与系统: Python, PyTorch, CUDA, Linux, C/C++
机器学习: 深度学习, CNN, Transformer, 表示学习, 多模态学习
计算机视觉: 三维感知, 语义占用预测, 协同感知, 占用世界模型

语言

中文 : 母语
英文 : IELTS 6.0

研究兴趣

研究兴趣: 计算机视觉, 三维感知, 语义占用预测, 协同感知, 多智能体通信, 占用世界模型

证书

  • 物联网数据监测与分析系统软件著作权 - 国家版权局 (2023)

项目

  • 面向协同占用预测的 token 合并学习

    面向自动驾驶多智能体场景的通信高效三维语义占用预测研究，重点关注 token 化场景表示、 时空记忆、接收端请求通信以及有限带宽下的内容感知 token 合并。

    • 构建基于 token 的协同占用预测框架，用于多智能体自动驾驶感知场景
    • 设计时空记忆模块，聚合跨帧 BEV 表示以增强时间一致性
    • 提出接收端驱动的通信机制，使 ego 智能体能够向邻近智能体请求关键信息区域
    • 提出内容感知 token 合并，在传输前保留请求相关 token 并合并冗余 token
    • 在 Semantic-OPV2V 上验证了较优的精度与通信开销权衡
  • 带宽感知的自适应 token 通信

    面向协同三维占用预测的自适应通信研究，探索智能体如何根据场景复杂度、 token 重要性和可用带宽动态决定请求、保护和传输的 token 数量。

    • 提出带宽感知的自适应通信策略
    • 用自适应 token 选择替代固定 Top-K 请求与保护策略
    • 研究动态传输预算分配，以平衡感知精度和通信成本
    • 结合场景复杂度、token 重要性和不确定性线索指导通信决策
  • 协同 4D 占用世界模型

    探索协同感知如何支持占用式世界建模，从当前帧三维重建扩展到动态环境中的未来占用状态预测。

    • 将协同三维占用预测拓展为面向未来的 4D 占用世界建模
    • 设计运动感知 token 记忆，用于捕获紧凑占用表示中的时间动态
    • 利用多智能体观测改善遮挡和不确定区域的未来预测
    • 研究 future occupancy forecasting 与感知、时间推理和世界模型之间的联系
  • 基于 NVIDIA Jetson 的自动驾驶感知与决策系统

    本科阶段嵌入式自动驾驶项目，在 NVIDIA Jetson 上集成感知、决策和控制模块。

    • 基于 YOLOv5 和 OpenCV 构建实时目标检测与车道线检测感知管线
    • 设计规则决策逻辑和有限状态机，用于车道保持、转向和避障
    • 在 NVIDIA Jetson 上完成嵌入式推理和控制优化
  • NAO 机器人具身智能足球任务系统

    本科阶段机器人项目，实现 NAO 人形机器人基于视觉的找球、导航和踢球任务。

    • 基于视觉和几何线索实现实时球体检测与距离估计
    • 设计搜索、接近、对齐和踢球的有限状态机
    • 将视觉反馈与 NAOqi 运动控制集成，实现闭环任务执行
  • 嵌入式边缘 AI 人脸识别门禁系统

    本科毕业设计，面向资源受限嵌入式设备实现轻量级端侧人脸识别与门禁控制。

    • 基于 MobileFaceNet 和相似度匹配构建轻量级人脸识别流程
    • 应用模型压缩和量化完成嵌入式部署
    • 集成端侧推理、无线通信和移动端用户管理