符永骥

符永骥 Yongji Fu

我是符永骥(Yongji Fu),目前在布里斯托大学攻读机器人工程硕士(2025.09 – 2026.10),导师为 Nathan F. Lepora 与 Guanqun Cao;并曾在复旦大学工程与应用技术研究院担任科研助理(RA,2025.02 – 2026.03),研究仿人面部机器人的逼真表情学习,以及 Computer Use / GUI Agent 的后训练与评测。本科毕业于重庆邮电大学信息管理与信息系统专业。

Goal   建立可以持续学习、自我迭代的机器人或 Agent 系统,让它们在与物理世界的持续交互中不断成长。

Research Interests   大规模强化学习 ·面向机器人学习的世界模型 · 持续自进化 Agent · 通用移动操作(loco-manipulation)

ROSE:面向仿人机器人表情的跨具身共享面部运动潜空间

Yongji Fu, Man Cao, Yi Zhou, Fei Lin, Mark F. Hansen, Guanqun Cao

ICRA 2027, 已投稿, 2026

TouchSteer:基于 Steering Vectors 的触觉感知与自然语言接地框架

Guanqun Cao, Yongji Fu, Yi Zhou, Gaojie Jin, Zhenyu Lu, Shan Luo

IEEE Transactions on Robot Learning, 审稿中, 2026

基于混沌与不可约多项式的动态 S 盒构造及其在图像加密中的应用

基于混沌与不可约多项式的动态 S 盒构造及其在图像加密中的应用

Chenhong Luo, Yong Wang, Yongji Fu, et al.

Nonlinear Dynamics(Springer,JCR Q1,IF 6.0), 2024

Computer Use / GUI Agent:后训练与自进化评测

Computer Use / GUI Agent:后训练与自进化评测

面向真实网页与桌面端多步业务流程的 Computer Use / GUI Agent 后训练与评测。基于 Qwen2.5-14B-Instruct 构建 SFT → 离线 step-RFT → 在线 GiGPO 后训练流程,200 条专家解法 benchmark 成功率由 31.3% 提升至 49.2%;再以多教师在线蒸馏(MOPD)把 macOS、Linux、Windows、Web 四个平台的 GiGPO 专家模型融合为一个跨平台通用 Agent;trace 级 LLM-as-Judge 自动评测与人工标注一致率 94.3%(复杂任务 83.2%),并驱动题库自进化。

  • GUI Agent
  • Qwen2.5
  • SFT
  • GRPO
  • GiGPO
  • DAPO
  • MOPD
  • LLM-as-Judge

可持续学习的交互机器人

在长期人—机器人交互中不断拓展能力的具身智能体:新技能、新物体概念、新语言—动作对齐都在线习得,而非一次性预训练写死。

  • HRI
  • Continual Learning
  • Multimodal
  • Agent
Thinking-with-Image:面向工具增强视觉推理的强化学习

Thinking-with-Image:面向工具增强视觉推理的强化学习

复现并扩展 VTool-R1 / ReFocus 路线,让视觉语言模型在推理过程中主动改写所读的图表——遮罩、框选、高亮相关行列——把“用文字思考”升级为“用图像思考”,并以强化学习(veRL + GRPO + DAPO)端到端训练带工具的推理策略。在 ChartQA 类问答上,Qwen2.5-VL-3B 的答案判对率从 62% 提升到 96%。

  • RL
  • veRL
  • DAPO
  • GRPO
  • Qwen2.5-VL
  • vLLM