李永露

上海创智学院全时导师

上海交通大学助理教授

领域方向：具身智能与AI系统

研究具身智能、物理推理、行为理解。获中国人工智能学会吴文俊人工智能科学技术奖-优秀博士学位论文、WAIC云帆奖-璀璨明星、明日之星、NeurIPS’20/21杰出审稿人、百度奖学金、2020华人学生AI百人、中国国际大学生创新大赛优秀指导老师等。代表工作为HAJL、HAKE、AlphaPose，其中HAJL获ICRA 2025 Best Paper Reward on HRI（独立通讯）。目前在人工智能与机器人领域发表研究成果50余篇，谷歌引用100+论文8篇；开源项目30余项，获Github star 1.3万+。任NeurIPS 2024、2025 Area Chair，VALSE EAC、中国人工智能学会-具身智能专委会副秘书长。主要研究包括（1）结构化行为知识引擎：提出了人体局部状态（Part State）来统一识别模糊行为概念，使行为理解准确性和迁移学习性能提升超20%；提出面向行为推理的物体知识系统，构建因果关系框架和层次结构的行为动词树，建立了统一的行为理解标准，促进模型在不同领域间迁移，较OpenAI的CLIP模型性能提升40%，得到大量关注，图灵奖得主Yoshua Bengio认为PastaNet可有效支撑多模态大模型训练。（2）复杂交互行为组合学习理论：提出人与物体的交互性概念，研究了其特性和编码，开辟了新视角和方法，TIN被誉为首个两阶HOI检测算法，与同期先进算法（何凯明等）相比性能提升76%；提出多模态交互行为对比学习，首次将多模态感知与三维重建结合；提出了交互行为的组合分解与合成学习框架，发展了2017年Fei-Fei Li等关于视觉关系的脑神经研究，将HOI识别视为组合学习任务，为交互行为研究开辟了新方向，获得广泛关注，被400余篇论文用作基线方法和基础工具，2篇核心论文分别在ESI中排名前千分之八、百分之五。基于上述成果，与上海交大卢策吾教授联合推出了开源项目人类行为知识引擎HAKE，在行为理解领域有广泛影响力，被Stanford, UCB, MIT, CMU，Oxford和Google，Microsoft，Nvidia，Amazon跟进研究，主页被全球访问15万次，总谷歌引用1200余次，Github star 1.5k。