刘明桓

1. RoboFlamingo，最早开源视觉语言机器人操作模型，推动VLM向机器人操作迁移

2. RoboVLMs，通用机器人视觉语言动作模型研究，系统分析构建VLA模型的关键因素

3. GR1，字节跳动Seed-Robotics首批人形机器人VLA系统研发，推动机器人基础模型工程化落地

4. ACE，首个低成本跨平台视觉外骨骼遥操作系统，提升机器人数据采集效率

5. Visual Whole-Body Control，面向腿足机器人的视觉全身控制方法，实现复杂运动操作融合，CoRL Oral

6. Continual Learning for Foundation Models，提出面向持续学习的基础模型适应方法， ICML Oral

刘明桓的研究聚焦于通用机器人智能与具身智能，致力于从算法、数据、控制与系统协同的全栈视角，构建能够在复杂真实环境中感知、理解并执行多样任务的通用机器人系统。其研究覆盖视觉—语言—动作模型、机器人基础模型、强化学习与模仿学习、仿真到现实迁移、人形机器人全身控制以及大规模机器人数据生成等方向，并拥有机械臂、人形机器人、四足机器人和灵巧手等多类硬件平台的研发经验。

【工作经历】

2025年7月至2026年4月，UT Austin，博士后研究员

2024年11月至2025年8月，字节跳动Seed-Robotics，研究科学家

【教育经历】

2019年9月至2024年12月，上海交通大学，计算机科学与技术，博士

2023年8月至2024年8月，UCSD，访问博士生

2015年9月至2019年8月，西南交通大学，计算机科学与技术，学士

1. RoboFlamingo，最早开源视觉语言机器人操作模型，推动VLM向机器人操作迁移

2. RoboVLMs，通用机器人视觉语言动作模型研究，系统分析构建VLA模型的关键因素

3. GR1，字节跳动Seed-Robotics首批人形机器人VLA系统研发，推动机器人基础模型工程化落地

4. ACE，首个低成本跨平台视觉外骨骼遥操作系统，提升机器人数据采集效率

5. Visual Whole-Body Control，面向腿足机器人的视觉全身控制方法，实现复杂运动操作融合，CoRL Oral

6. Continual Learning for Foundation Models，提出面向持续学习的基础模型适应方法， ICML Oral

字节跳动奖学金（2022），博士国家奖学金（2022）

PC @ NeurIPS, ICML, ICLR, CVPR, IJCAI, IROS, RAL, RSS