CoFL-S: Spatially Queryable Sector Flow Fields for Local Language-Conditioned Navigation
面向局部语言条件导航的可空间查询扇区流场表征，利用从 VLN-CE 片段蒸馏出的 帧级监督进行训练。
haokun-liu
关于我
我是东京大学 DRAGON 实验室的博士生，
导师为 Moju Zhao 讲师。
研究方向为视觉-语言-动作（VLA）模型与面向空中/地面机器人的语言条件导航。
教育经历
博士在读 · 机械工学专攻
2024-10-01
东京大学
硕士 · 机械系统工学专攻
2022-10-01
2024-09-30
名古屋大学
学士 · 机械设计制造及其自动化
2018-09-01
2022-06-30
湖南大学
研究兴趣
视觉-语言-动作模型（VLA）
语言条件导航
空地异构机器人系统
人机协作
📚 研究方向
我的研究方向是面向机器人的视觉-语言-动作（VLA）模型—— 让空中与地面机器人能够理解自然语言指令，并在真实世界中自主行动。 我也关注视觉语言导航（VLN）和基于学习的机器人控制。
欢迎有兴趣合作的朋友与我联系 😃
代表性论文
•
•
1 分钟阅读时长
CoFL: Continuous Flow Fields for Language-Conditioned Navigation
将语言条件导航重构为工作空间上的连续流场学习：任意起点经场积分生成轨迹， 基于 50 万+ 程序化标注的 BEV-指令数据训练，可零样本部署到真实机器人。
haokun-liu
Hierarchical Language Models for Semantic Navigation and Manipulation in an Aerial-Ground Robotic System
面向空地异构机器人系统的分层 LLM + VLM 框架：无人机构建全局语义地图， 并以鸟瞰图像引导地面机器人的局部语义导航与操作。
haokun-liu
Enhancing the LLM-Based Robot Manipulation Through Human-Robot Collaboration
将 GPT-4 任务分解、YOLO 感知与「遥操作 + 动态运动基元」的人机协作相结合， 提升基于 LLM 的机器人自主操作能力。
haokun-liu
近期论文
(2026).
CoFL-S: Spatially Queryable Sector Flow Fields for Local Language-Conditioned Navigation.
CoRL 2026.
(2026).
CoFL: Continuous Flow Fields for Language-Conditioned Navigation.
arXiv 预印本（审稿中）.
(2026).
Hierarchical Language Models for Semantic Navigation and Manipulation in an Aerial-Ground Robotic System.
Advanced Intelligent Systems.
(2024).
Enhancing the LLM-Based Robot Manipulation Through Human-Robot Collaboration.
IEEE Robotics and Automation Letters, 9(8), 6904–6911.
(2023).
LLM-Based Human-Robot Collaboration Framework for Manipulation Tasks.
2023 IEEE International Symposium on Micro-NanoMechatronics and Human Science (MHS).
学术报告
最新动态
