关于本人

个人信息

• 张**/男/1996
• 清华大学/精密仪器系/博士
• Email：kunmeigo@gmail.com

学习经历

天津大学 精密仪器与光电子工程学院 测控技术与仪器 工学学士

• （ 2015年9月 ~ 2019年7月 ）
• 主修课程：电路、信号与系统、微机原理、模拟电子技术、数字系统设计、工程力学、工程光学、精密机械设计、精密测量理论及技术。
• GPA：3.85（专业前3%）

清华大学 精密仪器系 仪器科学与技术 工学博士

• （ 2019年9月 ~ 2024年7月 ）
• 研究方向：微纳尺度半导体器件及近零功耗红外MEMS开关
• Scopus | ORCID:0000-0001-7614-5589

二维应变半导体材料应变特性研究 ( 2019年9月 ~ 2021年6月 )

近零功耗红外智能开关（博士课题） ( 2021年9月 ~ 2024年6月 )

科研成果

[1] Zhang, Z., Li, P. & Zou, Y. Zero-power infrared switch with two-phase microfluidic flow and a 2D material thermal isolation layer. Microsyst Nanoeng 10, 122 (2024). https://doi.org/10.1038/s41378-024-00761-x

[2] Zhang Z, Yan J, Zhao J, et al. Near-zero-power infrared relay based on microfluidic switch and metamaterial absorber[J]. Applied Physics Letters, 2023, 123(12).

[3] Li P, Zhang Z, Shen W, et al. A self-powered 2D-material sensor unit driven by a SnSe piezoelectric nanogenerator[J]. Journal of Materials Chemistry A, 2021, 9(8): 4716-4723. （导师为第一作者）

[4] Li P, Zhang Z. Self-powered 2D material-based pH sensor and photodetector driven by monolayer MoSe2 piezoelectric nanogenerator[J]. ACS Applied Materials & Interfaces, 2020, 12(52): 58132-58139. （导师为第一作者）

[5] Zou Y, Zhang Z, Yan J, et al. High-temperature flexible WSe2 photodetectors with ultrahigh photoresponsivity[J]. Nature Communications, 2022, 13(1): 4372.

[6] Zou Y, Li P, Su C, Yan J, Zhao H, Zhang Z, You Z. Flexible High-Temperature MoS2 Field-Effect Transistors and Logic Gates[J]. ACS Nano, 2024.

[7] 李**, 张**, 杨**, 张**. 一种自驱动的微型氨气传感系统: 中国, CN110426432A[P]. 2019-11-08.

[8] 李**，张**. 一种近零功耗自唤醒开关: 中国, CN117318690A[P]. 2023-12-29.

获得奖励

工作经历

自动驾驶规控算法工程师

[经纬恒润] · CNOA（城市领航辅助驾驶）& CX835 项目 ( 2024年7月 ~ 至今 )

• 主导L2/L3 级CNOA功能中横向规划(Planning) 算法栈的开发与交付，核心负责参考线生成、轨迹优化及地图-感知融合策略。
• CNOA 横向问题主要负责人之一，在量产攻坚阶段主导横向 JIRA 问题清零。通过根因分析，攻克了“画龙”与“猛打方向”等核心稳定性难题，并与团队Leader共同制定交付方案。
• 主导解决了路口场景下轻地图(HDAir) 与感知融合的重大难题，通过三次核心迭代显著提升轨迹准确性与安全性：
  • V1 (路沿修正)：实现地图边界与感知路沿的匹配，解决单边横向误差。
  • V2 (道线修正)：引入远端道线匹配，同步修正车道位置与宽度，应对地图车道宽度不准问题。
  • V3 (停止线/分割线修正)：利用对向停止线提前锁定本车道左边界，有效规避了因道线识别滞后而驶入对向车道的重大安全风险。
• 设计并维护参考线(Reference Line) 生成框架，为下游模块 (换道/绕行) 提供 Frenet 坐标系基石：
  • 换道架构：设计平行参考线方案(左/中/右)，使系统可通过切换追踪的目标Frenet坐标系来实现自动换道。
  • 核心场景状态机：设计并维护了覆盖高复杂度场景的状态机，实现算法策略的平滑切换与解耦：
    • 平行车道态(默认)：基于感知/SLM中心线生成。
    • 标准路口态(距离<30m)：切换为“历史-贝塞尔-地图车道”三段式拼接。
    • 疑难场景态(如右转专用道，感知/拼接失效)：设计降级与平滑过渡机制。
      • 专家轨迹(Driver Path) 模式 (优先)：若存在数采轨迹，则平滑拼接至专家轨迹。
      • 搜索模式(降级)：若地图标注为专用道，则调用Hybrid A* 模块生成路径。
    • 平滑退出态(路口驶出/退出疑难场景)：依据非感知规划路线平滑切入感知车道，实现从‘地图/专家/搜索‘等模式安全切换回‘感知主导‘。
• 重构并优化了基于OSQP的轨迹精调模块(B-spline)，以 Heading/曲率为约束；针对路沿避障，设计 路沿软约束并通过**序列QP(SQP)**迭代求解，兼顾了轨迹平滑性与避障安全性。
• 开发了基于导航路径的智能车道决策(Lane Decision) 逻辑，确保复杂场景下的最优路径选择：
  • 常规场景(分叉/生长)：设计“候选车道集生成”与“导航信息匹配”机制，确保参考线主动选择正确的下游目标车道。
  • MLC难题(跨多道换道)：利用地标(Lane Mark) 感知匹配目标车道，并设计“保持-目标”双参考线生成策略。
  • 协同安全决策：将双参考线送至下游安全模块进行动态轨迹校验，若目标线可行则执行MLC，否则安全直行并报接管。
• 开发了车流轨迹融合模块(Traffic Flow Module)，将动态障碍物行为引入参考线约束：
  • CIPV 跟车(已上线)：在直行场景下，提取前车(CIPV)轨迹生成bound，作为参考线的软约束，实现平滑稳定的跟车。
  • 非对称路口避让(方案验证)：利用邻车轨迹作为软约束，解决非对称路口中因“抢道”导致的轨迹冲突问题。
  • 工程权衡：深入分析并识别出因“时空解耦”导致邻车避让在加塞场景下的舒适性问题，最终决策仅上线鲁棒的CIPV跟车功能。
• 协同设计LidarCurb (Freespace) 模块，以解决感知在柱状路沿等场景的缺陷：
  • 参与方案迭代：深度参与LidarCurb 模块的方案讨论，推动其从早期霍夫变换演进为鲁棒的“栅格化扫描 + 开口选取”架构。
  • 定义核心接口：主导定义了该模块与规划的耦合逻辑，即LidarCurb需融合参考线状态机与导航信息来智能选取通行开口。
  • 实现规划闭环：该模块最终为参考线生成器提供了左右约束，保障了疑难场景的轨迹安全。