李永祺 YongQi Li
机器人导航 · 路径规划 · 系统工程
教育与方向
电子科技大学（UESTC）｜在读学生
围绕移动机器人开展 ROS 系统集成、分层规划、性能优化与回归验证，并持续向科学计算和机器人开源项目贡献修复。
项目经历
3YD 分层导航与大地图优化 ROS 2 / Nav2 / C++ / Python
- 连接区域选路、参考路径与 Smac 规划；优化原生膨胀队列、分块代价转换和有限支持域计算，保留内容 ACK 与严格路径终验。
- r11 A+B 相比同环境 r10：查询峰值 RSS 3.779 → 2.451 GiB（−35.2%）；总体耗时中位 1.418 → 1.178 s（−17.0%）。
- 固定集 30/30、乱序 50/50、端点扰动 10/10 通过，路径逐点一致；800 组原生等价性用例、41 项 Python 测试通过。
本地静态单地图实验；计时不含一次性准备与常驻栈启动。动态实机及多地图部署未验收。实验摘要 ↗︎
Autolabor 双机导航系统 ROS Noetic / FAST-LIO / Hybrid A* / TEB
- 整合定位、覆盖规划与控制；采用可取消的异步转场任务，处理截止时间、旧结果失效、运行版本隔离和进程生命周期。
- 195 项工作区测试、10 项隔离生命周期测试通过；完成 ARM64 原生构建与部署检查，该优化批次未进行实车运动性能验收。
EGO-Planner 地面车适配 C++ / B 样条 / MPC / qpOASES
- 将无人机执行链路适配为二维地面车规划，通过 MPC 跟踪 B 样条轨迹并输出底盘速度，接入点云预处理与前进/倒车逻辑；公开记录接口及部署问题。
已合并的开源贡献 7 个 PR · 6 个上游项目
技术能力与社区
语言与工程：C++、Python、Linux、Git、pytest、ROS 1 / 2、CI、性能剖析。
机器人：FAST-LIO、ICP、TF、Nav2、Hybrid A*、TEB、覆盖规划、B 样条与 MPC。
开源社区：FOSSASIA、YFOSP 公开 GitHub 组织成员。