个人简介：
姓名：付好宇
导师：涂来
荣誉奖励：硕士国家奖学金，华中科技大学校三好学生，华中科技大学科技创新奖学金，华中科技大学一等学业奖学金。
付好宇同学以第一作者身份在计算机视觉顶级会议ICCV上发表论文《ORION: A Holistic End-to-End Autonomous Driving Framework by Vision-Language Instructed Action Generation》，该研究针对端到端自动驾驶在闭环评估中因果推理能力不足的核心难题，提出了创新性的视觉-语言指令动作生成框架。
一、科研起点：从领域迷茫到问题聚焦
付好宇同学自研究生阶段起，便深耕自动驾驶领域。初期，他通过大量阅读前沿文献，逐步掌握领域发展脉络。然而，他很快意识到，仅靠文献积累不足以为创新提供坚实基础。为此，他主动向导师与实验室师兄请教，在组会中学习如何定义科学问题、剖析任务难点，从而培养出敏锐的学术洞察力。通过系统梳理，付好宇同学发现传统端到端方法虽在开放环境中表现良好，却缺乏对复杂交互场景的因果理解能力。他敏锐地注意到虽然当下的视觉语言模型（VLM）在语义推理上的具备潜力，但其与自动驾驶轨迹规划所需的数值动作空间存在割裂。这一洞见成为他攻关的起点——他坚信，若能桥接语义推理与数值规划，将显著提升自动驾驶系统的决策可靠性。
二，攻坚历程：挑战与解决策略
科研创新并非闭门造车，而是站在巨人肩膀上的远眺。受多模态生成领域的深刻启发，付好宇同学敏锐地洞察到：生成模型拥有将抽象的语义信息自然转换为精确数值表示的独特潜力。基于这一关键洞见，他提出了ORION框架的核心思想——通过一个创新的“生成式规划器”，直接对齐高级的语言推理空间与底层的轨迹动作空间，从而打通“思考”与“行动”的壁垒。
然而，将理论蓝图变为现实模型的道路充满挑战。在研发初期，付好宇同学直面两大“拦路虎”：
1，数据匮乏：高质量的视觉问答标注是模型训练的“燃料”，但在闭环仿真环境中，这片领域尚是空白。面对这个问题”，他主导开发了一套自动化标注管道，高效构建起业界首个相关数据集，为模型的成功训练奠定了坚实基础。
2，模型性能瓶颈：初期模型因规划与推理两大任务相互“排斥”，性能极不稳定。为攻克此难题，他独创性地设计了“三阶段解耦训练策略”，并引入历史信息融合模块，最终实现了多任务的协同增效，显著提升了模型的稳定性与可靠性。
这一切突破，都源于他始终坚持的“可解释决策”这一科研初心——即追求一个不仅“能驾驶”，更要“懂驾驶”的真正智能系统。
三、成果影响：从论文到领域推动
ICCV论文的发表标志着ORION框架获得国际认可。付好宇通过消融实验验证了生成式规划器的有效性，并开源整个框架促进社区研究（github 470+ star）。他计划进一步探索相关技术，推动成果在真实场景落地。
四，未来展望：持续探索的信念
对于未来，付好宇同学有着清晰的规划和远大的志向。他计划继续深耕自动驾驶前沿，致力于实现自动驾驶，并积极探索该技术在机器人等领域的应用潜力。他坚信，科研是一个永无止境的探索过程，每一次突破都是攀登下一座高峰的基石。
