吴卓衡

GPA 3.5/4.0

项目为基于Unity引擎和SteamVR开发的虚拟油库保障仿真模拟软件，提供给油库作业人员作为训练资源。该项目为从零设计并开发一个软件，使用语言为C#，硬件设备为HTC Vive VR头显、手柄以及Noitom诺亦腾VR交互手套。此项目根据客户需求，需要全程能够使用VR交互手套进行操作。

我的职责以及贡献：

• 需求方面考察并设计作业流程中的各项步骤，并将其抽象化成各项任务列表中的元素，包括实操动作、音频文本等。程序包括教学模式、训练模式以及考核模式，总共包含7个作业流程。
• 编写各个流程中任务的触发脚本和绑定对象，主要使用链式Invoke对于每个流程的开始以及结束进行控制。
• 编写并维护任务管理、UI管理、音频管理等核心流程控制的类。程序开发至后期阶段，由于程序体量大，导致了Unity卡顿，因此需要将部分内容直接写入管理类的脚本中以减少在Unity的UI上的对象绑定等操作。
• 解决流程编写中的一些难点问题及bug，例如一些动作完成后需要将物体吸附在特定的位置，在Unity引擎中直接设定位置将会导致后续无法移动该物体，解决方案为使用监听者模式并对物体状态进行实时更新，离开指定区域后将监听者移除。

本课题为将3D点云的实景扫描模型通过基元拟合的方式转换为数字模型，将原点云数据进行下采样处理，再将其以几何基元表示出来，对于3D扫描物体的识别有着极其重要的作用，主要应用领域为数字孪生产业。本课题使用的数据为扫描工厂点云数据。

我的工作以及贡献：

• 理解并提取作为原数据的GLTF文件中的mesh网格信息，使用工具为pygltflib库。
• 对于点云进行多种下采样方式的尝试并进行比较。由于工厂点云规模巨大，物体偏向宏观，因此并不是特别在意细节丢失的问题，更偏向于效率，使用效率更高的体素下采样更为适合此数据集。
• 将庞大的点云分割成100个簇以便进一步的点云边缘检测、基元拟合以及场景重建工作。因为点云规模庞大，直接进行聚类的效率极低，因此需要进行折中的处理。此处使用了K-Means聚类算法作为基础，对其进行级联改进，先进行粗粒度的聚类分割，再对每个粗分类簇进行细分类，可以大大提升效率。

此项目为专业必修课《计算机网络》的下属lab,使用switchyard、mininet、wireshark等工具，进行计算机网络中主要层级的一些功能模拟。开发环境为Linux，使用语言为Python。

其中与后端关联较为紧密的为对传输层、应用层的功能模拟。传输层实验内容为可靠传输协议，模拟UDP报文的滑动窗口发送、丢包现象、接收与返回ACK报文的行为。应用层实验内容为内容分发网络，模拟DNS服务器匹配域名、Cache服务器提高报文回复效率以及对于错误请求的回复等行为。

• 学习当前的LLM模型以及相关开发环境(TensorFlow , HuggingFace)，并尝试基于开源模型开发Agent应用
• 收集相关的小说数据集并对于现有模型进行微调