校园科研项目，目标是提升仿真环境中车辆与行人检测鲁棒性。负责基于YOLOv5构建检测流程，使用CARLA采集的5千张标注图像训练，引入Mosaic与MixUp增强；与两位同学协作完成数据标注和模型调参，在自建验证集（1千张）上mAP@0.5从0.72提升至0.81，并输出实验报告与可视化分析。

个人项目，探索城市路口车辆轨迹预测与局部路径规划。使用Python和PyTorch实现LSTM与Transformer基线，在Argoverse公开数据子集（约1万条轨迹）上训练，对比不同历史窗口的ADE/FDE；结合A*与纯跟踪控制做仿真验证，在自建场景中保持安全距离通过率约90%，代码与实验记录已整理至个人GitHub。