设计覆盖皮肤机器人的触觉撤回反射,并进行人因评估,服务于安全人机交互与触觉感知。
提出MEMENTO,记忆引导的模因代码即策略进化方法,将代码即策略与记忆机制结合,提升agent长时程任务能力。
研究物理AI(具身AI)的治理,从理论到实践贯穿全生命周期,涵盖实时安全约束与人机交互,服务于具身智能的负责任部署。
提出基于AMD ROCm的Real2Sim2Real流水线,服务于视觉-语言-动作操作,降低VLA训练与部署的硬件门槛。
提出WCM世界-认知模型,面向可泛化人机交互,超越VLA与世界模型规划器的指令执行局限,提升机器人交互的认知能力。
PRISM 提出一种紧凑的策略表示方法，将可观测物理变量间的多项式交互显式化、可学习化。标准 MLP 策略接收一阶变量（位置、速度），但许多动作相关线索来自乘积交互（如关节功率=扭矩×速度）。PRISM 用因子化多项式模块直接暴露这些交互，无需枚举所有单项式，在人形机器人行走和接触丰富操作上显著超越 MLP 基线。
提出LabRobFail,化学自助实验室中机器人失效分析基准,评估具身agent在安全关键化学实验中的可靠性与失效应对。
提出N0-TWAM,首个大规模触觉原生世界-动作模型,同时预测未来视觉与未来接触,在contact-rich操作上展现强能力。
探索性研究,检验GPT-5.1大模型在无具身训练、无仿真经验、无传感运动经验下,能否作为物理移动机器人的高层控制器,评估其世界模型能力。
提出LeapBot-WA世界锚定动作模型,通过预测潜在对齐摆脱像素级视频生成瓶颈,提升世界-动作模型的表示效率。
提出WARL力矩增强强化学习,将动作空间从关节扩展到力矩,提升腿式机器人的探索能力与运动性能。
提出运动感知向量量化框架与质心复用,降低VLA模型在GPU上的推理延迟,服务于实时具身AI部署。
