围绕智能体在真实物理环境中的感知、认知、决策与行动问题，重点开展以下研究：

1)        多模态融合感知：研究视觉、语言、触觉、力觉及本体感知等多源信息的统一表征与协同融合，提升机器人对复杂环境多维的理解能力。

2)        VLA驱动的导航与决策：研究视觉—语言—动作模型驱动的环境理解、任务规划、自主导航与连续决策方法，实现从自然语言指令和视觉观测到机器人动作的端到端映射。

3)        通用机器人技能学习：研究面向多任务、多场景和多机器人平台的技能表示、模仿学习、强化学习与迁移泛化方法，提升机器人技能复用、组合与持续学习能力。