具身智能

研究领域

研究 Idea

Vision-Language-Action / VLA

1. 端到端 VLA 机器人通用操作
2. 分层 VLA 复杂任务执行
3. 视觉—语言—动作统一建模
4. Generalist VLA 通用机器人策略
5. VLA 高效微调与能力保持
6. VLA 零样本任务泛化

VLA × Reinforcement Learning

1. 基于强化学习的 VLA 后训练
2. VLA 复杂推理与动作联合优化
3. 基于可验证奖励的机器人策略优化
4. VLA × Offline RL
5. 机器人操作中的 VLA 自我改进
6. 强化学习增强 VLA 长时序任务能力

VLA × World Model

1. 世界模型辅助 VLA 机器人规划
2. 基于未来预测的 VLA 决策
3. World Model × VLA 长时序任务执行
4. 生成式世界模型辅助机器人操作
5. VLA 环境预测与 Look-Ahead Planning
6. 世界模型驱动的机器人策略学习

Robot Manipulation

1. 语言指令驱动的机器人自主操作
2. 复杂物体通用抓取与操作
3. 机器人精细操作与灵巧手控制
4. 双臂机器人协同操作
5. 视觉触觉融合机器人操作
6. 长时序机器人 Manipulation

Robot Learning

1. 基于大规模机器人数据的策略学习
2. 机器人模仿学习与行为克隆
3. 多任务机器人策略学习
4. 跨机器人 Cross-Embodiment Learning
5. 机器人持续学习
6. 通用 Robot Foundation Model

Embodied Navigation

1. 视觉语言导航 VLN
2. 语言指令驱动的机器人自主导航
3. 具身导航中的空间推理
4. 长时序目标导航与任务规划
5. 开放环境自主探索
6. Embodied Navigation Foundation Model

Embodied Spatial Reasoning

1. 3D视觉语言模型驱动的机器人空间推理
2. 具身场景空间关系理解
3. 多模态空间认知与任务规划
4. 机器人3D场景语义理解
5. Spatial Reasoning × VLA
6. 具身智能中的视觉空间记忆

Sim2Real / Cross-Embodiment

1. Sim2Real 机器人策略迁移
2. Real2Sim2Real 自迭代机器人学习
3. 跨机器人形态策略泛化
4. 仿真数据驱动的真实机器人学习
5. Domain Randomization 与机器人泛化
6. Zero-Shot Cross-Embodiment Generalization