1. 参与VLA（Vision-Language-Action）模型的预训练架构设计与优化：基于现有VLM增强空间理解和推理能力，或探索视觉-动作对齐的预训练方案，提升模型细粒度空间理解和泛化能力；研究视频、文本、机器人动作数据的高效表征学习和对齐方法，优化模型性能、推理效率与数据效率 2. 开发大规模机器人数据的训练pipeline，包括数据收集、处理、增强和高效加载，构建仿真（MuJoCo、Isaac Sim等）与真实场景结合的评测验证链路，建立标准化benchmark和性能指标体系 3. 负责机器人运动控制层的设计与开发，结合传统控制方法（模型预测控制、轨迹优化等）和基于强化学习的运动控制方案，实现VLA模型输出到机器人高精度、高频率执行的高效衔接；研究并实现双臂协调、柔顺控制、阻抗控制、力控制等控制方法，探索传统控制与强化学习控制的融合方案 4. 负责真机系统集成、行为验证和在环测试，将算法落地到实际机器人系统，提升操作鲁棒性和成功率；面向双臂灵巧操作任务，研究数据高效的模仿学习算法（如ACT、Diffusion Policy等）和强化学习方案，探索真机部署方法，提升操作鲁棒性