环境感知与理解
融合视觉、空间与设备状态，形成面向任务的场景表征。
Research Focus
智能发生在模型与环境的往复之中
具身任务要求系统理解多模态输入，也要求每次行动能够及时、安全地改变后续感知。我们关注这一闭环如何在有限资源下稳定运行。
决策与控制闭环
把高层目标分解为可执行动作，并根据实时反馈持续修正。
端侧与多体协同
研究端侧实时推理与多智能体之间的知识、任务和行为协作。
Closed Loop
感知、决策、行动、学习
闭环中的每一步都会改变下一步输入，系统需要在动态环境中持续校准自己的理解。
观察与表征
从多模态数据中识别物体、空间关系、状态和任务上下文。
目标驱动规划
结合环境约束与历史经验，生成可以执行和验证的行为序列。
实时执行
在端侧完成关键推理和控制，降低远程链路带来的不确定性。
交互学习
从行动结果与协同反馈中更新策略，提升对新任务和新环境的适应能力。
Applications
从环境理解走向自主行动
智能机器人
围绕导航、操作与任务执行建立实时的感知决策闭环。
工业自动化
让智能体理解生产现场变化并与设备、人员协同作业。
智慧空间
通过空间感知与主动服务，让环境能够适应其中的人和任务。
人机协作
理解人的意图、位置与动作边界，支持更自然可靠的共同任务执行。
智能不仅要理解世界，还要在行动中验证并更新这种理解。
ASCEND Lab · Embodied AI