追求人类和机器人的富语义、自然、无缝交互，打造下一代人机交互系统。

探索视触觉驱动下的具身操作以及相关的基准搭建

探索具身智能的通用智能体框架，并结合具身智能的特性，开发出具有通用智能体的具身智能框架。

探索世界模型的构建，并结合具身智能的特性，寻找最合理的具身世界模型构型。