01
具身基礎模型（VLA / WAM）
研究視覺-語言-動作模型與世界動作模型，讓機器人從視覺、語言與自身狀態直接生成動作，並在長程任務中進行推理與規劃。
研究方向
FIR Lab 聚焦具身智能，研究讓機器人理解物理世界、在真實環境中可靠完成複雜操作的具身基礎模型與學習方法。
研究願景
機器人要真正走進工廠、實驗室與日常生活，需要的不只是單項技能，而是能理解任務、預測物理後果、並在變化中持續學習的通用能力。
FIR Lab 的核心問題是：如何讓機器人理解物理世界，並把這種理解轉化為可靠、可泛化的操作能力？
我們以具身基礎模型為核心，在模型、數據與真實部署之間形成閉環：模型給出動作，真實執行產生數據，數據再反過來改進模型。
研究方向
02
世界模型與物理理解
學習環境如何隨機器人動作而變化，用於預測動作後果、評估策略與生成訓練數據。
03
機器人學習與控制
從示範、遙操作與第一視角影片中學習操作技能，研究共享自主、失敗恢復與接觸豐富操作，並在真機上部署驗證。
04
數據、仿真與真實部署
構建真實與合成數據閉環、仿真評估環境，以及支撐實驗的機器人硬件，讓研究成果落到真實任務。
代表性工作
查看論文成果 >
VLAbot · RCIM 2026
人與 VLA 模型的交互框架
讓人與視覺-語言-動作模型協作，完成長程裝配任務。
CopilotTele · IEEE CASE 2026
風險引導的雙臂共享自主
模型預設執行，風險升高時把控制權交還操作者。
XRoboToolKit-T · 2026
觸覺驅動的遙操作與動作精修
結合觸覺感知與 VLA 動作精修，完成接觸豐富的精細操作。
AssemblyMate · npj Adv. Manuf. 2026
上下文感知的智能裝配助手
多模態與時空推理智能體協調機器人完成裝配流程。
HALO · 2025
分層長程操作與失敗恢復
在長程任務中檢測執行失敗，並生成恢復策略。
RoPESim · IEEE CASE 2025
操作策略仿真評估
在真機部署前，用物理仿真評估機器人操作策略。
實驗平台
FIR Lab 依託中國科學院香港創新研究院基礎與前沿科學研究中心，配備：
- 機器人平台：協作機械臂、靈巧手與移動操作平台。
- 數據採集：遙操作與第一視角數據採集系統。
- 仿真環境：面向具身智能的仿真與合成數據環境。
- 計算資源：支撐具身基礎模型訓練與推理的 GPU 算力。