01
具身基础模型（VLA / WAM）
研究视觉-语言-动作模型与世界动作模型，让机器人从视觉、语言与自身状态直接生成动作，并在长程任务中进行推理与规划。
研究方向
FIR Lab 聚焦具身智能，研究让机器人理解物理世界、在真实环境中可靠完成复杂操作的具身基础模型与学习方法。
研究愿景
机器人要真正走进工厂、实验室与日常生活，需要的不只是单项技能，而是能理解任务、预测物理后果、并在变化中持续学习的通用能力。
FIR Lab 的核心问题是：如何让机器人理解物理世界，并把这种理解转化为可靠、可泛化的操作能力？
我们以具身基础模型为核心，在模型、数据与真实部署之间形成闭环：模型给出动作，真实执行产生数据，数据再反过来改进模型。
研究方向
02
世界模型与物理理解
学习环境如何随机器人动作而变化，用于预测动作后果、评估策略与生成训练数据。
03
机器人学习与控制
从示范、遥操作与第一视角视频中学习操作技能，研究共享自主、失败恢复与接触丰富操作，并在真机上部署验证。
04
数据、仿真与真实部署
构建真实与合成数据闭环、仿真评估环境，以及支撑实验的机器人硬件，让研究成果落到真实任务。
代表性工作
查看论文成果 >
VLAbot · RCIM 2026
人与 VLA 模型的交互框架
让人与视觉-语言-动作模型协作，完成长程装配任务。
CopilotTele · IEEE CASE 2026
风险引导的双臂共享自主
模型默认执行，风险升高时把控制权交还操作者。
XRoboToolKit-T · 2026
触觉驱动的遥操作与动作精修
结合触觉感知与 VLA 动作精修，完成接触丰富的精细操作。
AssemblyMate · npj Adv. Manuf. 2026
上下文感知的智能装配助手
多模态与时空推理智能体协调机器人完成装配流程。
HALO · 2025
分层长程操作与失败恢复
在长程任务中检测执行失败，并生成恢复策略。
RoPESim · IEEE CASE 2025
操作策略仿真评估
在真机部署前，用物理仿真评估机器人操作策略。
实验平台
FIR Lab 依托中国科学院香港创新研究院基础与前沿科学研究中心，配备：
- 机器人平台：协作机械臂、灵巧手与移动操作平台。
- 数据采集：遥操作与第一视角数据采集系统。
- 仿真环境：面向具身智能的仿真与合成数据环境。
- 计算资源：支撑具身基础模型训练与推理的 GPU 算力。