1.通用VLA基础模型及跨机器人迁移技术
少样本条件下的跨平台通用VLA适配方案：聚焦于在样本量有限的情况下，实现通用视觉 - 语言 - 动作（VLA）模型在不同机器人平台间的无缝适配，突破平台差异带来的应用限制。
Web知识与机器人演示融合的混合预训练模式：创新性地将Web上丰富的知识资源与机器人实际操作演示相结合，开展混合预训练，提升模型对复杂场景的理解和处理能力。
2.移动操作与双臂协同技术（实现从遥操作到自主操作的跨越）
低成本全身遥操作向自主操作演化的路径：探索在低成本条件下，如何从全身遥操作逐步过渡到机器人自主操作，降低技术应用的成本门槛。
长时复合任务的层级扩散控制策略：针对长时间、复杂组合任务，提出层级扩散控制方法，实现任务的高效分解与精准执行，提升机器人在复杂环境中的任务处理能力。
3.视觉 - 触觉 - 语言三模态精细操控技术
三模态对齐基础上的细粒度装配技术：通过实现视觉、触觉和语言三模态的精准对齐，实现物体细粒度装配操作，提升机器人操作的精度和灵活性。
触觉先导的非纹理物体抓取技术：以触觉信息为先导，解决非纹理物体的抓取难题，突破传统基于视觉抓取的局限性，拓展机器人的抓取能力。
4.长时记忆、家务任务处理与第一视角理解技术
基于BEHAVIOR - 1K数据集的人居长时任务记忆技术：依托BEHAVIOR - 1K数据集，构建人居环境下的长时任务记忆系统，使机器人能够更好地适应长期、复杂的家务任务场景。
自我解释的行动场景图（ASG）驱动执行技术：引入自我解释的行动场景图，为机器人的执行动作提供清晰的逻辑解释，驱动机器人更加智能、合理地完成各项任务。
5.仿真到现实（S2R）转换与生成式世界模型技术
生成式世界模型的最低样本量校准方法：研究在生成式世界模型中，如何以最低的样本量实现精准校准，提高模型从仿真到现实转换的效率和准确性。
跨引擎一致的"可对齐"合成数据生成技术：开发跨引擎一致的"可对齐"合成数据生成方法，确保不同仿真引擎生成的合成数据具有一致性和可对齐性，为模型训练提供高质量的数据支持。
6.安全保障、评测体系与边缘部署（On - Device VLA）技术
具身安全对齐与风险评测基准的建立：构建具身安全对齐标准和风险评测基准，对机器人在实际应用中的安全性和风险进行全面评估和管控。
On - Device VLA的低延迟与隐私保障技术：针对设备端（On - Device）的VLA应用，研究低延迟处理技术和隐私保障方法，确保机器人在边缘设备上能够高效、安全地运行。