大语言模型在机器人学习领域展现出的能力，既带来了机遇（具身智能），也带来了挑战（如幻觉）。基于此，团队的研究项目是基于机器学习和多模态大模型的双臂具身智能体，旨在开发能够进行人机交互和双臂操作任务的具身智能体。该项目的技术内容包括任务规划，针对双臂操作的复杂性，利用GPT-4(v)为双臂机器人生成有效的整合空间和时间因素的有序任务计划；以及技能学习，利用GPT-4(v)指导强化学习智能体或模仿学习智能体，学习更有效的双臂机器人技能。项目已获得OpenAI研究人员访问计划的资助，并已产出一些论文工作，引起了一定的外界关注。目前，项目处于起步阶段，下一步将围绕真机环境中的问题开展相应的软硬件研究。

基于先进制造的方法，将传统光学薄膜基于真空环境的制造方式转变为由增材制造直接生产，即直接通过打印的方式实现光学薄膜的生产。技术的难点与突破性在于通过系统性工艺方案有效实现薄膜厚度纳米级的精度控制，从而实现对于薄膜光学性能的精确控制。本技术可服务于广泛的光学电子设备，建筑玻璃镀膜，及高端光学检测设备。本技术除带来成本优势之外，还带来了基于真空技术难以实现的技术优势。技术本身已经成功通过概念验证阶段，正在开始原型阶段验证。本团队核心成员包括光学及材料背景博士，能源材料背景博士，以及光电半导体材料背景教授。本项目已受德国联邦政府资金等支持，总额超为 150 万欧元，明年即将进入融资阶段。

本项目聚焦于一种高精度金属增材制造表面形貌感知技术的研发，基于变焦成像原理，致力于提升复杂结构表面的拓扑还原能力。通过引入改进型伪影抑制算法，系统在提升测量分辨率与稳定性方面具备显著优势。项目采用先进的焦点变化成像方案，能够对表面干扰信息进行有效识别与过滤，实现对复杂增材制造表面的精准重构，突破了当前测量系统在高精度检测中的技术瓶颈。目前，该项目由经验丰富的技术骨干主导，聚焦于关键算法开发与实验验证，已在相关技术方向积累多年基础，投入涵盖人力与软硬件平台建设。尽管当前仍处于技术打磨阶段，但应用路径清晰，未来在高端制造与质量监控领域具有广阔的落地潜力。