多模态触觉传感

“计划构建现有最先进的触觉传感器。目前已能制造具有极高空间分辨率的机器人手指（GelSight），但这些手指缺乏触觉的两个重要方面：温度和振动。将通过覆盖皮肤的液晶点阵列集成热传感，相机将从颜色推断温度分布。对于振动，将尝试多种传感方法，包括IMU、麦克风和鼠标摄像头。”

最后一公里配送的机器人导航安全与可预测性

“经济可行的最后一公里自主配送需要机器人在面对未知环境时既安全又具有韧性。该项目旨在开发算法，提升用于最后一公里配送系统的移动机器人的安全性、可用性和可预测性。重点包括扩展最先进的导航算法（基于强化学习和模型预测控制），以纳入现实世界的不确定性（如不完美感知、异构行人），从而学习更准确预测机器人实际场景中到达目标时间的成本模型；同时为动态环境中基于AI的导航算法提供形式化安全保证，扩展神经网络验证算法以计算静态避障的可达集。”

大语言模型高效训练

“大语言模型已展现出惊人的通用语言能力。其性能关键在于训练规模，而持续改进来自越来越大的模型。但从头训练此类模型资源消耗极大。本研究旨在利用已预训练的小型语言模型（例如用GPT-3更高效训练GPT-4），探索大型语言模型的高效训练方法，重点利用预训练网络的线性代数结构更好地初始化和训练更大网络的参数。”

用于触觉环境感知与人机交互的软人工智能皮肤

“多模态感官信息可帮助机器人更安全、有效、协作地与人类互动。需实现具有高度紧凑电子集成、可包裹任意表面（包括机器人皮肤）的人工皮肤。提案开发受生物启发的软可变形基底高密度传感器阵列，每个节点包含本地微处理器和多传感器集合，提供多模态数据和自感知能力，用于检测变形、距离、触觉及环境变化。已开发可同时感知和响应多种刺激的原型，将应用自组织网络和新传感技术实现大规模交互、定位和可视化，应用于机器人、人机接口及环境感知领域。”