多模态触觉传感

“致力于打造现有最先进的触觉传感器。当前机器人手指已具备极高空间敏锐度（GelSight技术），但缺乏温度与振动感知能力。计划通过覆盖皮肤的液晶点阵列实现热传感，相机将通过颜色推断温度分布；针对振动感知，将尝试多种传感方案，包括惯性测量单元、麦克风及鼠标摄像头。”

最后一公里配送的机器人导航安全与可预测性

“经济可行的自主最后一公里配送需机器人在未知环境中兼具安全性与适应性。本项目旨在开发算法提升移动机器人的安全性、可用性及可预测性。重点包括：扩展基于强化学习（RL）和模型预测控制（MPC）的导航算法，以融合现实世界的不确定性（如感知偏差、多样化行人行为），从而更精准预测机器人抵达目标的时间；为动态环境中的AI导航算法提供形式化安全保证，延伸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方法

“大语言模型展现出卓越的通用语言能力，其性能依赖大规模训练。然而，从头训练此类模型资源消耗极大。本研究探索利用已预训练的小模型（如GPT-3）高效训练大模型（如GPT-4）的方法，重点挖掘预训练网络的线性代数结构以优化大网络参数初始化与训练过程。”

用于触觉环境感知与人机交互的软人工智能皮肤

“多模态传感可提升机器人与人交互的安全性、效率及协作性。需开发能包裹任意表面的电子集成化人工皮肤。项目提出仿生高密度传感器阵列，基于可变形软基材制作智能皮肤。每个节点集成微处理器与多传感器，提供多模态数据及自感知能力，用于定位和检测形变、距离、触觉及环境变化。现有原型可同步感知并响应多种刺激，后续将聚焦高密度皮肤制造，应用自组织网络与新型传感技术于机器人、人机接口及环境感知等领域。”

以上项目由双方联合委员会评选，聚焦AI与机器人技术的跨学科创新与普惠化应用。