核心问题：记忆
空间智能方向研究时空重建与持续空间记忆；具身智能方向研究预训练大模型、持续学习、强化学习与安全决策，并在智能体和机器人系统中验证。
时空重建预训练大模型持续学习强化学习安全决策智能体机器人系统
空间智能
时空重建 · 持续空间记忆 · 地点识别 · 位姿估计
空间智能对应“面向世界理解的持续记忆机制”。我们研究智能体如何在开放、长期、动态的环境中持续积累并更新空间记忆，并利用这些记忆完成地点识别、长期定位、大范围场景理解与位姿估计。
无位姿鲁棒时空生成式重建
研究动态干扰环境中的时空重建、稀疏生成建图与位姿估计，使智能体能够在动态环境中形成可靠的空间记忆，并对空间状态进行推理与估计。
无位姿流式空间重建
研究流式输入条件下的大范围场景时空重建、位姿估计与多传感器融合，使智能体能够在大范围场景中形成空间记忆，并对其进行持续维护与更新。
地点识别与持续空间记忆
研究基于生物启发的地点空间记忆以及基于视觉、激光雷达及跨模态的地点识别，重点关注长期环境变化条件下的持续记忆生成、更新、检索与可靠重定位。
具身智能
记忆 · 策略模型 · 强化学习 · 安全决策 · 智能体
具身智能对应“具身行为与安全决策”。我们研究智能体如何利用持续演化的空间记忆，在长程任务中实现移动、感知与操作的耦合，并在行动过程中保障安全。
智能体结构化记忆演化
研究智能体记忆如何从局部观测逐步演化为可查询、可更新、可推理的结构化空间记忆，从而支撑长期任务中的世界理解。
世界模型、视觉语言动作模型与强化学习
研究世界模型、视觉语言动作模型与强化学习如何协同工作，使智能体能够预测未来、理解任务、选择动作并适应环境变化。
安全决策
研究如何利用历史经验、空间上下文与风险记忆，实现安全策略学习、异常规避、失败恢复与不确定性感知决策。