核心技术突破 - 攻克仿生驱动的一体化轻量化设计技术，通过单关节集成驱动、传感与控制的模块化方案及优化材料分布，使整机重量大幅减轻，实现毫米级抓取精度 [2][3] - 提出大模型驱动的分层决策控制策略，构建理解—规划—控制闭环，并创新物理反馈学习机制，通过记录碰撞点坐标、抓取力度等参数将失败经验转化为训练数据以提升成功率 [2][3] - 实现大模型作为智能中枢，将灵活的机器人身体与精密的分析仪器大脑结合，完成全流程自主化，突破多模态系统识别目标、大模型规划路径、仿生灵巧手精准抓取及实时协调双臂等关键技术 [2] 研发进展与成果 - 仿生双臂机器人首次自主完成样本转移任务，具备自主决策能力，标志着大模型赋能具身智能从概念变为现实 [2] - 研发过程先深耕机器视觉使工业设备看得准，后自主研发医药光谱快速检测仪器实现测得精，最终攻克系统串联难题 [2] - 团队在实验室有限空间内成功实现机器人长时间精密操作，传统机械臂因自重大、惯性强难以胜任该任务 [3] 未来发展方向 - 在仿生一体化结构上持续突破，计划引入软体材料与刚柔耦合设计 [3] - 深化大模型与具身智能融合，攻克长时序任务规划、多模态实时决策能力 [3] - 构建大模型—仿生本体—精密仪器的智能系统示范，形成适用于实验室自动化、精密作业等场景的通用解决方案 [3] 行业技术趋势 - 具身智能是让机器人在物理世界中像人一样感知、思考与行动的前沿技术，需要仿生结构设计与大模型决策能力深度融合 [4] - 行业面临仿生结构模拟人体骨骼肌肉复杂协同的挑战，需在材料科学、拓扑优化等多领域取得突破 [4] - 当前核心挑战是如何让大模型通过真实环境交互学会物理规律，超越文字层面的理解 [4]