Embodied AI & Robotics

真實世界不會等待推論完成。機器人必須在有限的算力、延遲與能量預算下， 持續地感知、決策與動作——而且錯誤的代價是實體的。

我們關心的問題

• 在模擬中學到的策略，如何真正轉移到硬體上（Sim2Real）？
• 低階控制與高階推理之間，應該切在哪裡？
• 當感測器失效或環境超出訓練分布時，系統如何安全地降級？

方法

我們同時從兩端推進：一端是可重現的模擬與學習流程，另一端是能承受 真實碰撞、震動與熱的硬體平台。兩者之間的落差，就是研究本身。