主要致力于构建 “世界模型驱动的视觉-语言-动作模型（VLA）”架构，以通用世界理解为核心的认知智能体系，融合视觉机器学习、多模态大模型与具身智能技术，形成从感知、认知到执行的完整能力闭环，并聚焦于工业智能与医疗健康两大应用领域。通过多模态统一基座模型、小样本持续学习机制、跨领域任务泛化能力的协同突破，打通从“感知—分析—决策—执行”的全栈能力，推动人工智能从任务专用走向环境通用、从被动响应走向主动适应，实现以通用世界理解为核心、任务能力外化的实际价值闭环。聚焦以下关键技术探索：
1、视觉机器学习。
2、多模态大模型。
3、世界模型驱动的视觉-语言-动作模型（VLA）。
理论结合实际，着力推动相关研究技术在以下两个方向落地：
工业智能：实现生产流程的自主优化、智能检测与柔性人机协作，提升制造系统的智能化与适应性。

医疗健康：实现多模态融合的急性冠脉综合征、优势人群分析等早期预警、精准诊疗、预后预测与智能决策，提升医疗服务的效率与前瞻性。

实验室：
    1、各类型成像仪器，包含：2D相机（线阵相机、面阵相机）、3D相机（结构光相机、光栅相机）、多光谱相机、高光谱相机；各焦段定焦镜头、鱼眼镜头等；以及各类型光源。
     2、静态光学平台、动态光学平台、光学支架、棱镜等。
     3、机械臂、移动小车、机器狗、无人机。
     4、华为实验室，5G，5G-A专网，直连华为北研所、西研所。
     5、算力平台。

科研落地：
注重理论联系实践，与华为共建了5G+工业视觉联合实验室，自主研发了多项智能装备和辅助诊疗系统。