From Physics to Physical Intelligence

从物理到机器人物理智能

We view robotics as the study of physical intelligence, emerging from the interaction between physics, learning, and embodiment.
我们将机器人研究视为“物理智能”的研究，其本质来源于物理建模、学习方法与具身系统的相互作用。

Research Philosophy

Physics → Learning → Embodiment → Physical Intelligence

  • Physics defines structure（物理提供结构）
  • Learning enables adaptation（学习提供适应性）
  • Embodiment unlocks capability（具身决定能力边界）

👉 Together, they enable robots to operate reliably in the real world
👉 三者共同作用，使机器人能够在真实世界中稳定运行

Layer 1: Physics-Based Modeling & Control

基于物理的建模与控制

We develop principled models and control algorithms grounded in dynamics, contact modeling, and optimization.
我们基于动力学、接触与优化理论，构建具有物理一致性的机器人建模与控制方法。

Key Topics

  • Contact dynamics & hybrid systems（接触动力学与混杂系统）
  • Control through Contact（接触交互控制）
  • Multi-contact kinodynamic motion planning（多接触运动规划）
  • Physically consistent estimation（物理一致状态估计）

Recent Works

Layer 2: Learning for Physical Systems

面向物理系统的学习方法

We develop learning-based methods that enhance physical models, enabling robots to adapt and generalize beyond analytical modeling.
我们发展面向物理系统的学习方法，在模型基础上提升机器人对复杂环境的适应能力与泛化能力。

Key Topics

  • Data-driven and augmented control（数据驱动及增强控制）
  • Physics embedded learning（物理驱动的学习）
  • System identification & calibration（系统辨识与标定）
  • Sim-to-Real transfer（仿真到现实迁移）

Recent Works

Layer 3: Embodied Robotic Systems & Design

具身机器人系统与本体设计

We design robotic systems where intelligence emerges from the interaction between hardware, control, and environment.
我们通过软硬件协同设计，使机器人智能从本体、控制与环境的交互中涌现。

Key Topics

  • Legged & humanoid locomotion（腿式与类人运动）
  • Loco-manipulation（移动操作）
  • Multi-modal robots（多模态机器人）
  • Mechanism & actuation design（本体结构与驱动设计）

Recent Works (Custom-built Robots)

Final Goal: Physical Intelligence

最终目标：机器人物理智能

Our ultimate goal is to build robots that can reliably move and interact in the real world.
我们的目标是让机器人能够在真实复杂环境中稳定运动与高效操作。

This requires the tight integration of:

  • Physics（结构）
  • Learning（适应性）
  • Embodiment（能力边界）