核心领域：人工智能、移动机器人、机器感知、多传感器数据融合。

主要技术方向：

多传感器融合与目标跟踪：集成视觉（RGB-D/热成像）、激光雷达（LiDAR）、RFID 等多模态传感器，实现人/物体检测、跟踪与重识别，基于贝叶斯滤波（卡尔曼/粒子滤波）的鲁棒状态估计；

人机交互与空间推理：利用定性轨迹演算（QTC）建模人-机器人空间交互，进行人类活动识别（HAR）与社会行为预测；

因果推断与学习：从机器人传感器数据中学习动态因果模型，用于人机交互中的运动预测与异常检测（CANDOI 框架）；

辅助技术：为视障人士开发主动视觉与音频导航系统（ActiVis）、老年人智能照护机器人（ENRICHME）；

持续学习与边缘 AI：在资源受限的嵌入式系统上部署目标检测模型（TinyML、Latent Distillation）。

关键能力：从感知、跟踪到行为建模与预测的完整机器人认知链路，具备将因果推断引入机器人行为建模的跨学科研究能力（获 CLeaR 2023 等会议认可）。