-基于现有VLM模型（如Qwen-VL/InternVL/LLaVA/BLIP-2等）进行端侧模型压缩、量化及知识蒸馏，实现模型部署全流程闭环。
-构建“自然语言指令→视觉目标/区域/属性”映射解析机制，并设计安全策略（含敏感词过滤、危险区域屏蔽等功能）。
-实现VLM输出结果与下游任务模块（抓取、放置、质检等）的精准对齐，涵盖目标ID、位姿信息、置信度及时序一致性。
-协同数据团队构建多模态数据集（包含图像、文本描述与操作指令），推动模型持续迭代与学习闭环建设。
-对接ROS2及操控模块，提供多模态服务支持（通过gRPC/ROS2service/topic），确保系统低延迟响应与容错能力。