面向具身本体的感知认知能力提升需求，研究环境反馈增强主动感知和多步认知推理技术，实现复杂环境的精确理解。开展典型场景应用验证，单场景不少于10类物体，包括图像、视频、文本、力觉、触觉、声音等不少于6种数据模态，比非主动感知方法物体定位性能提升20%以上，在多步推理任务上的认知准确率不低于85%。

研发端到端的高效多模态模型架构，实现多模态数据对齐与融合。开发环境反馈增强的主动感知技术，研究基于跨视角协同感知的空间物体精确定位与识别，研究基于思维链的空间场景多步认知推理技术，提高具身本体的复杂环境精确理解能力，开发具身主动感知与认知推理专用基础模型。