刘禹团队本月围绕工艺大模型的任务下发与原子技能组合优化开展迭代。工艺大模型完成高层任务的分解(如抓取、搬运、行走等),并通过技能组合中间件将指令按序下发至具体技能模块,实现任务规划与执行分离,以适配复杂多任务场景与工艺流程变体。在技术实现方面,对原子技能模块引入强化学习(RL)与模仿学习(IL)联合优化,提升动作生成的稳定性与执行效率。同时完善实时协同机制,在技能模块间实现低开销切换与并发协同,保障连续工艺任务的顺畅衔接与时序一致性,面向半导体制造中的毛料抓取与转运等场景,完成与工艺大模型的联调。