由优化学习目标的算法推导而来，数学上完全可解释！（White-Box，NeurIPS2023)

构建并行、分布、多层的变换自编码系统。以此为基础，构建以视觉为中心的多模态系统，实现有智能认知能力的大脑皮层。

通过双目视觉输入，实现对真实4D世界的正确几何重建和语义识别，打造类人的视觉记忆系统，实现以视觉为中心的多模态对齐。以此为基础，实现几何和语义正确的3D和4D生成和预测。

轻量数据采集，大部分数据可自动生成，无需手动遥操，数据搜集速度更快； 自动化提取具有语义含义的物理操作的符号化表征，降低人工标注依赖； 模型适配各类环境，具有各个层级、场景、任务的高度通用性。