Self-Building Labs：让实验室自行设计并搭建实验装置
研究团队提出自搭建实验室（SBL，Self-Building Laboratory），给定高层科学目标后，系统可自行设计实验室布局、配置数字孪生、生成机器人技能和实验流程，把现有实验室从空房间或已运行的自驱动实验室（SDL，Self-Driving Laboratory）升级为可执行新实验的装置。
#科学研究
arXiv · cs.AI模型评分5858 arXiv · cs.AI模型评分3333 基于分布式强化学习的多目标在轨巡检风险敏感任务规划
一项研究用分布式强化学习为低轨多目标巡检任务做规划，采用分位数回归深度Q网络（QR-DQN，Quantile-Regression Deep Q-Network）智能体，按均值-方差准则同时考虑预测回报的期望与方差来选择下一个巡检目标。
arXiv · cs.AI模型评分3030 基于安全强化学习的在轨服务机会约束检查视点排序
一项研究把目标航天器近距离检查的视点选择建模为约束马尔可夫决策过程，用带拉格朗日松弛的近端策略优化求解，并结合CW方程评估每次转移。该方法在Galileo级导航卫星点云模型上测试，将碰撞风险设为显式设计参数，在各风险预算下把禁飞区违规率控制在限定范围内，覆盖度接近最大且不超任务Δv预算。相比固定禁飞半径余量的确定性规划，它在相近覆盖度下违规率不到一半，且无需在每个决策点重复蒙特卡洛风险评估。