人类发展经历了从功能性向社会性的演进。近年来，具身智能技术逐步融入人类生活并承担起替代部分人类角色的功能，然而当前技术发展仍停留在满足用户指令的功能性层面，如何让具身智能具备社会性，是亟待回答的关键问题。针对这一挑战，团队从具身智能的情感交互与社会理解出发，聚焦情感计算领域长期面临的细粒度情感理解缺失、可解释性不足等核心难题，系统研究生成式情感理解的核心理论与关键技术，从任务定义（OV-MER, ICML 2025）、框架设计（AffectGPT, ICML 2025, Oral）、指标构建（EmoPrefer, ICLR 2026）、训练策略（AffectGPT-RL, NeurIPS 2026）等维度出发，推动情感计算从固定分类向可解释、细粒度的生成式情感理解范式转变。目前，生成式情感计算已成为国际研究主流方向，相关挑战赛累计吸引千余人参与，数据集下载量近五万次，公众号阅读量超三万次。在此基础上，团队进一步提出RobotEQ项目，推动具身智能社会理解的发展。