该论文讨论了光计算的基础知识和最新发展，重点是深度神经网络加速。描述了工程化光学装置、增强光电路和设计架构的各种有前景的方法，以适应各种深度神经网络工作负载。还讨论了硬件/软件协同设计的新技术，可以智能调整和映射深度神经网络模型，提高光计算平台在高性能和资源受限的嵌入式、边缘和物联网平台上的性能和能效。最后，还重点指出了该领域的若干未解决问题和未来研究方向。

本文研究了通过硬件-软件协同设计实现安全高效的机器人乐高操控，并设计了末端工具以降低问题维度。实验结果表明，该设计能够提高操控性能达到100%成功率，并在多个机器人上验证了其泛化和可迁移性。该解决方案实现了可持续的机器人乐高原型制作。