SafeHarness通过障碍感知提高机器人操控安全性，任务成功率71.9%，避免碰撞率87.5%。
Bingxin Xu, Yuzhang Shang, Zhen Dong 等
提出了工作空间模型，通过显著性驱动监督实现轻量级机器人记忆，提升了91.5%的任务成功率。
Nitish Dashora, Douglas Chen, Idan Shenfeld 等
StageGuard通过代理蒸馏学习长时间机器人任务的阶段转换，显著提高预测准确性。
Jinbang Huang, Yuanzhao Hu, Zhiyuan Li 等
GeoAAC通过几何适应动作分块提高真实任务成功率，从53.3%提升至74.4%。
Xin Chen, Sen Chen, Yujuan Ding 等
Agile-WAM通过多视角多模态预测提升机器人控制成功率29.4%，推理延迟仅11.9ms。
Hanchu Zhou, Brendan Lynch, Raman Goyal 等
OPTED通过无渲染教师进行端到端驾驶的策略微调，驾驶分数提高1.6倍和9.5倍。
Damiano Da Col, Maximilian Igl, Peter Karkus 等
MILER通过语义中层表示实现无结构环境下的零样本模拟到现实强化学习。
Thomas Steinecker, Denis Trescher, Alexander Bienemann 等
提出一种结合目标深度估计和自适应模型融合预测控制的水下视觉目标跟踪方法，性能优于现有框架。
Yuheng Zhou, Haiyang Cheng, Yanqi Feng 等
MoWAM通过显式预测未来运动提高机器人策略学习效率，实验表明其在LIBERO数据集上表现优异。
Jiayu Wang, Bin Zhu, Yue Yu 等
使用OceanSim的合成数据生成管道提高海洋感知性能。
Haoyu Ma, Onur Bagoren, Anja Sheppard 等
ActiveScale通过模型、数据和硬件设计提升机器人主动感知能力，实验成功率显著提高。
Shuai Zhou, Kaisheng Pang, Wenxuan Song 等
UniMPA通过动作基础的转移建模解决视觉语言动作模型中的转移可实现性问题。
Wei Li, Rui Shao, Jie He 等
FARM仅训练33,985参数读出器，在冻结VLA-JEPA状态上实现85.68% AUROC与88.59% AUPRC。
Haoran Pei, Mingrui Luo, Senbao Wang 等
使用边界传播验证自动驾驶模型在未驾驶条件下的转向能力。
Menuka Ghalan, Charles Rodgers, Zachary D. Asher
DUET-DINO通过跨视角潜在世界建模，实现机器人7自由度操作规划，达成92%到60%的任务成功率。
Nisarga Nilavadi, Ralf Römer, Moritz Reuss 等
FreqFM通过频率条件化流匹配提升VLA模型性能，在LIBERO-Plus上提升9.3分。
Haochen Niu, Shengye Dong, Hao Liu 等
DRiF框架通过数据驱动风险场实现更安全的端到端自动驾驶，在Bench2Drive上提升驾驶分数88.78。
Yuanxin Tian, Zhiyuan Liu, Jinhao Li 等
提出信度感知多模态融合框架CAMF，实现工业人机协作中91.86%的意图识别准确率。
Xinyu Liu, Qiqi Dong, Boya Jia 等
ContextFlow用条件流匹配实现免微调示范学习，在LIBERO平均成功率达73.5%，超越ICRT 35个百分点。
Jian Ding, Xianjie Dai, Roei Herzig 等
ROBORMBENCH揭示视觉语言模型在语义等价指令下的奖励不稳定性，包含2,390个轨迹和21,673个释义。
Wonje Jeung, Sangyeon Yoon, Hyesoo Hong 等