MemoryVAM通过Recap-Cue模块，将 episodic memory 融入视频世界模型，显著提升机器人长时域操控成功率。
Yuxin Jiang, Chang Yu, Yunuo Chen 等
提出MoE-RM-SRL框架，结合安全距离、奖励机与专家混合模型，实现高速公路自主驾驶的安全与高效。
Chufei Yan, Zhihao Cui, Yiyan Lv 等
提出弹性查询强化学习（EQRL），通过自我感知调度实现VLA模型的动态推理与执行，显著降低推理成本。
Ge Wang, Xinyu Tan, Xiang Li 等
AlignADV用DPO+行为指纹，训练步数最多省40.6%。
Yuewen Mei, Tong Nie, Jie Sun 等
提出Flow Reversal Steering（FRS）方法，通过反向流模型将粗略动作映射到高质量行动，显著提升机器人多任务策略的零-shot控制和快速学习能力。
Andy Tang, William Chen, Andrew Wagenmaker 等
提出基于解剖结构先验的MCR-Bionic手，结合骨骼、韧带、肌腱等结构实现高仿生的灵巧操控。
Haosen Yang, Guowu Wei
Sparse2Act通过动作对齐的稀疏3D表示实现跨域机器人操作，LIBERO-10基准上成功率86.9%。
Yu Guo, Chang Yu, Siyu Ma 等
本文提出DIRECT，通过多模态场景上下文动态分配测试时计算资源，有效提升机器人规划性能，降低65%的延迟。
Jadelynn Dao, Milan Ganai, Yasmina Abukhadra 等
提出基于Transformer的DAR-Net模型，结合像素级场景监督，识别水下多人与机器人合作中的六类潜水员活动，利用首个水下潜水员活动数据集UDA，显著优于现有模型。
Sadman Sakib Enan, Junaed Sattar
基于MARUS的虚拟海试框架，通过命令-执行追溯实现IMO/ITTC标准的USV转向性能数据采集与系统识别。
Paria Rezayan
JOIN系统通过 opposition-score 和任务导向操控性实现异构双臂协作，成功率达95%。
Drake Moore, Matt Cheng, Xiang Zhi Tan 等
本文提出基于描述符的分布式多地面机器人（UGV）探索框架，结合环路检测和层次规划，显著提升资源有限环境中的探索效率与定位精度，关键指标AR@1达89.9%。
Zhiwei Li, Haiou Liu, Xijun Zhao 等
本文提出基于大语言模型（LLM）的自主驾驶成本优化框架，通过自然语言交互实现动态调节，结合MPPI控制实现安全与个性化驾驶。
Diego Martinez-Baselga, Khaled Mustafa, Javier Alonso-Mora
VeriSpace利用双路径3D场景编码和空间推理提升VLA模型的动作验证可靠性。
Guiyu Zhao, Longteng Guo, Junyou Zhu 等
YUBI: 提供高效双手灵巧操作数据采集，8434小时数据，提升操作效率。
Takehiko Ohkawa, Jumpei Arima, Yuki Noguchi 等
MemoryVLA++结合记忆与想象实现机器人长时序建模，显著提升任务成功率。
Hao Shi, Weiye Li, Bin Xie 等
iMaC将未来机器人动作转化为图像控制，提升视频预测和任务执行的空间表达能力。
Zhenyu Wu, Xiuwei Xu, Yukun Zhou 等
提出Difference-Aware Retrieval Policies (DARP)，通过邻域差异重参数化提升行为克隆的鲁棒性，性能提升15-46%。
Quinn Pfeifer, Ethan Pronovost, Paarth Shah 等
DexPIE通过真实世界经验提升灵巧操作策略，成功率提高37%。
Ruizhe Liao, Wenrui Chen, Liangji Zeng 等
MotionWAM通过视频潜在模型实现实时全身 humanoid 控制，超越30%成功率提升。
Jia Zheng, Teli Ma, Yudong Fan 等