VOLT利用视觉-语言模型进行轨迹分段，实现机器人任务的超速执行，提升速度达2.57倍。
Robert Ramirez Sanchez, Daniel J. Evans, Dylan P. Losey 等
提出iCEM+TL框架，通过迁移学习提升机器人低级运动规划成功率达23%，实现复杂任务的高效零样本迁移。
Yuanzhi He, Victor Romero-Cano, José J. Patiño 等
Humanoid-GPT采用大规模2B帧运动数据和GPT结构，实现零样本高动态运动追踪，超越传统MLP追踪器。
Zekun Qi, Xuchuan Chen, Dairu Liu 等
提出偏好校准的HIL-RL框架PACT，通过识别次优段落校正Q值，提升机器人操作成功率24.5%，收敛速度提升1.3倍。
Zeyi Liu, Guangyao Liu, Yinuo Qu 等
提出基于Unity的高保真仿真平台FWAV-Sim，结合准稳翼片理论、 fractal噪声湍流模型和多模态传感器，支持复杂气动和环境模拟。
Haichuan Li, Tomi Westerlund
利用空间分辨的触觉皮肤，通过深度强化学习实现多指机器人手对小物体的受控分离，成功实现模拟到实物的迁移。
Ulf Kasolowsky, Berthold Bäuml
IDOL通过逆动力学引导未来场景预测，将潜在BEV状态转化为运动特征，显著提升自主驾驶规划性能。
Chenghao Zhang, Timin Li, Dongmei Li
REIS框架结合轻量场景门控与KV引导推理，显著减少机器人推理冗余，提升实时决策效率。
Joonhee Lee, Hyunseung Shin, Hyunmi Kim 等
提出结合人工时延估计与障碍Lyapunov函数的自适应控制框架，有效应对Euler-Lagrange机器人中的状态依赖不确定性与时变约束。
Saksham Gupta, Rishabh Dev Yadav, Sarthak Mishra 等
本研究通过黑箱监控揭示三种VLA架构在运动指令层的不同失败签名，强调架构匹配监控的重要性。
Krishnam Gupta
AwareVLN提出自我意识推理机制，R2R-CE Val-Unseen上NE降至4.02，显著优于现有方法。
Wenxuan Guo, Xiuwei Xu, Yichen Liu 等
GesVLA结合手势与视觉语言动作模型，实验证明在复杂场景中目标定位准确率提升至94.3%。
Wenxuan Guo, Ziyuan Li, Meng Zhang 等
基于多智能体强化学习的联盟训练，实现22m/s高速四旋翼安全竞速，碰撞率降低50%。
Ismail Geles, Leonard Bauersfeld, Markus Wulfmeier 等
提出Branch-Stochastic MPC结合场景聚类，实现多模态不确定性下自动驾驶运动规划，仿真提升安全性与实时性。
Zekun Xing, Ramkrishna Chaudhari, Marion Leibold 等
SafeManip使用LTLf评估机器人操作中的时间安全性，揭示任务成功不等于安全执行。
Chengyue Huang, Khang Vo Huynh, Sebastian Elbaum 等
利用Virdyn IMU运动捕捉套装实现实时全身遥操作，成功在Unitree G1机器人上进行Sim2Sim和Sim2Real验证。
Hamza Ahmed Durrani, Suleman Khan
提出了一种基于RGB-D视觉SLAM的通道感知结构映射方法，能有效检测门和可通行开口。
Ali Tourani, Miguel Fernandez-Cortizas, Saad Ejaz 等
MoT-HRA框架从大规模人类演示中学习人类意图先验，提高机器人操作的运动合理性和控制鲁棒性。
Yifan Xie, YuAn Wang, Guangyu Chen 等
雷达-KISSICP和雷达-IMU在越野环境中改进了轨迹估计。
Shaunak Kolhe, Peng Jiang, Maggie Wigness 等
ACO-MoE方法在动态扰动下恢复95.3%性能，提升视觉强化学习鲁棒性。
Zhengru Fang, Yu Guo, Fei Liu 等