EmbodiedLGR-Agent结合轻量级图表示和检索，实现机器人语义-空间记忆的高效构建与检索。
Paolo Riva, Leonardo Gargani, Matteo Frosi 等
COFFAIL数据集包含咖啡准备中机器人的成功和异常技能执行，支持模仿学习。
Alex Mitrevski, Ayush Salunke
提出SAGR框架，通过语义区域图协调多机器人语言引导搜索，在大环境中效率提升18.8%。
Ruiyang Wang, Hao-Lun Hsu, Jiwoo Kim 等
DENALI数据集利用低成本LiDAR实现非视距空间推理，涵盖72,000个场景。
Nikhil Behari, Diego Rivero, Luke Apostolides 等
提出了一种多无人机检查任务的机队规模确定规则，确保任务成功率达99.8%，即使在最苛刻条件下也仅需增加四架无人机。
Vishal Ramesh, Antony Thomas
DTEA实现实时切换SEA和PEA拓扑，切换时间小于33.33毫秒。
Vishal Ramesh, Aman Singh, Shishir Kolathaya
提出环境自适应固态LiDAR惯性里程计，平均RMSE降低12.8%。
Zhi Zhang, Chalermchon Satirapod, Bingtao Ma 等
在模块化机器人中，拉马克进化在单一任务优化中优于达尔文进化，但在形态多样性压力下表现下降。
Jed R Muff, Karine Miras, A. E. Eiben
ASTRA方法通过自预测抽象实现了在抽象模拟器中训练的策略成功转移到真实世界。
Yunfu Deng, Yuhao Li, Josiah P. Hanna
提出了一种结合不确定性估计和OOD检测的视觉人机协作框架，显著提高了安全性。
Jakob Thumm, Marian Frei, Tianle Ni 等
HiST-AT通过层次化时空动作标记器在机器人模仿学习中实现59%的成功率。
Fawad Javed Fateh, Ali Shah Ali, Murad Popattia 等
提出双姿态图语义定位方法，在TII-RATM数据集上将ATE减少56%至74%。
David Perez-Saura, Miguel Fernandez-Cortizas, Alvaro J. Gaona 等
NEAT-NC通过导航细胞改进NEAT算法，实现动态环境下的路径规划。
Hibatallah Meliani, Khadija Slimani, Samira Khoulji
Chameleon通过几何基础的多模态记忆增强机器人操控，提升长时间任务的决策可靠性。
Xinying Guo, Chenxi Jiang, Hyun Bin Kim 等
DexDrummer结合轨迹规划和残差强化学习，实现1.0的F1分数。
Hung-Chieh Fang, Amber Xie, Jennifer Grannen 等
NMR框架通过动态映射解决人形机器人运动重定向问题，显著减少关节跳跃和自碰撞。
Qingrui Zhao, Kaiyue Yang, Xiyu Wang 等
视觉-语言-动作模型的视觉路径主导行为生成，语言敏感性依赖任务结构。
Bryce Grant, Xijia Zhao, Peng Wang
NavTrust通过系统性地引入RGB、深度和指令的腐蚀，评估了具身导航的可靠性，揭示了现有模型的鲁棒性差距。
Huaide Jiang, Yash Chaudhary, Yuping Wang 等
OmniVTA结合预测接触建模与高频触觉反馈，实现接触丰富操控任务的突破。
Yuhang Zheng, Songen Gu, Weize Li 等
FASTER通过引入Horizon-Aware Schedule，显著减少反应延迟，提升VLA模型实时性。
Yuxiang Lu, Zhe Liu, Xianzhe Fan 等