VeloBins通过离散速度区间分类学习速度及其不确定性，在四个数据集上减少误差3-53%。

Maulana Bisyir Azhari, Seungwook Lee, Donghun Han 等

提出Aero Hand Open，基于MuJoCo的仿真模型实现 tendon-driven 人形手的端到端学习，零调优部署。

Nan Wang, Mohit Yadav, Jonathan Wulff 等

ChainSplat基于螺旋理论，联合学习变形线性物体的3D几何与动力学，纯RGB视频实现高精度建模。

Seungyeon Kim, Noémie Jaquier

提出基于生态启发的合作风险感知探索框架，结合博弈论和相关性权重优化多机器人团队表现。

Brooks A. Butler, Jair Certório, João P. Hespanha 等

MaCoPlanner基于知识编译与主动安全验证，实现工业面板任务规划，提升成功率至84.4%。

Guipeng Xin, Jiahe Xua, Mohammad Deghat 等

提出STEGNav，利用时空事件图增强多模态终身导航，提升成功率66.3%。

Yang Chen, Zhenyu Huang, Wenbo Fu 等

提出ESRP任务，基于egocentric观察和目标布局，挑战长远规划和部分观察，构建了ESRP-Bench基准。

Canzhi Chen, Zan Wang, Siqi Zhu 等

RA-VLA通过行为对齐的检索与 grounded 执行，实现测试时无监督机器人任务适应，成功率提升17.6%。

Sanghwan Jang, Minjin Jeon, Minsoo Kim 等

LAWA通过潜在动作表达未来意图，提升机器人未来想象效率，成功实现65.6%成功率。

Xiang Li, Yupeng Zheng, Songen Gu 等

提出一种基于物理交互识别的单示范学习方法，支持复杂接触任务的鲁棒复制。

A. H. G. Overbeek, H. van der Kooij, M. Vlutters

GaussianWAM通过3D高斯场增强WAM的几何和语义表示，提升任务成功率。

Zijian Zhang, Yuqing Jiang, Weitao Zhou 等

提出多抓手感知的视觉语言动作模型GVLA，利用MiGA数据集实现五类不同抓手的策略差异，提升机器人多样化操作能力。

Hanyi Zhang, Zihong Luo, Tianyu Li 等

提出意图蒸馏（INDI）方法，将行为级意图融入视觉-语言-动作模型，显著提升机器人任务成功率。

Sangoh Lee, Sangwoo Mo, Wook-Shin Han

基于DreamerV3的无奖励连续学习框架，利用潜在状态模型实现空间机器人在硬件退化下的自主适应。

Andrej Orsula, Miguel Olivares-Mendez, Carol Martinez

本研究将Hugging Face的SmolVLA模型适配到工业级轻量机器人（UR10e），实现边缘端自主推理。

Nils Mandischer, Noah Böckmann, Ludwig Holl 等

基于多层组织结构的仿生关节皮肤实现，单独误差约3度，结合肌肉感知提升精度。

Akihiro Miki, Shun Hasegawa, Yoshimoto Ribayashi 等

提出Physical Agentic AI框架，通过LLM规划和确定性执行协调异构机器人团队，实验中将错误调度率从23%-29%降至0%。

Xinyuan Liu, Eren Sadikoglu, Riana Chatterjee 等

BehaviorWorldGen以BehaviorFlow闭环生成可控交互轨迹，提升稀有驾驶场景训练；文中未给出性能百分比。

Jiaqi Wang, Zhuo Zhang, Haining Guan 等

ViTacPhys通过视觉-触觉模型预测物体质量、刚度和摩擦系数，达97.2%的质量分类准确率。

Yiwen Liu, Yujun Zhu, Kui Jia 等

提出Q-Planning，通过离策略Q函数实现机器人策略的自我提升，提升成功率至99%。

Varun Giridhar, Anant Khandelwal, Jeremy A. Collins 等