ChainQueen: 实时可微物理模拟器，精度高，支持软体机器人控制。
Yuanming Hu, Jiancheng Liu, Andrew Spielberg 等
提出高效蛇形门检测算法，结合改进的姿态估计，实现无人机自主竞速，最高速度达1.5m/s。
S. Li, M. M. O. I. Ozo, C. De Wagter 等
基于百度Apollo平台的EM运动规划器，结合多车道路径和速度优化，提升安全性和舒适度。
Haoyang Fan, Fan Zhu, Changchun Liu 等
提出TOG-Net网络，通过模拟自监督学习实现工具任务导向抓取，扫地任务成功率71.1%，锤击任务成功率80.0%。
Kuan Fang, Yuke Zhu, Animesh Garg 等
基于深度学习的行人意图预测模型，准确率达85%，提升自动驾驶安全性。
Amir Rasouli, John K. Tsotsos
Jacquard数据集通过模拟环境生成大量抓取位置，提升机器人抓取检测性能。
Amaury Depierre, Emmanuel Dellandréa, Liming Chen
提出稀疏3D拓扑图用于微型飞行器路径规划，利用GVD提取环境拓扑，显著提升规划速度。
Helen Oleynikova, Zachary Taylor, Roland Siegwart 等
利用非对称Actor-Critic训练策略，结合模拟全状态信息与部分观测图像，提升机器人视觉控制性能。
Lerrel Pinto, Marcin Andrychowicz, Peter Welinder 等
利用域随机化和生成模型训练深度神经网络，实现对未见物体的机器人抓取成功率超过90%。
Joshua Tobin, Lukas Biewald, Rocky Duan 等
提出一种基于递增深度限制玻尔兹曼机的机器人场景上下文建模方法，能动态扩展层次结构。
Fethiye Irmak Doğan, Hande Çelikkanat, Sinan Kalkan
Social Attention以可学习注意力建模全体行人，平均ADE降至0.30米、FDE降至2.59米。
Anirudh Vemula, Katharina Muelling, Jean Oh
提出条件模仿学习框架，结合高层指令，实现端到端自主驾驶，提升控制精度和可控性。
Felipe Codevilla, Matthias Müller, Antonio López 等
提出非线性系统的遍历探索（EEDI），利用轨迹的遍历性优化信息覆盖，优于传统信息导向控制。
Lauren M. Miller, Yonatan Silverman, Malcolm A. MacIver 等
提出一种在点云中检测抓取姿态的方法，实现了93%的抓取成功率。
Andreas ten Pas, Marcus Gualtieri, Kate Saenko 等
利用深度强化学习开发社会规范感知的运动规划，实现机器人在繁忙人群中安全高效导航。
Yu Fan Chen, Michael Everett, Miao Liu 等
采用高斯过程的多分辨率地图与信息路径规划，提升农业监测误差45%。
Marija Popovic, Teresa Vidal-Calleja, Gregory Hitz 等
提出分布式姿态图优化算法（DGS、SOR、JOR）及对象模型，显著降低通信负担。
Siddharth Choudhary, Luca Carlone, Carlos Nieto 等
提出Voxblox系统，将TSDF增量构建为ESDF，支持实时无人机路径规划。
Helen Oleynikova, Zachary Taylor, Marius Fehr 等
采用3D卷积神经网络实现形状补全，训练集超44万样本，提升机器人抓取的准确性和速度。
Jacob Varley, Chad DeChant, Adam Richardson 等
提出一种自主学习机器人方法，利用RGBD图像预测目标类别，实现密集堆积物的自动分类与排序。
Janne V. Kujala, Tuomas J. Lukka, Harri Holopainen