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
提出了一种在夹爪姿态不确定性下的抓取函数学习方法，提高了抓取的鲁棒性。
Edward Johns, Stefan Leutenegger, Andrew J. Davison
扩展LTLvis图形界面结合路径自定义与LTL规划，提升非专家用户操作效率。
Wei Wei, Kangjin Kim, Georgios Fainekos
论文以MAP因子图统一SLAM，并提出迈向鲁棒感知时代的路线。
Cesar Cadena, Luca Carlone, Henry Carrillo 等
采用直接多次射击法的数值最优控制实现多任务轨迹生成，适用于复杂无人机系统。
Mathieu Geisert, Nicolas Mansard
提出增量稀疏高斯过程回归算法，用于连续时间轨迹估计与建图，显著提升效率。
Xinyan Yan, Vadim Indelman, Byron Boots
ORB-SLAM利用ORB特征实现实时单目SLAM，具有高鲁棒性和精度。
Raul Mur-Artal, J. M. M. Montiel, Juan D. Tardos
引入“智能试错”算法，机器人在受损后两分钟内自主适应，模拟动物的修复行为。
Antoine Cully, Jeff Clune, Danesh Tarapore 等
数据驱动抓取合成方法综述，分为已知、熟悉和未知对象三类。
Jeannette Bohg, Antonio Morales, Tamim Asfour 等