本研究提出GPUSimBench，系统评估GPU机器人模拟器的可扩展性、物理一致性与非确定性，揭示其潜在局限。
Huzhenyu Zhang, Shenghai Yuan, Wenrui Yan 等
PRISM通过单图像和自然指令生成个性化机器人数据，构建语义几何对齐的数字场景。
Dogyu Ko, Haneul Kim, Chanyoung Yeo 等
提出MECo-WAM，通过训练引入4D几何先验，提升机器人操控精度，保持低推理成本。
Jianjun Zhang, Jian Zhu, Taiyi Su 等
提出WSA1，基于3D世界-空间-动作联合建模，数据仅用6千小时示范实现高效泛化。
Jiahao Jiang, Jianing Zhang, Zhenhan Yin 等
ObjRetarget结合人类视频，利用多面体手模型与肢体约束实现高精度机器人手臂与手部运动重定向。
Yuanchuan Lai, Qing Gao, Ziyan Liang 等
CoRE-VLA模型通过条件专家路由实现了视觉-语言-动作的可扩展和鲁棒建模，在多任务和长时间任务中表现优异。
Haozhe Zhang, Sixian Li, Yifei Zhang 等
提出统一手动作空间(UHAS)，实现跨平台灵巧操作，实验表明在不同手型间有效转移。
Luis Felipe Casas, Robert Teal, Keval Shah 等
提出一种对象中心的连续语义场方法，提高机器人操作的泛化能力。
Zheng Sun, Lerong Zhang, Zhihao Li 等
AmpAttention提高多视角机器人操作成功率至91%，训练时间减少33.3%。
Jin Yang, Ping Wei, Nanning Zheng
EVA-Client为机器人操控策略提供统一部署、调试与数据采集框架，支持多机器人平台和推理策略。
Heqing Yang, Yang Yi, Liyao Wang 等
提出混合动态数据收集方法，大幅提升VLA模型空间泛化能力，成功率提升40%。
Jincheng Tang, Yilong Zhu, Zhengyuan Xie 等
Bridge-WA通过预测场景变化提升机器人操作成功率，在VLABench上提高了9.7%。
Yongjie Bai, Hanting Wang, Mingtong Dai 等
PhysMani结合物理原则的3D高斯世界模型与未来感知的动作策略模型，提升动态物体操控成功率。
Peng Yun, Shouwang Huang, Hao Li 等
提出H-Tac数据集和TTP预训练系统，实现机器人细粒度操控的跨模态迁移。
Chi Zhang, Penglin Cai, Ziheng Xi 等
RoboWorld结合STEP FORCING与视频世界模型，实现高效、可靠的机器人策略评估，相关性达0.989。
Byeongguk Jeon, Seonghyeon Ye, JaeHyeok Doo 等
本论文提出世界模型与动作模型的统一框架，强调预测与决策的结合。
Xiaoxiong Zhang, Xiong Zeng, Wei Zhang
提出基于函数一致预测的距离场安全保障，利用低秩、时间不变的残差场实现高效、场级别的安全界限。
Jaeuk Shin, Yoonseok Ra, Insoon Yang
CoDex框架在无示范下实现复杂灵巧功能操作，平均成功率达73%。
Bowen Jiang, William Painter Reger, Roberto Martin-Martin
提出ChronoFlow-Policy，融合过去、当前、未来交互动态的3D关键点流，提升机器人操控性能。
Bokai Lin, Yifu Xu, Xinyu Zhan 等
提出DERAIL攻击框架，利用生成驾驶规划中的评分头漏洞，导致安全性显著下降（碰撞率达50%）。
Halima Bouzidi, Mboutidem Ekemini Mkpong, Haoyu Liu 等