PanoVine通过19个摄像头实现软体藤蔓机器人全身视觉反馈控制。
Yimeng Qin, Xiaomeng Xu, William Heap 等
Wh0框架利用生成视频世界模型生成50k集人手操作数据，将VLA模型零样本成功率提升至38.9%。
Yangtao Chen, Zixuan Chen, Peiyang Wang 等
DUET利用人类示范预训练，结合Transformer架构提升异构双机器人协作性能。
Yiqi Zhao, Ruohai Ge, Celina Shiyu Wang 等
Vesta是融合空间定位、导航、推理与规划的单一模型，性能超越多专家系统。
Johan Bjorck, Zhiqi Li, Yunze Man 等
采用遗传算法和A*算法结合层次分析法（AHP）进行路径规划，提升连续机器人韧性，路径多样性增强抗损伤能力。
Oxana Shamilyan, Ievgen Kabin, Zoya Dyka 等
提出一种结合自适应鲁棒损失、IRLS和MWCD的联合状态与协方差估计框架，能在含异常和非高斯噪声环境中自动调节参数，精确恢复测量协方差。
Alexandre Hadji-Thomas, Andrew Stirling, James R. Forbes
提出DO AS I DO算法，从单目RGB视频重建并迁移人类手部操作数据，用于机器人多指操控，超越现有方法。
Bhawna Paliwal, Haritheja Etukuru, William Liang 等
提出锚定特征参数化的可观测性与一致性分析，实验显示其提升VINS的估计一致性。
Mitchell Cohen, Vassili Korotkine, James Richard Forbes
WalkOCC通过混合2D-3D学习实现单目3D占据预测，在Sidewalk3D数据集上mIoU提升15.6%。
Yukai Ma, Joe Lin, Liu Liu 等
提出VERITAS框架，通过推理时验证提升机器人策略性能，无需额外训练，验证提升成功率达10%。
Mingtong Zhang, Dhruv Shah
提出Qwen-RobotManip，通过统一对齐框架实现跨多机器人平台的规模化学习，达成零样本指令跟随和跨形态迁移。
Haoqi Yuan, Zhixuan Liang, Anzhe Chen 等
提出EgoInfinity，基于模块化架构的Web规模4D手-物体交互数据引擎，实现任意视角机器人重定向与视频到动作学习。
Gaotian Wang, Kejia Ren, Andrew Morgan 等
ACE-EGO-0通过空间、结构和时间对齐，将人类和机器人数据统一用于VLA预训练，显著提升操控性能。
Hao Li, Ganlong Zhao, Yufei Liu 等
R2RDreamer通过3D感知数据增强，提升二维操控策略的空间泛化能力，利用2D视频空间的视觉补全实现高效仿真增强。
Xiuwei Xu, Haowen Sun, Angyuan Ma 等
BinTrack利用轨迹的时间序结构进行二分搜索，提升开放源代码空间问答准确率22.8%。
Dongbin Na, Chanwoo Kim, Soonbin Rho 等
ART-Glove通过16个刚性功能面和22自由度关节，结合编码器和压阻式触觉传感，精准捕获接触基础的灵巧演示。
Changyi Lin, Ding Zhao
TopoRetarget通过保持手物交互，提升灵巧操作的RL策略训练成功率40.6%。
Jielin Wu, Shenzhe Yao, Guanqi He 等
LaWAM通过潜在视觉子目标实现高效动态预测，提升机器人控制成功率。
Jialei Chen, Kai Wang, Kang Chen 等
提出RECAP，通过检索增强策略在测试时无需再训练即可扩展视觉语言行动模型，显著降低成本。
Jeongeun Park, Juhan Park, Taekyung Kim 等
TraCS结合神经符号推理与交通规则，提升多模态地面移动预测准确性。
Simon Kohaut, Felix Divo, Julius Hahnewald 等