本研究提出了一种新架构CHOP，旨在提高视觉语言模型(VLM)移动助手在子任务规划中的效率和可执行性。通过使用人工规划的子任务作为基础向量，CHOP在图形用户界面(GUI)场景中显著提升了任务完成效果与效率，并在20款应用中验证了其改进效果。

本研究探讨了LangGraph与CrewAI的整合应用，旨在提升多智能体在复杂系统中完成任务的效率。通过增强智能体的协作能力，推动智能体技术的发展。

本研究探讨了利用自然语言文本训练机器人执行日常任务的方法，提出了一种结合分层控制和自监督学习的策略。实验结果表明，该方法显著提高了机器人任务完成效率，并在真实环境中表现出良好的适应能力，降低了语言注释成本。

本文探讨了共享自主系统与人类合作的研究，提出多种强化学习方法以提升人机协作绩效。研究表明，结合人类行为与机器学习可以帮助机器人更好地理解用户意图并适应新任务，从而提高任务完成效率。