本研究提出了一种新方法，通过低成本传感器提升四足机器人导航的可靠性，结合接触辅助运动学、视觉惯性里程计和深度稳定视觉，显著提高了环境地图生成、自主定位和导航的准确性与稳定性。

本文探讨了低成本传感器在语义占用预测中的可靠性问题。提出的ReliOcc方法通过结合混合不确定性和采样噪声，提高了摄像头基础占用网络的可靠性。在多项实验中，ReliOcc在保持准确性的同时增强了模型的可靠性，尤其在传感器故障和领域外噪声下表现出色。

该文章介绍了一种通过低成本传感器提供视觉估计的冗余的方法，以实现自主机器人的准确测量机器人的潜在状态和感知环境。该方法包括两个模块，能够高效计算机器人姿势和配置，并通过少数迭代步骤对初始解进行改进。该方法在公开数据集上进行了评估，表现具有竞争力且速度更快。

本研究提出了一种高效的手语识别系统，利用低成本传感器和手工特征提取技术。通过训练目标检测模型，提高了图像中相关区域的关注度，从而提升了识别准确率，在AUTSL数据集上提高了7.96%。

该文介绍了一种低成本传感器的端到端模仿学习系统，用于敏捷越野自主驾驶。通过模仿高级传感器的模型预测控制器，训练了一个深度神经网络控制策略，将观测映射到转向和油门命令。该方法不需要状态估计或实时规划，通过在线模仿学习克服了协变量漂移的挑战，实现了成功的高速越野行驶。