北京男大学生与机器人合作，利用“本体感知”实现无遥控搬运物品，并提出新型强化学习方法COLA，以提高人机协作效率和降低硬件成本。

本研究提出了CordViP框架，旨在解决机器人操作中的灵巧性问题。该方法结合物体的6D姿态估计和机器人本体感知，在四个现实任务中实现了90%的成功率，展现了优越的泛化能力和鲁棒性。

本研究提出了一种新的记忆型视觉-本体感知强化学习模型，旨在提高机器人推物的精确度，减少修正动作，增强其在日常生活中的辅助能力。

本文介绍了一个深度学习框架，用于解决人形机器人步态中的腿部接触检测问题。该框架利用本体感知，能够准确估计每条腿的接触状态概率，并通过模拟得到的接触数据进行分类处理。