该研究提出的LUDO方法能够在30毫秒内从单视角点云重建可变形物体及其内部结构，机器人实验成功率达到98.9%，显示出其在外科干预中的应用潜力。

本文研究了在复杂环境中稳定放置物体的问题，通过优先选择接触点来确定放置姿态的新方法，提高了放置效率和成功率，并在机器人实验中验证了其通用性和可扩展性。

强化学习（RL）在解决现实问题上取得了显著进展，离线RL提高了其实用性。为提升策略选择质量，提出了主动离线策略选择（A-OPS），该方法利用预录数据集和有限的环境交互，通过高斯过程建模策略表现，快速识别最佳策略，减少评估时间。实验结果表明，A-OPS在真实机器人实验中优于其他方法，有效降低了后悔值。相关代码已开源。