本研究评估了开放语义映射（OSM）在不同光照条件下的表现，提出了动态评估管道OSMa-Bench，并引入新数据集，分析最新算法的性能，为未来机器人系统开发提供重要见解。

本研究探讨了视觉语言模型（VLMs）在空间任务中的应用，提出将VLM与模拟环境和机器人系统结合的方法。研究表明，VLM能够处理视觉和文本数据，生成操作决策，并在模拟任务中表现出与传统方法的竞争力，显示出实际应用的潜力。

本研究探讨了大型语言模型（LLMs）在机器人系统中的安全性问题，提出了一种基于GPT-4o模型和知识图谱的安全层，通过安全验证确保无人机控制代码的安全性，从而提升机器人的安全性和合规性。

本研究探讨了自然语言指令中的模糊时间要求对传统机器人系统的挑战，并提出了“模糊技能”以优化调度。研究结果表明，梯形函数能够有效近似用户对执行时间的满意度，且用户对未来执行要求表现出更大的宽容度。

研究发现，传统机器人系统在新环境和任务中的适应性问题。通过示范微调RT-1-X模型，机器人能够学习提取任务，但知识转移仅限于技能而非对象特定知识。同时，研究还探索了使用多样化数据集进行训练以提高机器人在未见过的领域和任务中的成功率。

该研究设计了一种人工视觉系统原型，利用机器学习算法监测咖啡生长状态，评估产量和品质。同时，提出了自动监控系统以增强塑料耗材生产过程的控制能力，并开发了用于化工厂自动检测的机器人系统。此外，结合卷积神经网络和荧光光谱学，实现了橄榄油质量的实时监测。

本研究提出了一种在资源受限的机器人系统中实现低延迟决策的学习视觉动作控制方法。通过自我一致性获得Consistency Policy，与其他方法比较后发现，Consistency Policy可以提高推断速度并保持竞争性的成功率。

本文探讨了在视觉地点识别（VPR）中应用知识蒸馏的方法，以提升单模态模型的性能。提出的DistilVPR流程通过跨模态特征关系的探索，增强了特征多样性，显著提升了模型表现。同时，研究介绍了适用于开放式分布式机器人系统的训练方案，利用其他机器人提供指导，构建伪训练数据集，提升学生模型的学习能力。

本文研究了一种新型控制屏障函数（FT-NCBF）方法，旨在确保机器人系统在传感器故障和攻击下的安全控制。通过机器学习和控制防护函数，提出了一种高维非线性系统的安全控制器合成方法，实验表明该方法能有效避免输入饱和并维持安全。此外，研究还探讨了基于强化学习的最优控制方法和神经网络的控制屏障函数，以提高安全性和计算效率。

ROS是一个开源软件框架，用于构建机器人系统，提供了工具、库和驱动程序，支持代码重用、分布式进程框架和与其他机器人软件框架集成。适用于自动驾驶等多个机器人应用领域，为研究和开发人员提供了丰富的资源和工具。

在实际部署机器学习算法时，确保安全是重要的。本文介绍了一种通过实验识别上下文的方法，以解决离散的、外部的环境变化对机器人系统的影响。实验演示了算法的适用性。

UniFolding机器人系统能高效、可扩展地展开和折叠各种衣物，利用UFONet神经网络整合展开和折叠决策，适用于不同类型和状态的服装。

该研究利用大型语言模型的框架，对新颖物体和未知任务进行操作，并指导长时程任务执行中动态运动基元轨迹的生成和调整。实验证明该框架在涉及新对象的熟悉任务和新颖但相关任务上有效，显示了大型语言模型在提升机器人系统的多功能性和适应性方面的潜力。

本文介绍了基于语用的互动式物体抓取任务和相应的数据集IM-Dial，以及机器人系统PROGrasp的实现。PROGrasp通过视觉定位、提问、抓取和答案解释等模块，实现了基于语用推理的任务。实验表明，PROGrasp在离线和在线环境中均表现出良好的效果。

该文介绍了一种多肢爬行机器人设计，能够穿越洞穴环境。提出了一种检测岩石裂缝和边缘的方法“骨架交叉损失”（SKIL），并提出了一组新的度量指标“LineAcc”，用于薄物体分割。该模型在类似的薄物体分割任务上优于先前的方法，并展现了与机器人系统的集成的潜力。

该研究提出了一个机器人系统，模仿人类的感知和解释能力，实现自动化检测。该系统集成了传感器和数据处理，稳定导航工厂并提供关键操作条件信息。在废水处理设施中进行了广泛评估。