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。

本研究提出了一种新方法，将视觉语言模型（VLM）与模拟环境和机器人系统结合，展示了VLM在空间任务中有效处理视觉和文本数据、生成操作决策的能力，具有实际应用潜力。

本研究探讨了自然语言指令中的模糊时间要求对机器人系统的影响，提出了“模糊技能”以优化调度。研究结果显示，梯形函数最能反映用户对执行时间的满意度，且用户对未来要求的宽容度更高。

最近的深度强化学习发展使得科学家和工程师可以利用物理模拟的身体和环境来获得特定任务的感觉运动策略，为理解动物感觉运动系统和机器人系统的设计规则提供了支持。

最近的深度强化学习发展使得科学家和工程师可以利用物理模拟的身体和环境来获得特定任务的感觉运动策略，为理解动物感觉运动系统和机器人系统中的设计规则提供了支持。通过演员-评论家方法，研究动物和机器人行为的反馈控制。

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。

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。

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。