该论文介绍了一种基于强化学习的物体重新定位控制器，利用廉价深度相机实现实时动态定位。研究表明，通过约束策略优化，机器人能更快、安全地完成重定位任务。此外，提出了多指手的演示学习方法和无模型框架，展示了在真实世界中有效的物体操作能力。

本文介绍了一种基于演示学习和姿态估计的人机协作装配系统，能够适应人类操作的不确定性。实验表明，该系统在不同目标位置的适应性良好，有效提高了任务效率和安全性。此外，研究发现注视机器人是协同活动的前兆，为提升人机协同体验提供了改进方法。

最新研究发现，大型专有语言模型（LLMs）能够通过演示学习上下文中的新型库使用，展现出对新代码库的熟练理解能力。LLMs在学习新库模块时表现出惊人的高度熟练度，比演示更经济实惠，为在更具适应性和动态性的编码环境中利用LLMs铺平了道路。